我们平时总吐槽自己“脑子不够用”，还爱把人脑和电脑拿出来比来比去。你有没有认真好奇过，咱们这个长在脑袋里的“生物计算机”，到底相当于多大容量的内存？说出来你可能吓一跳，这台天生的机器配置，反差感拉满还藏着巨大惊喜。
它由几百亿神经元组成的百万核心处理器，长期存储的理论上限能去到5.8TB，可处理日常信息的时候，只舍得拿出来不到1KB的内存用。眼睛捕捉画面的输入速度堪比千兆光纤，张嘴输出信息的效率却比老式拨号上网还慢几千倍。更神奇的是，撑着整个大脑这么复杂的网络运转，只需要大约20瓦的能耗，比不少小型家用电器还节能。
科学家很早就好奇这台生物超算的极限，早前估算人脑算力能达到10的十八次方，直到最近两年，人类的超级计算机才刚摸到这个量级。之前网上一直说人脑算力高到不可能被超越，最新的神经科学测算显示，人脑靠突触放电产生的等效算力，其实只是介于老款显卡和早期超算之间。真正让人叹服的，是它在极低功耗下榨出极限性能的本事，把信息的抽象压缩做到了极致。
现在芯片行业大家都懂，摩尔定律早就不灵光了，单颗CPU性能提升的速度慢得离谱，制程缩小到微观尺度后，物理规则都变了，研发难度翻着倍往上涨。行业没办法才想到搞并行计算，把一大堆CPU凑在一起协同干活，说白了就是单点突破撞了南墙，换个思路堆硬件。有人说这不就是在模拟人脑的运作方式，毕竟人脑强大本来就是靠海量神经元的数量和复杂连接堆出来的。
早多年前欧盟就搞过人类大脑模拟计划，思路就是用大量CPU模拟单个神经元，靠超级计算机复刻大脑活动。结果项目做完，只模拟出小白鼠大脑的一小块功能区域，就耗掉了一整台超级计算机的资源。这件事也侧面坐实了人脑架构的厉害，哪怕是现在顶尖的硅基机器，都很难轻松复刻。
现在火得一塌糊涂的人工智能，其实底层的神经网络算法，早在上世纪四五十年代就提出来了，本身就是照着人脑的神经结构做的模拟。刚出来的时候大家都觉得想法太天才，可就是没法落地解决实际问题，一方面没足够算力撑着，一方面也没有那么多数据拿来训练。那时候模型效果还不如人工写的简单策略，慢慢就没人关注陷入沉寂了。
后来算法慢慢优化，有了并行运算的能力，再加上这些年算力蹭蹭涨，数据储备也够了，才迎来了从量变到质变的爆发。越过了算力和数据的门槛，庞大的参数才能变成机器的“记忆”，整个AI领域才算真正活过来。现在还有不少专门的研究方向，专门拿人脑的认知知识来优化AI算法，应用早就渗透到我们日常生活的方方面面了，连分析创作音乐都能做。
很多不了解AI的人一提到它就害怕，总担心AI会取代人类，股神巴菲特都说自己对AI有恐惧，不懂就坦诚承认也很正常。换个角度想，AI本来就不可能换掉人的肉身，它能帮人类干完一堆繁重重复的工作，不就是好事吗？就像当年洗衣机出现帮我们解放了双手，现在AI帮我们解放了有限的脑力，就能腾出精力干更有价值的事。
这两年AI和生物医药结合成了大热门，很多人想不通为啥，其实两者适配性高到离谱。生物医药领域到处都是海量细碎的数据，不管是病理数据还是药物研发数据，靠人工统计分析不仅慢，还容易出错，深层规律根本挖不出来。AI的算力和算法刚好补上这块短板，能快速梳理数据挖规律，大大缩短研发和研究周期，这就是交叉学科的魅力。
很多学生家长报志愿还把计算机、人工智能、生物医药分成完全不搭边的三个赛道，其实未来前沿科研早就都是交叉学科的天下了，单一专业的壁垒早就被打破了。壁垒打破带来了更多的运算需求，又反过来催着算力硬件升级，整个行业格局都变了。原本做游戏图形渲染的英伟达GPU，就是靠着适合并行计算、能耗低的优势借着这波浪潮起来的，超算运行电费就是大头，这时候更能感受到人脑高能效的厉害。
现在不少人担心AI发展起来，计算机专业都没优势了，还有人担心各种岗位被取代。整体来看AI确实在部分任务上做得比人类好，不少岗位的工作形式也会变，但有一点从来没变。无论外部机器怎么迭代升级，人脑对纷繁信息做模糊化、抽象化处理的能力，一直都是没法替代的核心。
我们回头看这颗不到1.5升的生物计算机，它没有超高的时钟频率，基础运算和输出带宽都不亮眼，连短期内存都只有不到1KB。漫长进化给了它独一份的生存智慧，用极致节能的20瓦功耗，撑起来千亿级神经细胞织成的庞大世界。它不机械刻录海量数据，却能在长期存储空间里存下一辈子的经验和灵光，一顿饭的能量就能勾勒出宇宙法则和机器文明的未来，这份潜力真的太让人着迷了。
参考资料：人民日报 探索人脑认知的无穷奥秘
热门跟贴