计算机是围绕逻辑构建的：利用电路执行数学运算。逻辑是围绕诸如加法器——这种将两个数字相加的基本电路，而构建的。

今天的微处理器和计算机历史初期的所有微处理器都是如此。这可以追溯到算盘，在某些基本层面上，这和你闪亮的游戏PC做着同样的事情——只是它的性能要差很多很多。

如今，处理器可以在一个时钟周期内使用任意数量的复杂电路进行大量数学计算。而且不只是将两个数字相加。但是，要制造出闪闪发光的全新游戏CPU，需要对之前的经典计算机进行几个世纪的迭代。

正如可能想象的那样，构建与之完全不同的东西有点棘手，但这正是一些人正在努力实现的目标，比如量子计算和神经形态计算技术：这两个截然不同的概念可能会彻底改变计算。

“量子计算是一种我们已经习以为常的技术，至少从名称上看，它总是被当作‘计算的未来’来提及。”恩塞纳达CETYS软件工程协调员莫雷诺（Carlos Andrés Trasviña Moreno）说。

量子计算机利用量子比特，与只能存在于两种状态之一（0或1）的经典比特不同，这些量子比特可以存在于两种状态以及这两种状态的叠加：它既可以是0、1，也可以同时是0和1。如果这听起来非常令人困惑，那是因为它确实令人困惑，但它也具有巨大的潜力。

量子计算机预计将强大到足以破解现代“牢不可破”的加密、加速医学发现、重塑全球经济的货物运输方式、探索恒星，以及彻底改变任何涉及大量数字运算的事物。

问题是，量子计算机很难制造，也许更难运行。

这就是所谓的低温恒温器，它实际上是一个冷却器，用于将量子材料降至低于外太空的温度。这个是微软公司的，看起来非常漂亮

“量子计算的主要缺点之一是耗电量大，因为它所使用的算法的复杂程度远远超过目前的任何CPU。”莫雷诺继续说：“此外，量子计算需要一个接近绝对零度的温度环境，这也增加了系统的功耗要求。最后，它们对热、光和振动等环境干扰极为敏感。”

“任何这些都会改变当前的量子状态，产生意想不到的结果。”

虽然你可以用量子比特复制经典逻辑的功能，但在开发这些机器的过程中，我们并不是完全从零开始，要利用量子计算机的强大功能，需要新的、复杂的量子算法，而我们才刚刚开始掌握这些算法。

IBM是在量子计算领域投入巨资的公司之一，其目标是在2025年之前制造出拥有4158个或更多量子比特的量子计算机；谷歌也在量子领域有所涉猎。

谷歌的“梧桐树”Sycamore量子计算芯片看起来特别可爱

微软的量子芯片也有可取之处

诚然，我们距离无处不在的“量子优势”（即量子计算机优于当今顶级经典超级计算机的时刻）还有很长的路要走。早在2019年，谷歌就曾宣称自己做到了这一点，尽管这可能只是一项小众成就，但仍然令人印象深刻。无论如何，在实际应用中，我们还没到那一步。

科学地讲，要弄清它们确实很麻烦。但这从未阻止过优秀工程师的脚步。

“我确实认为，我们在量子计算方面已经触及表面。”英特尔游戏总经理马库斯·肯尼迪（Marcus Kennedy）表示：“同样，就像我们一次又一次地打破了硅的物理定律一样，我认为我们在这里也打破了物理定律。”

人工智能——2023年流行语，对未来计算机的发展潜力更为直接。但对许多人来说，人工智能确实是一项巨大的、改变生活的发展，而且不仅仅是浏览器中那个听起来很聪明、争论得有点过火的聊天机器人。如今，我们对人工智能的应用还仅仅停留在表面，而为了实现这些更深层次、更具影响力的应用，一种全新的芯片正在酝酿之中。

莫雷诺说：“在我看来，神经形态计算是经典计算最可行的替代方案。”

“在某种意义上，我们可以说神经形态计算机是在硬件上实现的生物神经网络。人们会认为它只是将感知器转换为电压和门，但实际上它更接近于模仿大脑的工作原理，模仿实际神经元之间如何通过突触进行交流。”

什么是神经形态计算？答案就在“神经”这个名字上，意思是与神经系统有关。神经形态计算机旨在模仿人类有史以来最伟大的计算机和最复杂的创造物：大脑。

“我认为，神经形态芯片的处理能力将远远超过基于x86架构（一种传统架构）的单片处理能力。”肯尼迪说：“根据大脑的运作方式，我们知道它的容量和能力远远超过其他任何东西。”

“最有效的系统往往与你在自然界中看到的东西非常相似。”

