人脑 20 瓦 vsAI 电厂：电力成算力新瓶颈

据 Woofun AI 消息，人脑仅需 20 瓦即可维持运行，而深圳最快的超级计算机 LineShine 功耗高达 4220 万瓦。这一悬殊对比常被引为 AI 高能耗的铁证，但其中存在严重的错误归因。社交媒体上流传的惊人数据，大多源自对单一论文的误读甚至断章取义，掩盖了生物计算与硅基芯片在能效逻辑上的根本差异。当 AI 基础设施的扩张遭遇物理极限，电力而非芯片，正悄然成为决定算力上限的核心变量。

深入溯源可知，2026 年 6 月，中国超级计算机 LineShine 以 2.198 exaflops（每秒约 20 亿亿次计算）的算力重夺全球榜首，比美国 El Capitan 快 20%，且完全采用国产 CPU。

然而，关于人脑能耗的讨论往往偏离事实。20 瓦这一数值基于数十年代谢测量，大脑虽仅占体重 2%，却消耗静息状态下约 20% 的氧气。神经元总数 860 亿的引用源自四个男性大脑样本，目前《Brain》期刊正就此展开争论。部分帖子引用的 12 瓦数据出自 2023 年《Frontiers in Artificial Intelligence》，但未标注来源。同一论文估算数字重建人脑需 27 亿瓦，其方法是将 1000 万个神经元模拟外推至小鼠规模再乘以 1000 倍，且模拟速度慢于生物实际约 3 万倍。

这一细节常被遗漏，且被错误归功于蓝脑计划。相比之下，Epoch AI 在 2025 年初估算一次典型 ChatGPT 查询消耗 0.3 瓦时，《Joule》期刊研究得出 0.31 瓦时，两者高度接近。但任务复杂度影响巨大，皮层活动具有稀疏性，神经元平均放电频率低于 1 赫兹。现代 AI 如 Kimi K2 每处理一个 token 仅激活 1.04 万亿参数中的 326 亿（约 3.1%），这一比例远低于 2023 年 Mixtral 的 28% 和 DeepSeek-V3 的 5.5%。

精度差异与存算分离构成了另一重效率鸿沟。生物计算无需 32 位精度，芯片厂商亦在跟进：DeepSeek 用 8 位精度训练 6710 亿参数模型，英伟达也用 4 位精度预训练 120 亿参数模型。

更关键的瓶颈在于架构，斯坦福大学 Mark Horowitz 指出，数字机器将记忆与计算分离，从内存取一个操作数消耗的能量可能比运算本身高出数百倍。这种物理距离带来的能耗代价，是传统冯·诺依曼架构难以逾越的障碍。

Woofun AI 整理数据显示，这种存算分离导致的额外能耗，在大规模矩阵运算中尤为显著，成为制约能效提升的隐形杀手。

试图模仿神经元的硬件一直举步维艰，没有任何神经形态系统在前沿模型生产环境中运行。英特尔 Hala Point 整合 1152 颗芯片、11.5 亿个人工神经元，仍仅为桑迪亚国家实验室的研究原型。其实验室主任 Mike Davies 在 2024 年对 The Register 表示，无法将大语言模型映射到该系统。商业领域同样惨淡，BrainChip 上一财年 3 月季度客户收款仅 70 万美元，运营流出高达 530 万美元；Rain AI 寻求 1.5 亿美元融资失败并于 2025 年探索出售。田纳西大学 Catherine Schuman 指出，硬件公司等待杀手级应用，但缺乏硬件又难以构建应用。超过 20 位研究人员在 2025 年《自然》杂志共识论文中签名，认定该领域缺乏必要生态系统。生物学原理虽优，但承载其原理的硬件尚未胜出。

效率之争背后是电力硬约束。国际能源署数据显示，2025 年全球数据中心耗电 485 太瓦时，AI 相关设施耗电增长 50%，预计 2030 年再翻三倍。制约因素已从芯片供应转为电网接入，劳伦斯伯克利国家实验室称，从申请到运营的中位时间超过 5 年。微软 CEO 萨提亚·纳德拉在 2025 年 11 月坦言，公司有处理器却插不上电，缺的是有电的建筑而非硅片。

比特币矿工凭借十年积累持有已通电站址和供电协议，改造成本仅 300 万至 400 万美元/兆瓦，远低于新建的 1000 万至 1200 万美元。VanEck 估计，上市公司矿企签署 AI 合同总额超 700 亿美元，但 2026 年第二季度实际通电容量仅约 750 兆瓦。其中 Core Scientific 占 437 兆瓦，Galaxy 的 Helios 园区 133 兆瓦，TeraWulf 102 兆瓦，IREN 50 兆瓦，Riot 25 兆瓦；Hut 8 签约 949 兆瓦却一瓦未通。

矿企转型面临严峻的物理与财务落差。MARA 和 CleanSpark 在 8 月季度亏损合计 8.51 亿美元，剑桥大学 7 月调查显示仅约 10% 矿工将电力分配给 AI。障碍在于挖矿容忍断电，而 AI 需稳定电力、高密度冷却和光纤，偏远矿场难以满足。Core Scientific 收入结构已变，83% 来自托管，挖矿仅占 13%。投资者更看重签有长期租约的矿企，其每股通电容量估值更高。历史规律显示，2010 至 2018 年计算量增长 550% 而能耗仅增 6%，但此后规律打破，美国数据中心耗电从 2014 年 58 太瓦时升至 2023 年 176 太瓦时。进化在硬限制下优化，200 瓦的大脑会致死，故效率唯一；AI 曾面对资金天花板，如今电力成为新瓶颈。当电力而非金钱决定建设方向时，AI 基础设施的形态将被彻底重塑，这标志着行业从资本驱动向物理资源驱动的根本性转变。