融可赢全新人工神经元面世，能耗比人脑低数千倍！或彻底改变AI部署方式

近日，美国南加州大学教授约书亚·杨（Joshua Yang）团队和合作者成功造出一个功能齐全的人工神经元 1M1T1R，这是一种能像真实脑细胞一样工作的人工神经元，有望催生出类似人脑的基于硬件的学习系统，并有望将 AI 转变为更加接近自然智能的形态。据媒体报道，这或将开启迈向 AGI 的下一个飞跃融可赢，很有可能是实现 AGI 的关键拼图之一，相关论文发表于 Nature Electronics。[1]。

1M1T1R 神经元每次放电消耗的能量达到皮焦耳级别，一皮焦耳级别大约是一只蚊子扇动一次翅膀所耗费能量的千分之一左右。研究团队通过模拟预测发现，如果使用更加先进的 3 纳米晶体管制造工艺，并将忆阻器进一步缩小，它的能耗可以进一步降低到艾焦耳级别，这意味着它比人脑中的一个神经元还要节能数千倍。

假如能用数以亿计的这种超低功耗神经元组成一个电子大脑，那么处理当前那些需要巨大服务器才能完成的 AI 任务，可能就只需要一块手表电池的电量。这或将彻底改变 AI 的部署方式，让 AI 可以嵌入到手表、眼镜甚至是植入式医疗设备中。

神经形态计算的重要里程碑，助力早日实现 AGI

我们现在常用的 AI 比如聊天机器人、图像生成器都属于狭义的 AI，它们非常擅长完成某个特定任务，但却无法将一个领域学到的知识灵活地应用到另一个领域。而许多人所期待的 AGI 将是一个能够自主学习的通才。

那么，1M1T1R 神经元如何帮助实现 AGI？其中的关键在于处理时空信息的能力。人类生活在时间和空间之中。当我们阅读一句话的时候，不仅需要识别每个字也就是识别空间信息，也需要理解这些字出现的先后顺序也就是理解时间信息。当我们接住一个飞来的球，我们需要实时预测它的轨迹和落点。这种对于时间序列信息的处理，是传统 AI 的短板，但却是人类大脑的强项。

本次研究团队使用 1M1T1R 神经元构建了一个循环脉冲神经网络，并利用它来挑战了一个非常困难的任务：识别“喷发脉冲海德堡数字”语音数据集。这个数据集模拟了人耳内神经元对于英语和德语中从数字 0 到数字 9 的听觉反应模式，是一个典型的时空信息处理难题。而上述由 1M1T1R 神经元驱动的网络，其识别准确率达到 91.35%。

研究团队还发现 1M1T1R 神经元拥有以下能力：其可塑性能够帮助网络更好地传播学习信号；其随机性能够帮助网络跳出局部最优解，找到更加全局化的解决方案，就像探险家故意走一些没走过的路反而可能会发现更大的宝藏；其不应期性可以优化整个网络的激活频率，从而能够助力于适应不同类型的任务。

这些结果表明 1M1T1R 神经元不仅是简单地模仿生物神经元融可赢，它更是一个功能强大的、可塑性极高的计算单元，能够胜任未来 AGI 所需要的复杂、动态的实时计算任务。

其优势在于，每个人工神经元都集中在一个晶体管的体积之内，而以往的设计方案则需要数十个甚至数百个晶体管。因此，1M1T1R 神经元能将芯片尺寸缩小几个数量级，从而能够大幅减低能耗。

美国空军研究实验室和 NASA 等机构参与研究

要想理解神经形态计算，可以从这样一个日常案例说起。当你碰到一个装有热水的滚烫杯子，你的手会嗖地一下缩回来，有时缩手的速度甚至快到你还没来得及感受到烫。事实上，这个动作不是你想出来的，而是大脑和神经系统这样一个无比精密的网络在千分之一秒内自动完成的。

在这个网络里，忙碌着上千亿个名字叫做神经元的微小细胞，它们通过发出和接收微小的电信号，不断地相互沟通，共同指挥着你的一切：从呼吸和心跳、到解答一道数学题、再到为一部电影落泪。科学家们一直在想：如果能够使用人造材料，模仿出这些神经元的工作方式，是不是就能创造一个像人脑一样的既智慧又高效的电子大脑？正因此，这个领域被称之为神经形态计算。

要想理解 1M1T1R 神经元这项发明，首先得从我们所用的电脑或手机说起。它们遵循的是一种叫做冯·诺依曼架构的模型。我们都知道电脑里有 CPU 和内存。在工作原理上，可以将 CPU 类比为一名搬运工，内存则是一个仓库。每当要完成一个任务，比如识别一张图片里有没有猫，搬运工就要不停地跑到仓库里去，把如何识别猫的指令书和图片数据搬出来，翻看之后再跑回去存放结果，整个过程非常奔波和耗电。这也就是每当我们运行一个稍微复杂的 AI 程序时，设备就会发烫、电量也会掉得飞快的原因。像 ChatGPT-5 这样的 AI，每天消耗的电量是一百多万个美国家庭的日常用电量。

再来看看我们的大脑，它大约只有 1.4 公斤重，功率仅仅相当于一个昏暗的灯泡，但却能实现连超级计算机都难以匹敌的认知功能，能够同时处理看、听、闻、思考、保持平衡等许多事情。这主要得益于大脑的网络结构和工作方式。

大脑里的每一个神经元都是一个独立的搬运工，它们彼此紧密相连形成一个巨大的网络。在大脑里，信息不是被搬来搬去，而是像海浪一样在神经元之间以电脉冲的形式进行传递和扩散。这种工作方式是并行的、异步的和事件驱动的，即所有搬运工一起干活，不需要统一时钟步调，同时只有在信号来临时才需要干活。基于此，科学家们意识到要想做出真正高效和智能的 AI，需要从根本上去改变硬件本身，让它去模仿大脑的结构。

