人工智能（AI）急速發展之際，能效已成為限制技術進步嘅瓶頸。人腦只需約20瓦就能完成複雜學習同決策，但而家嘅超級電腦做類似工作卻要消耗兆瓦級電力。呢個巨大差距，正透過神經形態計算（neuromorphic computing）慢慢縮窄。2025年11月2日，SciTechDaily 報道，南加州大學（USC）Viterbi 工程學院同高級計算學院嘅研究人員公開咗一種新型硬件神經元設計：集成脈衝人工神經元（Integrated Spiking Artificial Neuron, ISAN）。研究團隊冇係通用晶片上「軟件化」模擬放電行為，而係喺物理器件層面直接令電子元件產生接近生物神經元嘅脈衝、積分同泄露動態。
文章詳細描述咗 ISAN 嘅工作機制：透過將閾值觸發（spike generation）、膜電位積分同自發泄露等功能集成到同一器件結構，研究者實現咗類似細胞膜嘅電學響應。器件喺輸入電流累積到閾值時會出現短時脈衝放電，放電後膜電位隨時間衰減返基線，呢個序列喺形態同時間尺度上都高度類似生物神經元嘅「積分—泄露—觸發」過程。
神經形態計算核心係模仿大腦嘅結構同功能。大腦由約860億個神經元組成，呢啲神經元通過離子（如鈉、鉀、鈣）喺突觸間傳遞電化學信號，實現高效並行處理。傳統電腦依賴電子流進行串行計算，導致 AI 訓練過程能耗驚人。例如大型模型喺訓練期嘅耗電遠高於生物系統。相比之下，大腦可由少量樣本迅速學習——一個幼兒用幾張手寫數字圖就能識別0到9，而計算機通常需要成千上萬例。USC 團隊嘅研究正係針對呢個問題，透過硬件級模擬離子動態，構建更貼近大腦嘅系統。
呢個人工神經元設計簡潔但高效，由一個擴散憶阻器（diffusive memristor）、一個晶體管同一個電阻器堆疊而成，總面積僅約4微米²，相當於傳統設計中數十至數百個晶體管嘅體積嘅一小部分。憶阻器係一種新型存儲元件，能「記住」電阻狀態變化，用嚟模擬突觸權重調整。研究者採用氧化物中嘅銀離子做載體，呢啲離子透過擴散同漂移生成電脈衝，精確複製生物神經元嘅動作電位（action potential）。正如 USC 計算機與電氣工程教授、神經形態計算卓越中心主任 J. Joshua Yang 所言：「雖然唔係完全相同嘅離子，但離子運動同動態嘅物理原理同大腦高度相似。銀離子易於擴散，為我哋提供咗模擬生物系統所需嘅動態，只需簡單結構就可以實現神經元功能。」
實驗中，呢個裝置成功模擬咗大腦嘅關鍵過程：電信號喺突觸轉化為化學信號，再逆轉為下一個神經元嘅電信號。呢種離子驅動機制唔同於以電子為主嘅「軟件學習」，係實現硬件級自適應學習——更接近大腦嘅「濕件」（wetware）本質。團隊喺大學潔淨室製作嘅晶片陣列，展示咗豐富嘅神經元功能，包括運動、學習同規劃等行為。能量消耗較傳統 AI 晶片低數個數量級，有潛力緩解目前 AI 嘅「能源黑洞」。Yang 強調：「現有系統唔係功率唔夠，而係效率低。佢哋未必設計嚟處理海量數據或由少量樣本自主學習。借鑑大腦原理，可以同時提升能量效率同學習效率。」
科研團隊喺報道中列出咗多個實驗細節：佢哋將呢啲人工神經元同可調節嘅人工突觸配對，構建小規模神經網絡樣機，驗證脈衝時序編碼同事件驅動計算嘅可行性；喺晶片級測試中，ISAN 能夠喺唔依賴外部數字控制器嘅情況下，自主完成脈衝產生同衰減周期，從而顯著簡化周邊電路嘅複雜度。
呢項成果並非孤立。2025 年神經形態領域迎來爆發性進展。Nature Communications 嘅一篇研究報道，研究者構建咗具備功能參數嘅人工神經元，能整合生物幅度信號並產生連續電壓尖峰，模擬動作電位。另一篇八月刊文則介紹「人工轉神經元」（artificial transneurons），呢啲裝置模擬唔同腦區活動，甚至捕捉隨機動態——大腦功能中不可或缺嘅「噪聲」元素。Nature 近期評論指出，呢類人工神經元有助構建緊湊、高效嘅腦啟發計算機，預計喺邊緣設備（例如可穿戴 AI）中率先應用。另外，德克薩斯大學達拉斯分校（UTDallas）團隊喺數日前公布嘅原型計算機採用腦啟發硬件，針對 AI 任務做優化，能效提升明顯；洛斯阿拉莫斯國家實驗室（LANL）亦預測，神經形態計算會成為 AI 下一代範式：體積更細、速度更快、效率可比擬大腦。
從商業角度睇，2025 年嘅神經形態路線圖顯示，硬件技術成熟度（TRL）雖然仍低於軟件，但已接近實用化。荷蘭 Topsector ICT 發布嘅報告強調，硬件如 Intel Loihi、IBM TrueNorth 同 SpiNNaker 晶片正由實驗室走向市場。Nature Communications 嘅文章探討咗商業成功路徑：透過簡化部署工具，令應用喺神經形態硬件上運行更快、更方便。AI News Hub 分析認為，到 2025 年底，神經形態技術會喺智能家居、機器人視覺等領域落地；arXiv 嘅綜述亦指出，腦啟發 AI（BIAI）正喺神經科學、通用人工智能同神經形態硬件間融合，形成統一前沿。
呢啲進展深層意義係彌合 AI 同神經科學嘅鴻溝。傳統 AI 依賴海量數據同算力，忽略咗大腦嘅「少樣本學習」同「硬件適應」能力。以離子而非純電子嘅計算範式，正喺解決呢個差距。Yang 團隊嘅裝置證明，離子動態可以帶來大腦式嘅演化優勢：「人類大腦係進化嘅勝出者——最有效率嘅智能引擎。我哋揀用離子動態，正係因為大腦係咁運作。」未來若能集成數百萬個此類神經元，或可重現大腦嘅效率，協助揭示腦機接口（如 Neuralink）嘅運作，甚至加速 AGI 發展。Open Neuromorphic 社區嘅硬件指南亦顯示，現有晶片已支持較高階嘅神經處理。
不過，挑戰仍然存在。離子擴散嘅隨機性雖然可模擬大腦噪聲，但可能帶來不穩定性；大規模集成需克服製造精度嘅問題。arXiv 上一篇關於「物理 AI」嘅論文警告，生物原理雖有啟發性，但必須喺穩定性同適應性之間取得平衡。此外，倫理層面亦浮現：若腦模擬系統變得過於「真實」，會引發私隱同自主性嘅討論。
展望 2025 年之後，神經形態計算或會重塑 AI 生態。USC 嘅創新標誌住由「電子時代」向「離子時代」嘅躍遷，正如 Yang 所憧憬：「我哋已證明緊湊構建塊嘅有效性，下一步係大規模集成，測試能否複製大腦嘅效率。更令人振奮嘅係，呢類貼近大腦嘅系統，可能會揭示更多大腦本身運作嘅新謎團。」喺全球氣候壓力下，呢條高效路徑唔單止係技術革命，仲可能成為可持續智能嘅必要選擇。研究者正加速迭代，期望腦啟發 AI 能照亮人類未來嘅「神經網絡」。