Neuromorphic computing（神經形態計算）與 edge intelligence（邊緣智慧）其實是當前 AI 發展中兩條逐漸匯流的路線。
如果說今天的大模型（GPT、Gemini、Claude）代表的是：
超大型資料中心（cloud AI）＋大量 GPU ＋ 巨量電力
那麼 neuromorphic computing 和 edge intelligence 則是在問：
我們能不能像大腦一樣，用極少的能量，在本地即時思考？
一、什麼是 Neuromorphic Computing？
Neuromorphic 的意思是：
模仿神經系統結構（brain-inspired computing）。
它最早由美國工程師
Carver Mead
在 1980 年代提出。
他的想法很簡單：
今天的電腦其實不像大腦。
傳統電腦
馮紐曼架構（Von Neumann Architecture）
CPU ⇄ Memory
不停搬運資料。
耗能主要花在：
搬資料
而不是運算。
大腦
大腦沒有 CPU。
也沒有 RAM。
神經元本身：
- 儲存資訊
- 處理資訊
同時完成。
約：
- 860 億個神經元
- 100 兆以上突觸
功耗：
約 20 瓦
相當於一個燈泡。
而 ChatGPT 背後的訓練叢集：
可能消耗數百萬瓦。
所以工程師開始想：
為什麼不用大腦的方法？
二、神經形態晶片怎麼工作？
傳統 AI：
每秒固定運算。
即使什麼都沒發生。
大腦不是這樣。
神經元平常沉默。
只有事件出現才放電。
稱為：
Spiking Neural Networks (SNN)
尖峰神經網路
神經元：
- 平時靜默
- 事件來才發射 spike
因此極省電。
例如：
你坐在森林裡。
大腦不會計算：
- 每片葉子
- 每根草
- 每粒塵埃
只有：
啪！
樹枝斷了。
神經元才放電。
三、代表性的 Neuromorphic 系統
Intel
Loihi
Intel 的神經形態晶片。
特點：
- SNN
- 事件驅動
- 超低耗能
IBM
TrueNorth
100 萬人工神經元。
功耗只有幾十毫瓦。
Human Brain Project
的 SpiNNaker
英國開發。
專門模擬大腦神經網路。
四、什麼是 Edge Intelligence？
Edge = 邊緣。
意思是：
不要送到雲端。
直接在設備上思考。
例如：
今天：
手機錄音
↓
送到雲端
↓
GPT 分析
↓
回傳答案
Edge Intelligence：
手機自己分析。
不送出去。
例如：
- iPhone
- 自駕車
- 無人機
- 智慧眼鏡
- 機器人
都需要。
因為：
1. 延遲太低
自駕車不能：
「等一下，我先問雲端。」
撞車只要 0.1 秒。
2. 隱私
病歷
軍事
工業機密
不能上傳。
3. 沒網路
森林
海上
戰場
太空
都需要本地 AI。
五、Neuromorphic 與 Edge 為何相遇？
因為兩者追求同一件事：
用最少能源，完成最聰明的決策。
例如：
一隻麻雀。
麻雀腦：
不到 1 克。
功耗不到 1 瓦。
卻能：
- 飛行
- 導航
- 避敵
- 社交
今天的 AI：
要一個資料中心才能做到部分能力。
所以工程師開始問：
AI 的未來，究竟是更大的資料中心？
還是更像麻雀？
六、DeepMind 與 OpenAI 為何也開始關心這件事？
過去十年：
Scaling Law：
更多：
- GPU
- 資料
- 參數
就有更強 AI。
但現在出現瓶頸：
- 電力
- 散熱
- 晶片供應
- 資料中心成本
因此出現另一條路：
不是 Bigger
而是 Smarter
也就是：
- Neuromorphic
- Edge AI
- Event-driven AI
- Embodied AI
開始重新受到重視。
七、從你的角度看：回到自然
Kelly，
這其實和你近來反覆談的：
strange attractor
fractal structure
回到自然
有一個有趣的呼應。
現代 AI 的道路是：
集中化
超大型
資料中心
像帝國。
而神經形態計算的理想則是：
分散化
事件驅動
低耗能
自組織
更像森林。
不是一個中央大腦統治世界。
而是無數小腦袋在局部感知、局部決策。
某種意義上，
今天的 GPU 叢集比較像二十世紀的大工業；
而 neuromorphic computing 的想像，則更接近一個生態系。
至於它是否會取代 GPU 與大型模型？
目前答案仍然是否定的。
但許多研究者相信，未來真正的 AGI 也許不是單純把模型越做越大，而是結合：
- 大模型（語言）
- 邊緣智慧（行動）
- 神經形態硬體（能效）
- 機器人身體（embodiment）
形成一種更接近生物演化的智能形式。
換句話說：
二十一世紀前半葉的 AI，可能是在建造「更大的大腦」；
而二十一世紀後半葉的 AI，則可能是在學習如何長出「神經系統」。
