ТЕХНОЛОГИИ
Нейроморфный чип, вдохновлённый мозгом, сокращает энергопотребление ИИ на 70%
Исследователи разработали крошечный чип, вдохновлённый мозгом, который снижает энергопотребление ИИ до 70%, делая системы более адаптивными — потенциальный прорыв для устойчивой инфраструктуры ИИ.
Элвин С. ·
По мере того как центры обработки данных ИИ потребляют всё большую часть мировой электроэнергии — при этом некоторые прогнозы предполагают, что к 2030 году ИИ может потреблять до 10% глобальной электроэнергии — исследователи стремительно ищут принципиально более эффективные методы вычислений для ИИ. Новое достижение, опубликованное 23 апреля 2026 года, предлагает один из самых перспективных ответов на данный вопрос: нейроморфный чип, имитирующий энергоэффективность биологических нейронов и снижающий потребление энергии ИИ до 70%.
Микросхема использует искусственные нейроны, которые активируются в схемах, очень похожих на биологические клетки мозга. В отличие от обычных цифровых микросхем, которые обрабатывают информацию с помощью бинарных логических элементов, находящихся либо в полностью включенном, либо в полностью выключенном состоянии, нейроморфные микросхемы используют аналоговые схемы, способные представлять непрерывный диапазон значений — подобно градуированным потенциалам биологических нейронов. Такой подход по своей природе более энергоэффективен для задач распознавания шаблонов и вывода, которые доминируют в рабочей нагрузке ИИ.
Как работает нейроморфный вычислительный подход
Основное понимание, лежащее в основе нейроморфных вычислений, заключается в том, что человеческий мозг — который способен выполнять сложные рассуждения при приблизительно 20 ваттах мощности — является значительно более энергоэффективным, чем любой кремниевый чип. Мозг достигает этого благодаря разреженной активации, локальному обучению и вычислениям, управляемым событиями. Новый чип включает все три принципа, реализованные с использованием печатных органических полупроводниковых устройств, которые одновременно дешевле и более гибкие по сравнению с традиционным кремниевым производством.
Цифра в 70% снижения энергопотребления относится к рабочим нагрузкам на инференс — процессу использования обученной ИИ-модели для генерации прогнозов или ответов. Обучение по-прежнему является проблемой для нейроморфного оборудования, но инференс — это то, где потребляется большая часть энергии в развернутых ИИ-системах, что делает его более коммерчески значимой целью. Комитет по науке и технологиям Парламента Великобритании открыл расследование по подходам к низкоэнергетическим вычислениям, ссылаясь на это исследование как на одно из нескольких многообещающих направлений.