现代芯片与神经形态学芯片的差异
计算的未来可能与我们现在所知的完全不同。神经形态学芯片将更像大脑，而不是我们今天所拥有的芯片。尽管高通、英伟达和AMD等公司宣布推出一系列新芯片，为建造终极个人电脑处理器的竞争升级，但未来的计算可能完全不同于我们现在所了解的样子。
芯片的发展
冯·诺伊曼机的局限性
冯·诺伊曼的基本结构包括存储器存储指令和数据；控制和逻辑单元；以及输入和输出设备。尽管这种架构已经半个多世纪前得到证明，但随着应用程序规模的增长和数据量的指数增长，瓶颈已经出现。传统的冯·诺伊曼机存在一些问题，比如处理单元需要从存储器中获取指令和数据，这会导致芯片性能和能源效率的问题。而神经形态学芯片可能会改变这一现状。
神经形态学芯片的潜力
神经形态学芯片与人工智能结合可能是未来计算的方向。大型语言模型（LLMs）已经引起了业界的关注，企业软件开发人员正竞相将这些模型集成到其产品中。然而，运行LLMs需要大量资源，这导致了全球数据处理和传输的能源消耗上升。
但是，如果开发人员可以直接在硬件中构建人工神经元，而不是在软件中模拟它们呢？相比之下，神经形态学芯片可以更节能地进行计算，并且由于能量需求的增加，可以更容易地检测硬件攻击。
未来的计算：脱离冯·诺伊曼架构
未来的计算可能涉及磁性神经网络交叉栅阵、氧化还原记忆器、3D纳米结构、生物材料等，以及利用大脑功能作为蓝图。此外，随着我们对大脑功能了解的增加，设计未来计算设备的人员可以在其架构中模仿这些特征。
类脑芯片
在处理同样复杂任务时，没有任何人工系统能够媲美人脑的高能效性。没有任何自然/人工系统能够像人脑一样，具有对新环境的自适应能力、对新信息与新技能的自动获取能力。神经元实现信息整合，突触完成存储和学习，每个神经元通过上万突触与其他神经元互联，高度并行、存算一体。没有任何系统能够像人脑一样，在复杂环境下有效决策并稳定工作、能够在多处损伤情况下依然具有很好鲁棒性。
因此，未来的计算可能会更像大脑一样，而不是现代数据中心。通过不同的思维方式，我们可能能够大大降低能源开支，并实现更高效的计算。
首个存内计算开发者社区-CSDN存内计算
全球首个存内计算社区创立，涵盖最丰富的存内计算内容，以存内计算技术为核心，绝无仅有存内技术开源内容，囊括云/边/端侧商业化应用解析以及新技术趋势洞察等， 邀请业内大咖定期举办线下存内workshop，实战演练体验前沿架构；从理论到实践，做为最佳窗口，存内计算让你触手可及。