过去融可赢，人们尝试使用传统的互补金属氧化物半导体（CMOS，Complementary Metal-Oxide-Semiconductor）电脑芯片来模拟神经元。但问题是，晶体管的工作原理和生物神经元有着云泥之别。为了模拟出神经元的某一个简单特性，比如模拟“积累信号后突然放电”这样一个特性，需要使用几十个甚至上百个晶体管来组成复杂电路。

而本次成果找到了一个更优雅的解决方案。他们从人体的生物神经元上获得了灵感。生物神经元的秘密在于离子。在我们的大脑中，钠离子、钾离子等在神经元细胞膜的内部时刻流动着，这会形成电压变化、进而会产生神经脉冲。这些离子的流动，会受到细胞膜上的离子通道的精密控制。那么，有没有一种电子元件，它的行为也可以像离子一样流动呢？当然有，这种电子元件的名字叫做扩散型忆阻器。

顾名思义，忆阻器就是一个有记忆的电阻。普通电阻就像一根粗细固定的水管。而忆阻器是一根能够自动调节粗细的智能水管：当电流从一个方向流过时，它的电阻会变小，这时就更容易导电；当电流反向或者电流消失时，它又会慢慢恢复原状。

扩散型忆阻器则更加神奇，它的内部存在银这样一种活性金属离子，当给它加上一个电压时，这些银离子就会像在迷宫中寻找出路一样，努力地从一端向另一端扩散和漂移，最终形成一条微小的导电通道，从而能够让电流通过，这一过程就好比神经元充电的过程。当电压撤掉，这些银离子又会因为自身无规则的热运动而迅速散开，从而导致导电通道断裂，进而让器件恢复到不导电的状态，这一过程就好比神经元的复位。

基于这个原理，研究团队设计出一个三合一结构，并将其命名为 1M1T1R 神经元，它由三部分组成：

第一部分是一个不对称的扩散型忆阻器，其被作为 1M1T1R 神经元的核心，负责感受输入信号，并使用离子运动来模拟神经信号的积累。第二部分是一个晶体管，它充当着放大器和输出器的功能。当忆阻器突然导通时，晶体管的栅极电容会被快速充电，从而能像打开水闸一样，释放出一个强大的输出电流脉冲。第三个部分是一个电阻，它扮演着安全阀和计时器的角色，控制着栅极电容放电的速度，决定着神经元在一次放电之后需要休息多长时间。

通过使用纳米技术，研究团队将忆阻器和电阻垂直堆叠在晶体管上面，最终一个功能完成的人工神经元所占据的面积，仅仅相当于一个普通晶体管那么大，这在集成度上是一个巨大的飞跃。

1M1T1R 神经元还表现出了生物神经元的六大关键特性：

第一个特性是漏点积分。举个例子，假如使用一个有裂缝的水桶去接水，需要接很久才能让水位升到桶口。水滴的间隔时间越长，从裂缝漏掉的水就会越多，这就是漏电积分。1M1T1R 神经元会对脉冲进行积累，但是期间会不断地泄露，使得它能够感知输入信号的时间模式。

第二个特性是阈值放电。仍以水桶接水为例，当水桶里的水终于满溢到桶边时，就会哗啦一下从顶部溢出来。1M1T1R 神经元也是如此，当它积累的电压达到一个临界值时，它不再会慢慢地释放，而是会产生一个强烈的、全有或全无的电脉冲。

第三个特性是级联传播。即一个神经元的输出，可以直接成为下一个神经元的输入。本次研究团队将两个 1M1T1R 神经元进行了连接，结果发现第一个所放的电，成功激发了第二个的积分与放电。这就像推倒了第一张多米诺骨牌，能够引发一连串的连锁反应。

第四个特性是内在可塑性。举个例子，当一个琴童反复练习同一个钢琴曲段，手指也会变得越来也灵活，这就是一种可塑性。1M1T1R 神经元也拥有类似的可塑性。在一次放电之后，会有极少量的银离子残留在通道中。当下一个信号来临时，这些残留物会让它更容易、更快地再次形成通道，从而让神经元变得更加敏感。

第五个特性是不应期。当 1M1T1R 神经元猛烈地放电之后，它会进入一个非常短暂的不应期。期间无论怎么刺激它，它都不会再次兴奋。这个不应期会在何时来临，由控制电阻和晶体管的电容共同决定，同时它的来临也可以被精确调控。这样一来就能确保神经信号拥有清晰的节奏，不会乱成一团。

第六个特性是随机性。1M1T1R 神经元中的银离子在扩散过程中的运动，本身具有微观的随机性，这导致神经元每次的积分时间和放电时刻都会有微小的、不可预测的变化。这种随机性能够让系统避免陷入死板的循环，而是能够更加灵活地适应环境变化。

基于这种神经元有望造出更小、更高效的芯片，这些芯片将能像人脑一样处理信息，并有可能为 AGI 的实现铺平道路。而在这项研究的背后，是来自美国南加州大学、美国麻省大学、美国空军研究实验室和 NASA 等机构的几十位科学家跨越多年通力合作的结果。期间，有人负责设计概念，有人负责在纳米尺度上雕刻这些微小的器件，有人负责进行精密的电学测量，有人负责编写模拟程序，正是这些努力让这个电子神经元从构想变为了现实。

参考资料：

相关论文：https://www.nature.com/articles/s41928-025-01488-x

https://www.sciencedaily.com/releases/2025/11/251105050723.htm

惠融配资提示：文章来自网络，不代表本站观点。