Каждый раз, когда мы используем «умный» фильтр в камере телефона, просим голосового ассистента что-то найти или включаем распознавание лиц в фотогалерее, мы запускаем нейросеть. И наверняка каждый замечал: от таких задач смартфон быстро нагревается и теряет заряд. Все потому, что его процессор — по сути, очень мощный калькулятор. Ему приходится имитировать работу мозга, и на это уходит колоссальное количество энергии.
Нейроморфные чипы решают именно эту проблему. Они не имитируют мозг, а построены по его принципам. Это позволяет им выполнять те же задачи, но потребляя в сотни, а то и тысячи раз меньше энергии. С ними «умные» функции могли бы работать в телефонах или в камерах наблюдения часами, почти не тратя батарею, а агродроны — анализировать обстановку без связи с сервером.
Чтобы понять, как они работают и в чем заключается их «секрет», нужно сначала заглянуть «под капот» обычного компьютера и разобраться, почему он так неэффективен для задач ИИ.
Главная проблема всех компьютеров — бутылочное горлышко
В основе почти каждого компьютера — от ноутбука до сервера в дата-центре — лежит принцип, придуманный еще в 1945 году. Его называют архитектурой фон Неймана. Суть его проста: «мозг» (процессор, который выполняет команды) и «память» (где хранятся данные) — это два разных, физически разделенных блока.
Это похоже на кухню, где повар (процессор) стоит у плиты, а все ингредиенты (данные) лежат в огромной кладовке в другом конце здания (память).
Чтобы приготовить даже самое простое блюдо, повару приходится постоянно бегать в кладовку: за солью, потом за перцем, потом за ложкой. 90% времени уходит не на приготовление блюд, а на беготню. В компьютерах эту «беготню» по узкому коридору между памятью и процессором называют «бутылочным горлышком фон Неймана». Именно она пожирает львиную долю энергии и заставляет наши смартфоны греться, когда мы запускаем сложные нейросети.
Вдохновленный природой: как устроен нейроморфный процессор
Если «бутылочное горлышко» — это фундаментальная проблема, то почему бы просто не расширить «коридор» между процессором и памятью? Инженеры десятилетиями этим и занимались. Но это как пытаться решить проблему городских пробок, просто добавляя новые полосы на дороге — в какой-то момент это перестает работать, особенно с колоссальным ростом задач для искусственного интеллекта. Поэтому группа ученых и инженеров пошла другим путем. Они решили: а что, если перестать улучшать старую архитектуру и вместо этого скопировать ту, что уже миллионы лет эффективно работает с информацией? То есть — человеческий мозг.
Так появились нейроморфные процессоры. В их основе лежат не транзисторы в классическом понимании, а искусственные аналоги нейронов и синапсов — базовых строительных блоков нашего мозга. Их главное отличие от старой архитектуры в том, что в них нет того самого разделения на «повара» и «кладовку».
Память и вычисления объединены в одной структуре, а информация обрабатывается прямо там, где хранится. Это устраняет саму причину «беготни» и, как следствие, решает проблему лишнего энергопотребления.
Три секрета эффективности: как работают нейрочипы
Итак, как же нейроморфным процессорам удается быть настолько эффективными? Вся магия кроется в трех ключевых принципах, скопированных у природы.
Секрет первый: они работают, только когда есть работа
Обычный процессор работает по тактам, как часы: он постоянно активен и что-то делает, даже если полезной нагрузки нет. Нейроморфный процессор устроен иначе. Его нейроны «спят», почти не потребляя энергию, и активируются только в момент получения сигнала- «спайка». Это похоже на лампочку с встроенным датчиком движения. Она включается лишь тогда, когда кто-то проходит мимо. Экономия энергии — колоссальная.
Секрет второй: они делают тысячи дел одновременно
Классический процессор решает задачи последовательно, передавая их от одного блока к другому. Нейроморфный чип работает по принципу массового параллелизма. Если обычный процессор — это музыкант-мультиинструменталист, который виртуозно, но по очереди играет на всех инструментах, то нейрочип — это целый симфонический оркестр. Сотни и тысячи его нейронов играют свои партии одновременно, создавая общую мелодию.
