类脑计算2026：芯片像人脑一样「脉冲式」工作，功耗只有传统芯片的千分之一

芯片像人脑一样"思考"

2026年，类脑计算（Neuromorphic Computing，神经形态计算）正在从"实验室"走向"产业化"。类脑计算芯片不像传统芯片那样"二进制"（0和1）计算，而是像人脑一样"脉冲式"（Spike）计算——信息以"脉冲"（电信号尖峰）的形式在"神经元"之间传递。

这种"脉冲式"计算的核心优势是"超低功耗"——人脑有860亿个神经元，功耗只有约20瓦（相当于一个节能灯泡）。传统芯片模拟同等规模的神经网络，功耗需要数十万瓦。类脑计算芯片的功耗只有传统芯片的千分之一。

Intel Loihi 3： 2026年，Intel发布了Loihi 3神经形态芯片，集成了100万个"神经元"和1.2亿个"突触"。Loihi 3在"嗅觉识别"（识别气味）、“触觉感知”（机器人触觉）等任务中，功耗只有传统AI芯片的千分之一。

清华天机芯3代： 2026年，清华大学施路平团队发布了"天机芯"3代——全球首款异构融合类脑计算芯片，将人工神经网络（ANN）和脉冲神经网络（SNN）在同一芯片上融合。

IBM NorthPole： 2026年，IBM发布了NorthPole类脑芯片，在ImageNet图像识别任务中，能效比（每瓦算力）是NVIDIA H200的25倍。

机器人： 类脑计算的"超低功耗"使其成为"机器人AI芯片"的理想选择——机器人电池容量有限，类脑芯片可以让机器人的"续航时间"大幅延长。

IoT传感器： 类脑芯片可以嵌入IoT传感器中，在"毫瓦级"功耗下实现"边缘AI"——不需要联网到云端，直接在传感器上做AI推理。

脑科学研究： 类脑计算芯片本身就是"研究大脑的工具"——通过在芯片上模拟"神经元"和"突触"，科学家可以更好地理解大脑的工作原理。

类脑计算的"生态"远不如传统AI芯片（GPU）成熟——编程框架、算法库、开发者社区都还在"早期阶段"。类脑计算在"精度"上也不如传统AI芯片——脉冲神经网络在图像识别等任务中的精度低于同等规模的深度学习模型。类脑计算是"低功耗"的王者，但不是"高精度"的王者。

类脑计算在2026年不是"替代传统AI芯片"，而是"补充传统AI芯片"——在"对功耗要求极高、对精度要求略低"的场景中，类脑芯片有不可替代的优势。类脑计算的"终极目标"是"模拟人脑"——一个功耗20瓦、860亿神经元、100万亿突触的系统。这个目标在2026年仍然遥远，但方向已经明确。