前言

如今 AI 的智能程度越来越高，耗电量却跟着水涨船高。

训练一个大型语言模型，电费动辄就要上千万元，全球数据中心的能耗占比也在不断攀升，给电网带来不小压力。

好在仿人脑的神经形态芯片成了破局关键，像 MIT 团队开发的镁离子器件能大幅降低 AI 能耗，现在 Intel、IBM 还有国内的上海类脑智能产业联盟，都在争相布局这条赛道。

仿人脑：省电的核心密码

我跟你讲，传统电脑耗电就是个“设计bug”。数据存在硬盘里，计算要拿到CPU里，就像做饭时菜在厨房、调料在阳台，来回跑一趟就得费不少劲，电就这么白白浪费了。

但人脑就不一样了，860亿个神经元既是“仓库”又是“厨房”，处理、存储、传信息全在一个地方搞定。全天功耗才20瓦，也就一个节能灯泡的量，却能完成复杂的思考、记忆。Schwacke要做的，就是把人脑这套“高效流程”搬到芯片上。

她在导师指导下搞出的镁离子电化学突触器件，就是仿人脑的关键。这玩意儿能像大脑突触一样，通过镁离子在氧化钨材料里的“进进出出”，调节自身电阻，相当于能“记住”信息，还能“处理”信息，从源头上省了数据传输的电。

选镁离子可不是瞎蒙的。以前有人用氢离子，但这玩意儿太“好动”，容易跑掉，器件用着用着就失灵。镁离子稳定又听话，更关键的是，之前从没人在这类器件里成功用过它，等于开辟了新赛道。

更巧的是，中科院竺淑佳团队2025年刚发现，镁离子在人脑里本来就管信号传递，有三个专门的“结合点”调控神经活动——这等于从生物学上证明了“镁离子这条路走得通”。

Schwacke能想到这招，全靠跨学科的“混搭思维”。她爸妈一个学海洋生物，一个搞电气工程，从小就接触不同领域知识。

两年前她做姜饼屋科普视频时，还研究过黄油水分怎么影响饼干强度：水分多了饼干软，水分少了硬，这其实就是“改微观结构变宏观性能”的道理。

后来研究芯片时，她直接把这招用上了——就像调黄油水分那样，调镁离子的插入量，精准控制器件性能。

她的团队还得跨界找灵感，从镁电池文献里学材料技巧，再把电化学和半导体物理的知识捏到一块儿。

这种打破学科界限的能力，现在搞创新真的缺一不可。而且这技术还有个“聪明劲儿”：采用“事件驱动”模式，只有信号达到阈值才工作，不像传统芯片一直瞎忙活，这也是省电的关键。

2025年：行业都在抢这块蛋糕

从另一个角度看，Schwacke的研究不是孤军奋战，2025年的神经形态计算领域，早就热闹得像过年赶大集了。

国际上，巨头们早就动手了。IBM刚官宣，要推出64个“真北”类脑芯片攒成的超级计算机，功耗比传统芯片低4个数量级，机场安检实时识别危险品、战场目标追踪都能用，单个芯片功率还不到70毫瓦。

Intel更猛，他们的Loihi芯片在特定任务里，能效比是传统处理器的1000倍，相当于用一节5号电池能做的事，传统芯片得插着电才行。

不光是巨头，初创公司也在发力。人工智能公司Polyn科技刚完成首款模拟神经形态芯片的流片，这芯片能在传感器端直接处理语音，功耗低到离谱，以后智能音箱可能不用连电源也能一直待机。

清华大学的团队更会玩，把神经形态技术用到了流式细胞分选仪上，用“事件相机”拍粒子，再用类脑芯片分类，效率比传统设备高多了。

国内这边动作更实在。2025年4月，上海直接拉了个“类脑智能产业创新联盟”，华为、中电海康这些巨头全来了，还配套了基金矩阵。

6月又定了目标：2025到2027年要把类脑传感器、可重构芯片搞量产，还要建产业集聚区。

还有家叫时识科技的公司，已经造出了全球首款“感算一体”的芯片Speck，能集成摄像头和计算功能，智能玩具、智能家居里都能用，功耗才几毫瓦，响应速度快到毫秒级。

连数据中心也在配合作战。现在流行的液冷散热技术，比传统风冷能省30%到50%的电，微软、谷歌的数据中心都在普及，毕竟芯片再省电，散热费电也白搭。

《Nature》还预测，到2026年神经形态芯片市场规模能到5.566亿美元，以后可能会出现百亿神经元级别的计算系统，比现在的AI聪明还省电。

落地不难？这些坎得迈过去

这神经形态技术要是真普及了，咱们普通人最先尝到甜头。

以后的智能手机、智能手表，装上个低功耗类脑芯片，不用老连云端，本地就能跑AI修图、语音助手，续航肯定能翻倍。

时识科技的Speck芯片已经用上了，智能安防里的人体识别、无人机避障，全是低功耗实时处理，根本不用插电。

复旦大学邹卓教授团队搞的脉冲神经形态芯片更绝，像人眼一样，只对运动的物体有反应，静态画面根本不耗电，装在监控里能省大笔电费。

对企业和社会来说，意义更大。现在一个大模型训练的电费就得上千万，数据中心要是用上这技术，能耗能降90%以上。

阿里有个数据中心试点液冷加类脑芯片，每月电费直接省了几百万，还少排不少碳，这可是既省钱又环保的好事。

但从实验室到咱们能用上，还有几道硬坎要迈。

Schwacke自己也在啃这些硬骨头：首先是器件一致性，造100个芯片得100个都稳定能用，就像做包子，每个大小味道都一样才合格，现在还做不到；

然后是成本控制，实验室里造一个还行，批量生产要是太贵，企业肯定不买账；最关键的是兼容现有工艺，总不能为了新芯片把整条生产线都换了，那成本就太高了。

不过也不用太担心，现在都是“组团破题”。Schwacke一边跟神经科学、电气工程的专家合作，一边还忙着科普，在剑桥科学博览会上用卷心菜汁做pH实验，让kids直观感受化学反应，还鼓励女生搞科学。

这种既能做研究又能讲明白的能力，在跨学科领域太重要了。

而且就像当年智能手机从实验室到普及，也用了好几年解决屏幕、电池问题，这技术也得走这步，只是现在有全球企业和高校一起推，速度肯定更快。

Yildiz教授说得对，这技术不光是电化学的新玩法，更是给AI的能耗问题找了条活路。毕竟咱们缺的不是更聪明的AI，是能“省着电干活”的AI。

结语

AI想一直“牛”下去，先得改改“吃电如喝水”的毛病。Schwacke这帮人的研究，可不是实验室里的花架子，是真给AI找了条可持续的出路。