当整个行业还在比拼大模型参数和GPU集群规模时，有人在广州直接给”GPU信仰”泼了盆冷水。9月16日，”凤凰湾区财经论坛2026″在广州举行，美国未来产业研究院院长、”云经济学”之父乔·韦曼在开幕演讲中提出：GPU并非为AI而生，AI底层架构远未定型，而最颠覆性的一条路线——在硅晶圆上培育真实人类神经元——如今已经可以运行，甚至能通过云端对外提供服务。
GPU是”半路出家”，人脑才是能效参照
韦曼的判断从芯片的出身讲起。GPU最初是为图形图像处理设计的，只是因为擅长矩阵运算，才被适配到Transformer模型上，并不是为人工智能量身打造的原生最优架构。
他拿来做参照的是人脑：人类大脑以大约20瓦的极低功耗，实现了超高的运算和认知效率；而训练一个前沿大模型的硅基系统往往要吞噬数千千瓦电力。这种巨大反差恰恰说明，AI的技术路线还远没有走到终点，底层架构仍有颠覆式创新的空间，一味堆GPU可能是一种路径依赖。
打破边界的三条技术路径
围绕AI的长期演进，韦曼给出三条可能重构产业边界的方向。
第一，核聚变能源解除算力的地理约束。 一旦”AI发展必然受限于电力供给”的假设被打破，未来的巨型算力中心和AI工厂选址，将不再被能源禀赋硬性绑定，产业空间布局会迎来全面重构。
第二，量子计算走向商用。 随着量子纠错、量子光子互联技术持续突破，量子计算机规模化扩展的效率正大幅提升；室温量子计算等前沿方向一旦成熟，更有望摆脱极低温制冷设备和稀缺氦-3资源的束缚，显著降低落地门槛。
第三，也是最具颠覆性的，是跳出GPU的新型计算架构。 储备池计算等高能效深度学习网络、贴近人脑逻辑的神经形态架构都在快速演进。其中最激进的方案，是直接在硅晶圆上培育真实人类神经元，再通过电极把它们与电路连通——韦曼称这项技术目前已经可以运行，甚至可以通过云端对外提供服务。
“活体神经元算算力”并非空谈
在硅片上养脑细胞当CPU，听起来科幻，其实已有真实样本。这类被称作”湿件”或生物计算的路线，做法是从干细胞分化出三维脑细胞团（脑类器官），放到微电极阵列上，用电脉冲传递输入、读取神经元放电，再由算法解码成计算结果，形成”刺激—响应—解码”闭环。
此前已有团队让培养皿中的数十万个神经元学会玩《Pong》，学习速度比传统强化学习快出一个数量级；澳大利亚、瑞士等地的公司已推出生物计算原型机，或按”实验工时”把类器官算力开放给全球团队远程调用。这类系统现阶段能力还很初级，最大卖点是极致能效与自适应学习，远谈不上取代GPU。
韦曼强调，多元技术路线并行突破，会推动AI在性能、能效、成本三个维度同步升级。对正密集上马智算中心的产业来说，这番话更像一个提醒：眼下押注的主流架构，未必是十年后的终局答案。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