Секрет третий: у них нет «беготни»
Как мы уже говорили, главная проблема старой архитектуры — постоянная пересылка данных между памятью и процессором. В нейрочипе этой проблемы нет.
Вернемся к нашему повару: вместо того чтобы бегать в кладовку, он держит все нужные ингредиенты и рецепты прямо у себя на рабочем столе. Память и вычисления находятся в одном месте. Это не просто сокращает «беготню» — это полностью ее устраняет.
Гонка за будущее: кто создает чипы нового поколения
Идея создания нейроморфных чипов — не просто научная теория. Это настоящая технологическая гонка, в которой участвуют мировые гиганты.
Пионером на рынке можно считать компанию IBM с их чипом TrueNorth, представленным еще в 2014 году. Позже в гонку включился Intel со своим проектом Loihi. Второе поколение этого чипа в 2021 году легло в основу суперкомпьютера Hala Point. Эта система, размером с микроволновку, содержит 1,15 миллиарда искусственных нейронов и способна выполнять до 20 квинтиллионов операций в секунду, потребляя при этом энергии не больше, чем электрический чайник.
Параллельно свои разработки ведут в Великобритании (проект SpiNNaker) и Китае (чип Tianjic), доказывая глобальный интерес к технологии.
В России это направление также признано стратегическим. Ключевым отечественным проектом стал нейроморфный процессор «Алтай», разработанный новосибирской компанией «Мотив НТ» при участии «Лаборатории Касперского». Их чип второго поколения содержит более 8000 нейронов и, решая задачи распознавания видео, потребляет в сотни раз меньше энергии, чем традиционные видеокарты.
Разработчики создали для него собственную программную платформу и планируют запустить серийное производство чипов третьего поколения уже в 2026 году.
От теории к практике. Где сегодня применяются нейрочипы
Уже сегодня технология находит применение в пилотных проектах, где ключевыми требованиями являются сверхнизкое энергопотребление и обработка данных в реальном времени, без отправки в «облако».
Хороший пример — автомобили Mercedes-Benz, которые в своем концепт-каре Vision EQXX используют нейрочип Akida от компании BrainChip для распознавания фразы вызова фирменного голосового ассистента «Hey Mercedes». Благодаря этому система голосового управления всегда активна, моментально откликается на команду и тратит минимум энергии.
Чип Loihi 2 от Intel стал центром целого научного сообщества — с ним работают более 200 организаций. Важным достижением стал успешный запуск на нем больших языковых моделей (LLM), что открывает для нейрочипов совершенно новые перспективы.
В России процессор «Алтай» от «Мотив НТ» и «Лаборатории Касперского» нацелен на задачи видеоаналитики, например, для автономных систем промышленной безопасности.
Ближайшее будущее и долгосрочные перспективы
Главные вызовы для массового внедрения нейрочипов сегодня лежат в области программного обеспечения, так как еще не существует единых стандартов для разработки, а программирование под них требует высокой квалификации. Однако уже сейчас формируются два ключевых направления развития.
В перспективе 2−5 лет основным полем битвы станут периферийные и носимые устройства. Можно ожидать появления гибридных систем, где нейроморфные сопроцессоры будут работать в паре с классическими, принимая на себя задачи ИИ. Это приведет к появлению нового класса устройств, способных непрерывно анализировать окружающий мир: от «умных» камер в ритейле до систем помощи водителю в автомобилях.
Если заглядывать еще дальше, то через 5−10 лет нейроморфные системы могут совершить гигантский скачок и в мире вычислений. Конечная цель — создание по-настоящему адаптивного «железа», способного к непрерывному обучению без полного «перепрограммирования». Компьютеры смогут не просто выполнять команды, а адаптироваться к новым задачам в процессе работы, подобно тому, как мозг формирует новые нейронные связи. И, возможно, именно это станет шагом от создания «умных калькуляторов» к появлению по-настоящему мыслящих машин.
Ранее мы рассказывали о создании первого в мире атласа развития мозга.
