有个讨论我挺感兴趣：现在的深度学习是不是从架构上就浪费。理由是每次推理都要把超密集的层从头到尾算一遍，所有神经元全时在线，训练还依赖全局的反向传播来找权重。而生物大脑不是这么干的——神经元大部分时间安静，只在有信号的时候才放电，能耗低得离谱。所以有人押注另一条路，让芯片直接模拟这种「有事才动」的方式。这条路听着优雅，但卡的地方也实在：稀疏放电这套没有一个像反向传播那样通用又好使的训练方法，做出来的东西在特定任务上很省电，换个任务就得重来。短期内更可能的是它去啃边缘设备那些一直在待机的活，而不是取代谁。你觉得这条路几年内能跑出个像样的东西吗？