类脑计算机或将AI耗电量降至1%
据《日本经济新闻》网站5月22日报道，全球正加速推进开发模仿人脑神经机制的计算机系统。其核心在于能实现类脑信息处理的半导体技术。该技术有望将人工智能(AI)设备等的功耗降至传统方案的1%左右。全球范围内研发竞争日益激烈，日本东北大学、九州工业大学等高校的突破性技术备受期待。
当前AI技术已快速渗透至汽车、家电、新药研发等诸多领域。在推进AI软件应用的过程中，硬件支撑成为重要课题。数据处理需要耗费大量电力，数据中心年耗电量相当于约10万户家庭用电量。
类脑计算机系统因此备受瞩目。东北大学教授佐藤茂雄等人组成研究团队，为了降低半导体耗电量，聚焦人脑运作机制展开研究。人脑通过复杂神经网络实现按需触发电信号处理信息，在完成高性能计算的同时维持低能耗。
研究团队成功开发出模拟人脑神经脉冲信号的半导体电路——脉冲神经网络(SNN)。在语音识别与图像识别的实测中，相较传统系统可节省约99%的电力消耗。
实验结果显示，系统准确率达80%以上。研究团队计划今后扩大SNN电路规模以提升精度。如果类脑计算机构想得以实现，则有望达到在省电模式下运行AI的效果。
据国际能源署预测，随着AI日益普及，2030年全球数据中心电力需求将飙升至945太瓦时，是现有水平的两倍以上。这一数字与日本全国年用电总量相当。佐藤指出，全球对高算力与低能耗的双重需求正持续攀升。
高能效的SNN技术不仅能应用于AI领域，还可应用于大坝、电线杆、物流等基础设施监控设备。结合光伏发电与蓄电池技术，有望实现电力与运维成本双降。目前已有企业接洽合作，研究团队的目标是尽早实现实用化。
九州工业大学特聘教授森江隆等人的研究团队则聚焦半导体存储器研发。当前AI学习多在云端完成，物理计算过程由数据中心负责。为了给设备降温和进行通信，数据中心需要消耗大量电力。研究团队的目标是，通过将部分运算转移至半导体存储器，为抑制耗电量创造条件。
半导体存储器分为两种：一种是需持续供电的动态随机存取存储器(DRAM)等“易失性存储器”，另一种是即使断电也能保存数据的“非易失性存储器”。研究团队正开发基于闪存与磁性存储器的类脑半导体系统。闪存属于“非易失性存储器”，磁性存储器则是对磁石的性质加以有效利用。
利用AI进行信息处理，通常依赖运行速度较快的易失性存储器。如果可以利用大容量非易失性存储器进行高效处理，则有望抑制耗电量。
在新能源产业技术综合开发机构(NEDO)支持下，研究团队计划2026年度完成专用类脑半导体系统开发。为了推进实证实验，团队自2025年度启动调查，评估商用可行性。
NEDO项目组长远藤勇德表示：“首要目标是验证工厂设备维护等具体场景应用，进而建立可吸引投资的商业模式。”
据全球信息公司预测，自2024年起，类脑计算机全球市场规模年均增长率达90%，2030年有望扩大至13亿美元。节能型类脑计算机有望广泛应用于物联网设备、自动驾驶、机器人、家电等领域。
普华永道咨询公司的技术报告指出，若实现人脑级能效的AI系统，“这或将成为自晶体管取代真空管以来，计算机领域最具变革性的转折点”。
当前类脑计算机研发呈现全球化竞争格局。英特尔、国际商业机器公司等美国企业领跑，中国等国也已发布多项创新成果。各国均处于研究阶段，实用化竞赛方兴未艾。
在类脑技术研发方面，日本现阶段是以科研机构为主导，企业参与程度较为有限。为了今后在国际竞争中突围，亟须制定面向商业化的战略规划，加速构建涵盖成本控制与市场优势的实用化体系，联合企业积极参与这一领域。