AI开始向人脑“偷师”了:这一次,教它的是真正的神经元

——破壁观察——

AI又出现了一条不太一样的技术路线。

9月23日前后，美国生物计算公司 The Biological Computing Co.（TBC）宣布与 AWS 合作，将一种基于真实神经元计算规律衍生的 AI 视频模型推向市场。

听起来很像科幻电影。

但有一个细节必须先说清楚： 真正的神经元，并没有被塞进AI模型里。实验室里的神经元，也没有直接替代GPU。

它们做的事情是——教AI，人类神经系统是怎么计算的。

这可能比“AI里放进了脑细胞”更加值得关注。

脑细胞没有进入AI，但它们开始教AI怎么计算，过去几年，AI的发展逻辑其实非常简单。

更大的模型；更多的数据；更多的GPU；更多的计算能力。

于是我们得到了一轮又一轮越来越强的大模型，但这条路有一个越来越明显的问题：贵。

AI模型越来越强，背后的计算成本也越来越高，尤其是视频生成。

所以视频生成一直是生成式AI非常“烧算力”的领域，而TBC这次做的事情，恰恰是在这里寻找另一条路。

所谓“神经元衍生”，到底是什么？

很多人看到“神经元衍生AI” ，第一反应可能是 ： AI里面装脑细胞了？并不是。

它的思路更接近： 先观察真正的神经元，再把神经元表现出来的计算规律转化成软件层面的优化。

简单来说，大概是这样：

真实神经元 → 刺激神经元 → 记录神经活动 → 研究它如何处理信息 → 提取计算规律 → 转化为软件算法 → 优化AI模型 → 最终仍然运行在普通AI硬件上

所以真正发生变化的，不是GPU突然变成了大脑。

而是：AI开始从生物神经系统身上学习计算方法。

这也是这件事情最有意思的地方。

AI不仅要“看懂”画面，还要理解画面如何随着时间变化，而这恰好也是生物神经系统擅长处理的一类问题。

人脑并不是把每一帧画面单独保存下来，再慢慢计算。

我们看到一个人在跑，不需要逐帧分析他的腿移动了多少厘米。

大脑会直接从连续变化中理解：“这个人在跑。”

所以，一个很有意思的问题出现了：如果人脑能够用如此高的能效处理复杂的连续信息，那么AI能不能从这种计算方式里学到一些东西？

TBC选择视频生成作为商业化切入点，某种程度上正是对这个问题的一次尝试。

真正值得关注的，不是“AI有了脑细胞”

你最终使用的还是传统AI基础设施，只不过模型背后多了一层来自生物神经计算的优化。

当然，这些数字目前主要来自公司方面的披露，完整的第三方 benchmark 尚未公开，因此不能简单理解成“生物计算已经全面击败传统AI”。

AI的发展，可能正在出现另一条路线。过去我们理解AI进步，往往是这样的：

更大的数据 → 更大的模型 → 更多的GPU → 更多的电力 → 更强的AI

这就是过去几年非常典型的Scaling路线。

但现在，越来越多研究者和公司开始思考另外一个问题：如果继续堆算力越来越贵，我们能不能改变计算本身？

这就出现了很多新的方向：神经形态计算、光计算、量子计算、生物计算。以及各种试图从自然界寻找计算灵感的技术。

它们的共同点是：不是一味让机器变得更大，而是尝试让机器变得更聪明算。

而这一次，AI甚至开始向自己的“老师”——人类神经系统——学习。

这并不意味着未来的电脑会变成一团培养皿里的脑细胞。

更可能出现的情况是：生物计算负责提供新的计算灵感，硅基芯片负责大规模执行。

两者并不一定是替代关系，也可能是协作关系。

真正的“破壁”，可能就在这里

我们过去总觉得：AI的下一次升级，一定来自更大的模型，更多参数，更强的GPU，更大的数据中心。

但这次出现的技术告诉我们：也许下一次突破，并不一定来自“更多”。

它可能来自：不同。

不同的计算方式。不同的硬件。不同的算法。

甚至——不同于机器的生命系统。

神经元没有进入AI。但神经元开始告诉AI：“你可以换一种方式思考。”这可能才是这件事情真正值得关注的地方。

我们现在还不能说：生物计算已经改变了AI。

更不能说：GPU的时代结束了。

目前它仍然是一个非常早期的探索，公开信息和独立验证也都有限。

但至少有一件事情正在发生：人类制造AI的时候，开始不再只盯着机器。

我们开始重新观察自然。

观察大脑。

观察神经元。

观察生命是如何处理信息的。

也许未来真正改变AI的，不是下一块更强的芯片。

而是我们终于发现：

自然界早就已经发明了一套非常优秀的“计算系统”。

而人类现在，才刚刚开始学着读懂它。

资料来源：文中关于模型性能、推理速度及成本变化的数据主要来自 TBC 官方披露，目前仍需更多独立第三方 benchmark 验证。