活动标题：碳基智慧与硅基芯片

活动时间：2026/05/31 14:30-2026/05/31 16:30

主讲嘉宾：杨玉超，北京大学博雅特聘教授，信息工程学院院长，科学智能学院副院长

活动地点：深圳大学城图书馆四楼413报告厅

        在人工智能加速发展、芯片算力持续成为社会关注焦点的当下，如何理解支撑数字世界运行的硅基芯片，又如何认识人脑这一高效、低功耗的碳基智能系统，成为公众理解未来科技的重要入口。2026年5月31日下午，北京大学博雅特聘教授、信息工程学院院长、科学智能学院副院长杨玉超教授应邀做客深圳大学城图书馆大学城新论·名家讲座。讲座以硅基芯片驱动的信息技术革命为起点，围绕摩尔定律放缓与计算架构瓶颈展开，并延伸至类脑计算、存算一体芯片和脑机接口等前沿方向，引导听众理解智能时代的硬件基础与生命启发。

        杨教授长期从事存算一体芯片、类脑计算、脑机接口等研究，是国家杰青、新基石研究员，现任国家重点研发计划项目首席科学家、中青科协理事、《npj Unconventional Computing》副主编等。近年来，杨教授主持国家重点研发计划、新基石研究员项目、国家杰青、基金委重大研究计划、基金委重点项目等重大/重点科研项目20余项，相关成果累计发表于Nature Electronics等期刊和会议论文190余篇，获30余项国家发明专利授权，累计被引17000余次，H因子为59，并获科学探索奖、教育部青年科学奖、求是杰出青年学者奖、全国脑机接口十大杰出青年科学家奖等奖项。

一、从硅基芯片理解信息技术革命

        讲座伊始，杨教授从硅基芯片与现代信息社会的关系切入，指出集成电路是支撑当代数字生活和人工智能发展的重要硬件基础。从智能手机、个人电脑到云端服务、大模型训练与推理，背后都离不开芯片提供的算力支撑。过去半个多世纪，摩尔定律推动晶体管集成度持续提升，使芯片性能不断增强，功耗和成本逐步优化，也带动了信息技术和半导体产业的快速发展。

        摩尔定律最初源于集成电路元件数量增长的经验观察，后来逐渐被概括为单位面积芯片上的晶体管数量大约每18个月至24个月翻一番。正是这一规律推动芯片性能持续提升、功耗和成本不断优化，也深刻影响了半导体产业的技术迭代节奏和商业模式。随着芯片制造工艺不断逼近物理极限，摩尔定律的延续面临新的压力。当晶体管尺寸进入数纳米甚至更小尺度后，量子效应、器件可靠性、制造难度和成本压力都会显著增加。先进制程需要昂贵的制造装备和复杂工艺，也需要足够大的市场需求来支撑商业闭环。在这样的背景下，单纯依靠晶体管继续缩小来提升算力，已经不再像过去那样顺畅。进入后摩尔时代，芯片产业需要在制造工艺之外，从架构设计、先进封装、系统协同等更多维度寻找新的发展路径。

        杨教授随后进一步分析了传统冯诺依曼架构在人工智能时代遇到的瓶颈。冯诺依曼架构将存储单元和计算单元分离，使同一套硬件能够通过不同程序完成不同任务，曾极大推动通用计算的发展。但在人工智能任务中，模型参数和数据规模庞大，计算过程需要在存储器和处理器之间频繁搬运数据，而实际运算往往只是大量加法、乘法等基础操作。大量时间和能耗消耗在数据搬运上，成为制约AI计算效率的重要因素。面向智能时代，计算架构的革新因此成为提升芯片效能的重要方向。

二、以碳基智慧启发新型计算范式

        从硅基芯片的发展挑战出发，讲座将话题转向人脑这一高效智能系统。人脑能够以较低功耗完成感知、学习、记忆、推理等复杂任务，在适应性、鲁棒性和小样本学习等方面展现出当前人工智能系统尚难完全具备的能力。与大模型训练通常依赖海量数据和巨大算力不同，人类在许多场景下可以凭借少量经验形成判断，并快速迁移到新的任务中。这些特点为新型计算芯片的设计提供了重要启发。

