神经网络计算机:AI不再调用软件,而是直接“长成”一台计算机

当我们在电脑上工作时，我们调用软件。我们点击图标，打开程序，然后输入指令。这是一个由人类预设规则、由机器严格执行的过程。

但如果有一天，AI不再需要“调用”任何软件，而是自己“变成”一台计算机呢？

这并非科幻小说，而是正在发生的研究前沿。一种名为“神经计算机”（Neural Computer）的全新AI范式，正在挑战我们对计算的根本认知。它不依赖任何人写的代码，而是通过观看海量的屏幕录像和操作记录，自己学会计算机如何运作。

它不是在运行程序，而是在学会成为一台计算机。

从“调用工具”到“成为系统”

当前主流的AI智能体（AI Agent）模式，更像是一个熟练的“工具使用者”。它通过预定义的API接口或工具链来调用已有的软件功能。比如，你需要它订一张机票，它会调用旅行网站的搜索和预订功能。

神经计算机则完全不同。它没有预设的接口，它直接观察整个计算机的“世界”——屏幕上的每一个像素变化，光标的每一次移动，窗口的每一次弹出。

这意味着，原本分散在操作系统、应用软件和命令行工具中的功能，正在被压缩进同一个学习系统之中。它不是在执行Ctrl+C，而是通过学习成千上万次Ctrl+C操作带来的屏幕变化，从而理解了“复制”这个行为的本质。

不写一行代码，如何“学会”计算？

这听起来很不可思议。一个模型，没有学过一行操作系统的代码，如何能掌握系统行为？

答案在于“观察”与“归纳”。

一个来自KAUST的研究团队为了构建神经计算机的原型，进行了大规模的数据收集。他们探索了6种完全不同的数据收集方式，最终获得了：

然后，他们使用约25万个H100 GPU小时，训练了8个截然不同的模型。这些模型在“看”了海量的操作视频后，自己学会了：

它没有学过任何关于文件系统、进程调度或图形用户界面的规则，但它从大量非结构化的观察中，归纳出了“计算机如何运作”的内在规律。这就像教一个孩子认字，不是给他一本语法书，而是让他看无数的书和电影，他自己就能总结出语言的规律。

神经计算机的出现，并非偶然。它背后是AI领域对未来发展方向的深刻反思。

早在2025年，NeurIPS会议的最佳论文就 collectively 指向一个结论：单纯依靠堆砌算力和数据的“Scaling时代”已接近尾声。AI正在从“炼丹术”回归“第一性原理”，进入一个需要精耕细作的技术深水区。

神经计算机正是这种“第一性原理”思考的产物。它提出的核心问题是：AI究竟只是更高效地使用计算机，还是会成为一种新的计算机形态？

这种激进的判断，正在成为AI迈向下一阶段的重要方向。它不再满足于做一个外部的“工具使用者”，而是试图内化整个计算环境，成为一个自主的“系统本身”。

神经计算机代表了AI在“认知范式”上的突破，而在“物理实现”层面，科学家们也在探索更高效、更接近生物智能的路径。

例如，麻省理工学院提出的“液态神经网络”（Liquid Neural Networks），登上《自然》杂志。这种网络仅用19个神经元，就能实现自动驾驶汽车的精准控制，而传统深度神经网络通常需要数百万个神经元。

这种模型不仅大幅减少了计算成本，更重要的是，由于神经元数量稀少，网络不再是难以解释的“黑箱”，其决策过程变得清晰可见。

从摆脱GPU依赖的“物理神经网络”，到将数据工程变成闭环流程的“数据编程”，这些探索共同指向一个未来：AI将变得更高效、更可靠、也更易于理解。

神经计算机的诞生，标志着我们正从一个“人使用计算机”的时代，迈向一个“AI成为计算机”的时代。

这不仅是技术上的革新，更是哲学层面的跃迁。当AI不再是被动的工具，而是能够主动学习和内化整个数字世界规则的“生命体”时，它将拥有我们无法预设的能力和创造力。

未来，我们或许不再是向计算机下达指令，而是与一个已经“理解”了整个数字宇宙的伙伴共同探索。这场深刻的变革，才刚刚开始。