说到数字大脑，我们很容易想到AI，AI在我们生活中有着诸多便利与服务，但在这份便捷背后，传统AI却是个“吞数据、耗电力”的“大块头”：要超千万次训练，其运行耗电堪比一座小型城市。而中国造的类脑计算机“悟空”，走了条不同于传统AI训练系统的路：复刻人脑工作机制，功耗和数据样本量约仅为传统AI 的千万分之一，实现了用“中国智慧”给AI“瘦身”。

　　据数据综合技术分析机构SemiAnalysis披露的 GPT-4 训练算力参数与数据规模和多模态训练语料的公开统计：2024年，GPT-4（人工智能）足足啃下了 4.9 万亿个数据点，相当于把海量的书籍、网页、对话全都嚼碎了学一遍；还得靠 25000 个专业的 AI 计算芯片（GPU）组成的“超级计算机群”，没日没夜地算上95天才能完工。更夸张的是，这堆设备每天耗的电够4万个普通家庭用一整天。

　　而中国“悟空”类脑计算机给出了颠覆性答案：在工业质检、图像识别等任务中，传统AI有些“笨”，需数千次样本反复学习才能掌握，“悟空”仅用5次输入就能精准习得，这个功耗差不多和一台家用空调的功率相当，功耗和效率碾压传统AI。

　　据全球数据中心耗电量相关表述参考国际能源署（IEA）数据中心能源供应报告：如今，全球数据中心的耗电量已从十年前的100亿瓦（GW）增加到1000亿瓦水平，相当于一个中等国家的年用电量—— 而这暴涨的能耗中，人工智能训练与运行贡献了关键增量，尤其是大模型的训练过程，堪称数据中心的 “耗电主力军”。从当前规模来看，AI 已占据数据中心用电量的 5%-15%；据国际能源署相关测算，这一比例到 2030 年可能大幅攀升至 35%-50%。高盛也有预测显示，2027 年 AI 在数据中心的用电占比会达到 27%，其耗电主导地位将进一步巩固。

　　同时据DOIT数据产业媒体、中国经济信息网等权威平台的披露信息，GPT-4（人工智能）一次训练所需的电能，据数据推算，若将其全部转化为热能，可将大约1000个奥运会标准游泳池的水量加热到沸腾。凸显了AI 发展背后巨大的能源消耗。

　　而且传统AI 干的都是些 “费劲儿” 的活儿，不管是算东西还是处理数据，都得靠高性能电脑和专门的GPU芯片撑着 —— 只要数据量一大，基本上AI的算力零件就得全部动员，耗掉超多电。

　　现在AI 模型越做越复杂，需要的计算能力和内存也跟着水涨船高，耗电自然也就越来越多，虽然功能提升了，但始终困在“数据越多越好、算力越大越强”的能耗黑洞中。

　　在用AI 语音助手识别方言版的指令时，要是你的方言比较小众、训练数据里几乎没有，助手要么听得一头雾水，要么把 “帮我开阳台灯” 识别成 “帮我开油烟机”。

　　同时AI在写小众领域的文案时，虽然它能高效堆砌专业术语或结构化内容，很难写出藏在文字里的“人情味”，但也会因为数据储备不足，使内容显得机械化。

　　而一些顶尖AI虽能力卓越，例如科大讯飞的讯飞星火认知大模型，专门针对中文文案生成优化，其不仅涵盖了新闻、小说、社交媒体等多种风格的中文文本，也保障了中文文案生成的流畅度与适配性，但其实训练学习时调用了近亿万级的数据，训练文本量超1000 亿字，样本数量十分庞大，就比如哪怕一个人不吃不睡、全天 24 小时不间断阅读，也需要22831年才能读完——这个时间跨度，远超人类文明史，而人类文字历史不过约 6000 年。

　　说到底还是跳不出一个死圈子：总想用更多数据、更强算力来撑场面，效率其实并没跟上。显而易见，传统AI需要大量样本训练，究其原因，还在于AI系统架构的先天局限，每次学习都需反复调取数据，且必须依赖完整的数据样本，这种暴力学习的方式虽然简单，但每次学习都“死记硬背”，很容易换个题型就蒙圈。

