飞象网讯（魏德龄/文）很多人都会简单的将AI比喻为大脑，但如果仔细分析当下AI产业的运行方式，就能发现其正在构造出一套完整的神经系统，从感知、分析到决策，比一个简单的“大脑”二字更为复杂多元。首先，不妨就先从脑部谈起，众所周知，脑部并非只有大脑，而AI也并非只有需要联网的ChatGPT。
大脑与小脑：云端与边缘
事实上，大脑本身并不什么反应足够灵敏的机器，如同在询问类ChatGPT产品时的转圈圈，大脑对于很多问题都需要一个更复杂的思考过程。而在如今，很多人也喜欢将云端AI比喻为大脑，由于需要将数据发送至云端进行运算，所以在整个过程中也会出现较高的延迟。据一项数据显示，当用户使用手机App向云端AI发送问题时，接收结果的延迟约为200ms。
但是，谁都不可否认，塞满了大规模算力的云端AI的强大。以目前大热的ChatGPT为例，已经可以通过客户端来分析出用户的照片所在地，甚至还能将一个完整的PPT转换成为文章，反之也亦然。
这种强大的理解能力确实犹如我们的大脑，不过它的掣肘之处也已经凸显，那就是能耗问题。本质上来说，ChatGPT的强大表现源自于“大力出奇迹”，预估GPT-6的耗电将达700万度，算力的尽头变为了能源。相比大型AI系统的百万瓦级功耗和海量数据需求，而人类大脑则能以很小样本和30瓦功耗实现起高计算效率和识别。
要想解决延迟的问题，目前业界普遍的做法就是将算力下沉至离用户更近的地方。蜂窝网络中的基站便是选择之一，据日本运营商估算，这类边缘AI的延迟将可降低至20ms。另一方面，通过将模型进一步小型化，利用智能手机、PC这类设备的本地AI算力更是在近两年发展迅猛，并正在被厂商营销为产品的新卖点，大量基本的运算可以在本地来完成，由于数据不上云，也保障了隐私安全。
反应迅速，但算力有限的边缘或本地AI，不妨可能将其看作是小脑。两者在各自的领域中扮演着类似的角色，负责处理大量的感官数据并执行实时决策。小脑是大脑的一个重要部分，负责协调身体运动、保持平衡和精细动作控制。它能够快速处理来自全身的感觉信息，并做出及时的反应，以确保动作的精确性和流畅性。
同样，边缘AI在计算系统中充当了一个关键的处理单元，直接在数据源附近处理和分析数据，以减少延迟和提高效率。边缘AI能够迅速分析来自各种传感器的数据，并做出实时决策，从而支持自动驾驶、工业自动化和智能家居等应用。就像小脑确保我们的身体动作准确无误一样，边缘AI确保系统的响应迅速而准确，提高了整体性能和可靠性。
神经系统与脑干：连接与物联网
在我们的无形AI伙伴有了大脑之前，其实神经系统早就有了长年的积累。这里不妨还是先接着大脑处的位置谈起，众所周知，胼胝体位于左右脑之间，它是高等哺乳动物的象征之一，通过2-2.5亿个神经纤维提供了海量的交互带宽。负责大脑两个半球间的通信。
与通过2-2.5亿个神经纤维提供的海量交互带宽同理，AI大脑同样需要更强的连接效率。人工智能与机器学习一方面促进了超大规模数据中心的扩建，另一方面也催生了越来越多的光连接需求。云端AI数据中心的强大算力源自于大量服务器的连接，有源电缆与光模块承担起来连接这些设备，并担负传递海量数据的重任。在很多AI系统或大模型系统内部，均具有非常高的连接速度需求，同时要求短距离连接，服务器之间的连接可能在10米以内，或30-40米。
另一方面，数据中心之间也正在构成算力网络，为了形成更大的算力协同，数据中心之间也将形成连接，预计因此所带来的电缆需求将会增加4-5倍。以新型光纤技术为基础的高品质光纤网络使人工智能能够更快地处理和分析数据，从而为更多行业、领域的创新提供新的可能。
除了神经系统外，在人体之中，类似“膝跳反射”的本能型反应也正在物联网中普及，这种AI的算力有限，但提供了更加迅速的反应，以及更低的能耗，让设备具备智慧的同时，还能保持超长的续航。
例如在汽车领域，半导体厂商正在为汽车赋予如同动物般的运动本能，如同一个人不小心踩到树坑中也能应激性的作出调整，再次恢复平衡状态。汽车也能在遇到障碍物或突然状况时迅速作出反应，而无需等待大脑思考后的时延。
如同自我保护、疼痛感知意识一样，要有一套可信任的稳定系统，保证功能安全和信息安全。多物种背后那些相似的基因组，又是可扩展性的证明，对于技术而言同样需要可以适用于小型机器人与大型复杂机器人。对于小脑、脑干型人工智能的技术探索，正在积累构建一个可预测、自动化的世界。
心脏与感官：芯与传感器
无论是大脑、小脑、脑干，驱动这些算力运转的能量来源，无疑源自于“芯”。心脏为身体提供血液和氧气，计算资源和硬件为AI系统提供必要的算力和支持，保证其高效运行，如今AI芯片的算力也正在飞速增长。
以英伟达为例，从2016年Pascal架构的P100起，英伟达数据中心GPU经历了Pascal、Volta、Ampere、Hopper等架构迭代，2024 年英伟达发布了 Blackwel 系列产品，包括 Blackwell GPU、GB200 超级芯片和机架级系统 GB200 NVL72，进一步加速了万亿级参数模型的训练和推理。
本地AI能力方面，不久前英特尔公布的Lunar Lake，配备了第四代 NPU，其 AI 算力高达 48 TOPS，较上一代产品提升了 4 倍。至此，也实现了微软对于Copilot+PC在算力上的40 TOPS 的要求。
物联网传感器与人类感官一样，都用于感知和监测周围环境，但传感器能够超越人类感官的局限，提供更精确、连续和实时的数据。它们通过数据处理单元分析信息并作出响应，广泛应用于健康监测、环境监控和安全保障等领域，从而增强和扩展了人类感知能力，支持智能决策和自动化操作。
作为如今所处的在线生活时代，其实也正是传感器和云连接爆发的时代。智慧、安全、精准是在线生活时代中的三大要素，其中对于“智慧”来说，关键正在于与AI的结合，进而能够在智能传感器、智能节点和智能网关中处理数据，进而实现更低延迟、降低对于网络传输的依赖，以及更低的功耗。
无形的AI伙伴正在初具雏形，从感知到判断，从大脑到完整的神经系统，如果有一天，这种无形的AI伙伴变为科幻电影中的实体，也并不令人意外。当然，能耗、书呆子式的解答、隐私安全等不少问题也同样是其成长路上的烦恼，但AI总要长大。
小贴士：
下周，人工智能将同样成为MWC上海的展会主题之一，电信运营商、智能手机厂商、设备商纷纷聚焦于此，大模型产品同样发布在即，飞象网也会亲自前往现场进行报道，欢迎持续关注。
