Meta 神经计算机技术全景图

Meta 的神经计算机技术路径是一条“由外向内”的探索之路：
在最外层，用 EMG 腕带捕捉周围神经信号；
在中间层，用 TRIBE 模型和脑机研究解析中枢神经工作原理；
在最底层，用 Neural Computers 架构和 SNNs 重塑硅基芯片的计算范式。

核心计算架构革新：Neural Computers (神经计算机)
在 2026 年 4 月，Meta AI 联合 KAUST 提出了一个颠覆性的架构概念——Neural Computers（神经计算机）。它试图打破当前大语言模型（LLM）“外挂式”解决问题的习惯。
设计理念： 传统的 AI 代理通常是将一个语言模型与外部记忆库（如 RAG）、外部工具（计算器、搜索引擎）拼接在一起。而 Neural Computer 将计算、内存和输入/输出（I/O）全部收拢到一个单一的、完全可训练的模型运行时（Runtime）中。

运行机制： 在这个架构下，神经网络本身“就是”一台计算机，而不是在计算机上运行的软件。它能够内部化复杂的链式任务（例如规划路线并同时编写代码），形成连贯的“思维流”。

硬件启示： 这一软件架构的演进直接呼唤底层硬件的变革，它极度契合存算一体芯片（In-memory computing）和类脑芯片的设计逻辑，试图从根本上解决冯·诺依曼架构下的“存储墙”瓶颈。

#神经计算机#冯·诺依曼架构#存储墙#神经网络#存算一体芯片#类脑芯片