传统的中央处理器根据“时钟时间”处理指令：信息按照固定的时间间隔传输，就像由节拍器管理一样。而神经形态芯片则通过内置数字等效神经元，利用“尖峰”——可随时发送的突发电流，进行并行通信（没有时钟时间的僵化）。就像我们的大脑一样，芯片的神经元通过处理输入的电流进行通信，每个神经元都能根据输入的尖峰电流决定是否向下一个神经元发送电流。

让人眼前一亮的是，这些芯片处理人工智能算法所需的电力要少得多。例如，IBM制造的一款神经形态芯片包含的晶体管数量是标准英特尔处理器的五倍，但功耗却只有70毫瓦；而英特尔处理器的功耗在35瓦到140瓦之间，是英特尔处理器的2000倍。

神经形态芯片尚未达到突破性的时刻，但它们正在到来。英特尔公司目前正在开发几款神经形态芯片：Loihi和Loihi 2。

它还没有达到大脑的大小，但这就是英特尔的Loihi 2芯片

神经形态芯片到底是什么？它就是一个拥有神经元和突触的大脑。但由于它们仍然是由硅制成的，因此可以把它们看作是传统计算机芯片和大脑生物学的混合体。

但这并不一定是一个大大脑：Loihi 2拥有100万个神经元和1.2亿个突触，比拥有大约860亿个神经元和数万亿个突触的人类大脑要小很多个数量级。正如你可能想象的那样，很难数清所有的神经元，所以我们并不确切地知道，但我们的大脑很大。你可以向你的小脑袋动物伙伴们尽情炫耀。

据估计，一只蟑螂的突触数量相当于“Loihi 2”，这样就能更好地理解我们所说的灰质规模。

神经形态计算有很大的发展空间，而随着人们对人工智能的兴趣迅速增长，这项新兴技术可能会成为为你不断读到的令人印象深刻的人工智能模型提供动力的关键。

你可能会认为，人工智能模型如今运行得很好，这主要归功于英伟达的显卡。莫雷诺说：“神经形态计算之所以如此吸引人，是因为它可以大幅降低处理器的功耗，同时还能实现与现代芯片相同的计算能力。”

“相比之下，人脑的处理能力可达数百teraflops，能耗却只有20瓦，而一块普通的显卡能输出40-50 teraflops的功率，能耗却只有450瓦。”

基本上，“如果在图形处理器中开发并实现神经形态处理器，其处理能力将超过任何现有产品，而能耗仅为现有产品的一小部分。”

听起来很吸引人？是的，当然吸引人。降低能耗不仅能带来巨大的潜在计算能力，还能减少能源消耗，这对冷却也会产生连锁反应。 

莫雷诺继续说：“改变计算架构还需要采用不同的编程模式，这本身也是一项了不起的壮举。”

英特尔并不是依靠一个神经形态芯片来完成大脑的工作，而是将许多芯片连接在一起，作为一个大脑来工作

制造神经形态芯片是一回事，为其编程则是另一回事；这也是英特尔神经形态计算框架开源的原因之一。

英特尔公司的肯尼迪（Marcus Kennedy）说：“我们尚未破解的是如何利用这种结构背后的软件。这样，你就可以制造出一个看起来非常像大脑的芯片，而真正让它像大脑一样运作的是软件。迄今为止，我们还没有破解这个难题。”

我们还需要一段时间，才能用类似大脑的东西完全取代人工智能加速器；或者用量子计算机取代与计算本身一样古老的加法器和二进制函数。然而，我们已经开始尝试用经验来取代我们所熟知的经典计算。

微软公司最近宣布的一项突破让该公司非常看好量子的未来，IBM公司最近也预测量子计算机将在两年内在重要任务中超越经典计算机。

用英特尔公司肯尼迪的话说，“我认为我们正在实现这一目标”。

参考链接：

[1]https://www.nature.com/articles/d41586-023-01965-3?utm_medium=affiliate&utm_source=commission_junction&utm_campaign=CONR_PF018_ECOM_GL_PHSS_ALWYS_DEEPLINK&utm_content=textlink&utm_term=PID100046954&CJEVENT=d9944712a93911ee80ff71950a18b8f7

[2]https://www.intel.com/content/www/us/en/research/neuromorphic-computing-loihi-2-technology-brief.html

[3]https://www.pcgamer.com/quantum-classical-neuromorphic-computing/

[4]https://www.wired.co.uk/article/ai-neuromorphic-chips-brains

[5]https://research.ibm.com/publications/truenorth-design-and-tool-flow-of-a-65-mw-1-million-neuron-programmable-neurosynaptic-chip

[6]https://thequantuminsider.com/2022/10/26/the-future-of-digitalisation-quantum-and-neuromorphic-computing/