　　类脑机算机“悟空”给出了另一种答案：它搭载的芯片构建起庞大的类似人脑的神经突触网络，其核心秘诀，是用上了和人脑记东西类似的机制—— 咱们大脑里，先活跃的神经细胞会和后活跃的细胞拉近距离、记牢关联（比如看到 “火锅” 就想起 “麻辣”），“悟空” 也学着这套逻辑：靠脉冲信号的先后顺序抓关键联系，不用海量样本慢慢磨，就能快速摸透核心特征。

　　简单说，“悟空”能像人脑凭一样零散关联举一反三，也能像你记“先刷牙再洗脸”的流程一样，靠事情要按“先发生什么、后发生什么”的顺序来，少走弯路直接抓住重点，大大提高了效率，减少了样本数据。

　　“悟空”模范生物大脑工作方式，空闲时几乎不消耗能量，只有在接收到信息时才激活处理；就像家里的智能感应灯，没人经过时，它一直处于 “休眠” 状态，几乎不耗电；只有有人走到感应范围内，它才瞬间亮起、开始工作。“悟空” 也是如此，没接收到数据任务时，就像感应灯休眠一样低耗待机；一旦有信息输入，才激活算力处理，不做 “无用功”。

　　其采取先进的封装技术缩短了信号传输距离，好比快递公司优化仓库布局：原来仓库里分拣区和配送区隔得老远，快递员要跑很久才能把包裹从分拣区送到配送区；现在把两个区域挨在一起，快递员几步路就能完成转运，效率直接翻倍。“悟空” 用先进封装技术缩短信号传输距离，就和这种仓库布局优化一样，让芯片里的信号不用 “长途跋涉”，传输速度更快、能耗也更少。

　　还有高效优化的操作系统，就像整理得井井有条的厨房：普通厨房的厨具、食材东堆西放，做饭时要翻半天才能找到锅铲、调料；而优化后的厨房，把常用的锅具调料放在灶台旁，做饭时伸手就能拿到，流程丝滑不浪费时间。“悟空” 的高效操作系统就像这个规整的厨房，把算力资源、数据处理流程梳理得明明白白，避免资源浪费，让每一步运算都精准高效。

　　依靠这样架构与效率，“悟空” 在多个关键领域展现出独特价值，成为推动科技突破的 “高效能手”：在人工智能领域，它能轻松运行DeepSeek类脑大模型，高效完成逻辑推理、内容生成、数学求解等复杂智能任务，为这些场景提供强劲的算力支撑，破解了传统大模型高能耗、高计算量的难题；在脑科学研究领域，更是发挥了 “虚拟实验室” 的重要作用，能够精准模拟从秀丽线虫、斑马鱼到小鼠乃至猕猴等不同神经元规模的动物大脑，让科学家可以在虚拟环境中清晰观测神经信号传递、学习记忆机制等，比如原本需要数月的小鼠决策行为模拟，借助它几小时就能完成，大幅减少了活体生物实验的需求，为探索大脑工作机理开辟了新路径。

　　同时据新华网报道的相关数据，在“悟空”与传统AI相比完成同等复杂智能任务时，能耗仅为传统GPU集群的1/5~1/10，相当于降低了80%~90%的能耗；而思考速度上，凭借超20亿神经元与千亿级突触的高度并行计算能力，较传统AI处理脑科学模拟、复杂推理等任务时，速度提升超10倍。

　　最后，“悟空”能以“一台空调”的功耗实现对传统AI的碾压，核心在于它跳出了传统计算“大量数据冗余、高算力损耗”的框架，这套“类脑+集成”的组合拳，让它在处理复杂任务时既能释放千亿级突触的强大算力，又能将能耗降到极致，这正是其超越传统AI的关键所在。相信未来“悟空”将进一步发展，成为打开人工智能金钥匙，用最低能耗实现最灵活的认知与创造。

　　在洪崖洞逛到人山人海时，谁在帮我们“看住人流“？ ——重庆景区里的智慧安防

　　2026全球全景&运动相机市场趋势分析：行业洗牌、AI进化与消费选择指南

　　乙肝功能性治愈是当前公认的治疗目标，实现它的关键一步，到底应该怎么走？

　　more

　　非遗贺新春 博物馆里过大年丨直播预告：视频直播家乡年——华岩寺腊八节全文