大多数神经形态芯片的架构都取自大脑皮层，也就是大脑中负责思考的区域。西北大学的一个团队却完全从大脑的另一个部分出发来构建芯片。小脑是颅骨后部一个拳头大小的结构，与其说它在推理，不如说它在预测。它不断把身体即将做出的动作与预期会发生的情况进行比较，它的计算特征不是放大，而是抑制。这款模拟小脑的芯片于7月10日发表在《自然·通讯》上，其运行方式与小脑相同：对预期中的事物保持安静，只把能量花在意外上。
该硬件由二硫化钼忆阻晶体管构成。这种器件把存储和晶体管功能整合在一条原子级厚度的沟道中，免去了传统计算机中数据在独立存储单元与处理单元之间不断往返的传输，而正是这种传输拖慢了传统计算机的速度。西北大学的器件还多了一个巧思：不对称。一个电极直接接触半导体，另一个电极则部分悬于其上方，由一层薄薄的绝缘延伸层隔开。反转电压极性，同一个器件就能在两种模式之间重新配置，团队称之为兴奋模式和抑制模式，对应着小脑回路中相互竞争、维系平衡的信号。
平衡为何重要
在小脑中，兴奋信号与抑制信号通常相互抵消。颗粒细胞兴奋浦肯野细胞，后者是大型输出神经元，以拥有大脑中最强的短时程易化而闻名；分子层中间神经元则提供前馈抑制。当熟悉的输入到来时，两种信号保持平衡，回路作出可预测的反应。当新奇的事物出现时，平衡被打破，网络便将这一变化标记出来。
忆阻晶体管在硬件中重现了这场”舞蹈”。在兴奋配置下，器件表现出逐渐增强、缓慢衰减的响应，类似于颗粒细胞到浦肯野细胞突触上易化的累积。在抑制配置下，器件响应突然、消退迅速，模仿了前馈抑制。新奇的输入会让阵列失去平衡，而这种短暂的抑制正是系统判读为异常的信号。该团队由材料科学家马克·赫萨姆（Mark Hersam）、神经生物学家因迪拉·拉曼（Indira Raman）以及伊利诺伊大学芝加哥分校的电气工程师阿米特·特里维迪（Amit Trivedi）领导，他们将这种涌现行为称为”差异化”，神经科学家也使用同一个词来形容浦肯野细胞区分输入模式的能力。
数据
这些性能数据在如何测量这一点上附有一个说明。在模拟心电图测试中，系统标记心律失常的准确率超过98%，而经典基线方法的准确率为70%到80%；系统还能在五分之一个心跳的时间内检测到异常。它比Transformer模型快2.4倍达到100%的准确率，Transformer是现代语言和图像人工智能背后的标准架构。而完成这一切所需的运算量比基于硅的方法少约1万倍。
心电图结果来自基于实测单器件数据构建的网络模拟，而非贴在患者胸口的全集成芯片。”1万倍”这个数字统计的是运算次数，而不是实测的能耗；节能效果是推断得出的，而非直接基准测试的结果。赫萨姆明确指出了演示与产品之间的差距：团队尚未把忆阻晶体管扩展到商用硅芯片的水平。器件良率约为70%，沟道只有几百纳米长，演示阵列是一个10×1的交叉阵列，与现代处理器上数十亿个晶体管相去甚远。
小脑带来什么
值得认真对待的说法不是这款芯片超越所有人工智能系统，而是它用一小部分硬件就完成了一项特定工作。常开式感知，也就是可穿戴心脏监测器或自动驾驶车辆需要的那种连续监测，在传统硬件上效率低得惊人，因为传统硬件必须处理每一帧画面、每一次心跳、每一个样本，以防万一其中有重要的内容。小脑式架构把逻辑颠倒了过来：例行内容很廉价，因为硬件就是为抑制它们而设计的，只有异常时刻，比如心律失常、行人踏入车道，才会触发全面响应。
这正是小脑应用于运动控制时的同一个设计原理：大脑必须在几十毫秒内对扰动做出反应，而不能有意识思考的延迟。西北大学团队的下一目标是习惯化，也就是小脑一开始就学习”什么算常规”的能力，这将让芯片在观察世界的同时不断调整自己对”正常”的定义。该团队还证明这种方法可以推广到心电图之外，他们在手写数字和语音音频上演示了新颖性检测。
这项工作契合了边缘计算领域一场更广泛的转变：在这个领域，电力约束而非原始智能才是决定性的限制。数据中心每年已经消耗数百太瓦时的电力，在每一件可穿戴设备上运行大型模型并不是一个选项。借鉴小脑经济性的芯片，那些在无聊部分呼呼大睡的芯片，是走出这一困局的一条可行路径。事实证明，大脑最古老的回路一直对注意力有着正确的理解：稀缺的资源不是做出反应的能力，而是知道何时不该反应的能力。
来源
1. Min-A Kang, Spencer T. Brown, Nethmi Jayasinghe, et al., “Cerebellum-inspired memtransistors enable emergent differentiation for hardware-efficient novelty detection,” Nature Communications (2026), published July 10, 2026. DOI: 10.1038/s41467-026-75212-4. PMID: 42431950. https://www.nature.com/articles/s41467-026-75212-4
2. Owen Hughes, “New AI chip mimics the human brain’s capacity for split-second motor control… 10,000 times fewer calculations,” Live Science, August 11, 2026. https://www.livescience.com/technology/electronics/new-ai-chip-mimics-the-human-brains-capacity-for-split-second-motor-control-it-solved-problems-using-10-000-times-fewer-calculations
3. Amanda Morris, “AI gets a cerebellum,” Northwestern Now, July 10, 2026. https://news.northwestern.edu/stories/2026/07/ai-gets-a-cerebellum
4. Semiconductor Engineering, “Research Bits: July 14,” 2026. https://semiengineering.com/research-bits-july-14/
5. Neuroscience News, “AI cerebellum memtransistor,” July 10, 2026. https://neurosciencenews.com/ai-cerebellum-memtransistor-31036
6. PubMed record: https://pubmed.ncbi.nlm.nih.gov/42431950/
婷 翻译