        围绕类脑计算，杨教授梳理了两类主要思路。一类是神经形态计算，侧重从结构和连接方式上借鉴生物神经系统；另一类是脑启发计算，更关注神经元、突触和神经网络的信息处理原理，并尝试将其转化为数学模型和芯片设计方法。生物智能并不只是算法运行的结果，神经元之间的连接结构、突触权重的变化以及网络可塑性本身，都可能蕴含着智能形成的重要机制。理解大脑如何通过放电、连接和学习不断调整自身结构，有助于为未来计算系统提供新的设计思路。

        杨教授还以神经元和突触为例，介绍了生物神经系统的基本信息处理逻辑。神经元可以看作微小的计算单元，突触则承担连接、学习和记忆功能。外部信息进入大脑后，神经元之间的连接强度会随经验发生变化，进而形成记忆和认知。从神经元放电、突触学习法则到脉冲神经网络等研究，类脑计算逐步从神经科学启发走向芯片实现和系统应用。

        在类脑芯片技术路线方面，讲座重点介绍了数字类脑芯片、模拟类脑芯片和基于阻变器的存算一体芯片。数字类脑芯片延续了传统数字芯片成熟的设计流程，具备较好的规模扩展能力；模拟类脑芯片利用器件物理过程直接参与计算，在特定场景下能够提高能效；阻变器存算一体芯片则尝试在物理层面融合存储和计算，减少传统架构中频繁的数据搬运。结合团队研究，杨教授介绍，阻变器既能够记录历史状态，又可以支持高效矩阵运算，因此在AI计算中具有较大潜力。面向云端、边缘端和终端设备等不同场景，存算一体技术有望提升计算效率、降低功耗，并为大模型部署和端侧智能应用提供新的硬件基础。

三、走向人机融合的脑机接口

        讲座后半部分聚焦脑机接口的发展方向。脑机接口旨在大脑与外部设备之间建立新的信息通路，通过采集和解码神经信号，将人的运动意图转化为设备可以执行的指令，从而实现对机械臂、轮椅、外骨骼、计算机光标等设备的控制。在医疗康复场景中，这项技术有望帮助瘫痪、渐冻症、脑卒中后遗症等患者恢复部分交流和行动能力，改善生活质量。

        脑机接口的发展重点不仅在于提高神经信号采集和解码的准确性，也在于建立更加自然、稳定的双向交互机制。当前不少系统主要解决从大脑到设备的信号输出问题，但真正高效的人机协同还需要安全、可控的反馈通路。以抓取物体为例，人不仅需要发出动作指令，也需要依靠触觉反馈判断力度和物体状态。如果缺少反馈，外部设备的控制精度和使用体验都会受到限制。因此，未来脑机接口需要进一步形成大脑、设备和外部环境之间的实时闭环互动。

        谈及临床转化，杨教授指出，脑机接口落地仍需要跨越多方面挑战。不同个体的神经信号存在差异，模型训练和长期使用稳定性仍需提升；植入式方案虽然信号质量较高，但对材料、手术安全、感染控制和长期可靠性提出了更高要求；当技术从信号读取延伸到神经调控时，伦理边界、数据安全和患者权益保护也需要同步完善。杨教授认为，脑机接口首先应服务真实医疗需求，在帮助患者恢复功能、改善生活方面稳步推进，并通过规范化研究和持续的社会讨论，为未来人机融合技术发展奠定基础。

        互动环节中，现场读者围绕英伟达GPU竞争力、先进制程与存储技术优势、体系化架构创新、国内半导体产业发展、脑机接口临床合作、患者数据采集与共享，以及存算一体芯片在端侧AI和具身智能中的应用前景提出问题。杨教授结合科研实践和产业观察作出回应。他谈到，人工智能的发展既依赖先进芯片和软件生态，也需要架构创新、先进封装、系统协同和应用场景牵引；脑机接口和存算一体芯片的落地，则需要器件、芯片、算法、临床数据和产业生态等多个环节共同推进。

        本次讲座中，杨教授从硅基芯片支撑的信息技术革命讲起，分析后摩尔时代芯片算力增长面临的瓶颈，又进一步介绍类脑计算、存算一体芯片和脑机接口等前沿方向。讲座既呈现了人工智能背后的硬件基础，也展示了人脑对未来计算技术的启发，帮助现场读者从芯片架构、类脑计算和人机融合等角度，更全面地理解智能时代的技术发展逻辑与现实应用前景。最后，讲座在热烈交流中圆满结束。（通讯作者：杨月涓）