文 / AI小荷尖角 · 智能的物理真相 系列②

芯片技术的发展，是一次次空间压缩的革命——在方寸之间，塞入尽可能多的“决策单元”。

一、硅的进化：从平面晶体管到3D原子级迷宫

▶ 起点：真空管 vs. 晶体管 —— 体积相差百万倍

1940年代，早期电子计算机依赖真空管（Vacuum Tube）作为开关元件。

典型型号如 RCA 6J6 双三极管，尺寸约为 5 cm 高 × 2.5 cm 直径，体积 ≈ 25 cm³（约一个鸡蛋大小）

更大型的功率管（如 807 型）体积可达 60–100 cm³（IEEE Annals of the History of Computing, Vol. 22, 2000）

这些玻璃器件不仅庞大，还高功耗（单管耗电 5–10 瓦）、易碎、寿命短（平均 2000 小时）。

世界上第一台通用电子计算机 ENIAC（1945年）使用了 17,468 个真空管，占地 167 m²，重达 30 吨，功耗 150 千瓦（U.S. Army Historical Archives）。

1947年，贝尔实验室发明点接触晶体管，尺寸仅几毫米，体积不足真空管的 1/1000，功耗降低两个数量级（Shockley,Electrons and Holes in Semiconductors, 1950）。

→ 空间效率提升超 10⁶ 倍（百万倍）！

💡 从“房间级”到“指甲盖级”，半导体开启了智能硬件的微型化革命。

▶ 摩尔定律的黄金时代：微缩与多层布线（1980–2010）

随着光刻技术进步，制程节点持续缩小：

1985年：1.0 μm

1995年：0.35 μm（引入铜互连，IBM 1997）

2001年：0.13 μm（采用低介电常数材料）

2007年：45 nm（Intel 首用高介电金属栅 HKMG）

此时，芯片开始走向准3D：通过 6–12 层金属互连在垂直方向堆叠导线，但晶体管本身仍是平面结构。

▶ 后摩尔时代：FinFET与真3D革命（2011–今）

当制程逼近 20 nm，传统平面晶体管遭遇短沟道效应，漏电流剧增。

2011年：Intel 在 22 nm 推出 FinFET（鳍式场效应晶体管），实现三面栅控

2018年：台积电 5 nm 采用 EUV 光刻，晶体管密度达 1.71 亿/mm²

2022–2025年：GAA（全环绕栅极）与 3D 堆叠成为主流——Samsung 3GAE（3 nm）的 MBCFET（多桥通道FET）、Intel 20A（≈2 nm）的 RibbonFET + PowerVia（背面供电）、TSMC A16（2026 量产）的 SoIC-X 3D chiplet 技术

🔬 今天的芯片，已是复杂的 3D 系统：晶体管垂直堆叠、逻辑与存储异构集成、背面供电……远超“平面电路”想象。

▶ 极限在哪里？

根据 IRDS 2024，硅基CMOS物理极限约在 1 nm（≈3个硅原子宽度）。Beyond that，需依赖新材料（如 MoS₂）、新架构（存内计算）或新范式（量子、神经形态）。

二、肉身的奇迹：30亿年进化的生物计算机

如果说硅基芯片是人类工程智慧的结晶，那么人脑则是自然选择用30亿年打磨出的终极计算器官。

▶ 进化长河：从神经网到新皮层

6亿年前：水母演化出弥散神经网

5亿年前：扁形虫出现脑神经节

4亿年前：鱼类发展出三重脑结构

2亿年前：哺乳动物演化出新皮层

20万年前：智人大脑定型，体积 1200–1400 cm³，重量 1.3–1.4 kg（占体重 2%），皮层展开面积 ≈ 0.2 m²（Fischl et al., Nature Neuroscience, 1999）

🧠 人脑不是“更大”，而是“更高效”：鲸鱼脑重 9 kg，大象脑 5 kg，但神经元密度与前额叶复杂度远低于人类（Herculano-Houzel, PNAS, 2009）。

▶ 结构即功能：四大核心系统

表格

💡 所有这些，被压缩在一个不到两瓶矿泉水大小的空间里。

▶ 工作原理：大脑如何“计算”？

神经元：全脑约 860 亿个（Herculano-Houzel, 2009）

突触：全脑约 1000 万亿个（10¹⁴），强度可动态调整

信息编码：稀疏激活（任一时刻仅 1–4% 神经元活跃）、时空编码（放电时序与频率携带信息）、存算一体（无分离的 CPU 与内存）

超低功耗：全脑功耗仅 ～20 瓦

🌊 人脑不是一台“更快的计算机”，而是一个自组织、自修复、自供能的生命系统。

三、1立方厘米的对决：参数密度 vs. 智能密度

若将现代 AI 芯片与人脑灰质各取 1 cm³，置于同一标尺下衡量，实则是两种智能范式 的根本差异。

我们从五个维度展开对比：

表格

▶ 大脑强大之处

能耗效率：比 GPU 高 10⁹ 倍（Merolla et al., Science, 2014）

容错能力：神经元每日死亡数千，功能无损

终身学习：终身学习，神经连接持续重塑（突触可塑性），经验直接改变结构。

四、更公平的对比：大脑不只是“CPU”

然而，这场比较本身对人类并不公平。

人脑从不是一台孤立的“思考机器”——它同时是心跳节拍器、呼吸调节阀、情感共鸣箱。

而 AI 芯片，只需专注一件事：完成人类指派的任务。

于是，我们转向更公平的对手——具身智能（Embodied AI）。

🤖 具身智能：AI 的“肉身化”尝试

如 Figure 01、特斯拉 Optimus 等机器人，将 AI 装入类人体积（≈0.1 m³）

拥有传感器、关节、电池，能在真实世界行动

但依然面临致命短板：续航仅 2–4 小时（vs 人类全天候）、无法自主设定目标、离线 = 冻结

💡 当前具身智能，更像是“被遥控的躯壳”，而非“活着的主体”。

五、超越的可能：具身智能需要什么？

要真正接近人类，具身智能必须跨越三道鸿沟：

能量鸿沟 ——从外部供电走向类代谢的自主供能或者是微型核电池；

架构鸿沟 ——从分离式感知-计算-执行，迈向全身分布、事件驱动的感控算一体；

目标鸿沟 ——从预设任务转向基于自我模型与内在驱动力的自主目标生成。

🌱 到那时，它或许不再是“工具”，而是一个新的智能物种。

结语：AI 虽足够聪明，但在智能密度上仍远落后人类

大自然 30 亿年的进化，并非人类数十年或百年拙劣的模仿即可超越。当你在 AI 的浪潮中迷失，甚至找不到生活的意义，不妨想一想大自然给予的馈赠。

欢迎留言讨论：

你觉得探讨AI单位体积的智能是否超过人类有意义么？

AI小荷尖角 · 智能的物理真相 穿透喧嚣，看见真实 关注我们，一起了解AI的方方面面。

本文首发于公众号「AI小荷尖角」：原文链接