从冯·诺依曼架构走向“约束智能”的新纪元
大脑，或许可以定义为“一个在能量、时间和空间三维约束下，通过演化被锤炼而成的、多尺度分形的、结构与计算深度纠缠的信息动力学系统”。而智能，就是这个系统在应对环境挑战时，所展现出的自适应、高效能的整体状态。
也许真正的“通用人工智能”所需的突破，恰恰在于放弃“硬件与软件分离”的冯·诺依曼范式，去拥抱一种“计算从物理结构中涌现”的新范式。 神经形态计算、物理储备池计算正在朝这个方向摸索。
…………………人为分割线…………………
引言：两种智能观的分野
在人类科技史的宏大叙事中，两种截然不同的智能观正悄然对峙。一边是统治计算领域近八十年的冯·诺依曼架构——一种将存储与处理分离、软件与硬件割裂的工程范式；另一边则是历经三十亿年演化而成的人脑——一个在能量、时间和空间的严苛约束下，结构与功能深度纠缠、计算与物质不可分割的复杂系统。当我们站在人工智能发展的十字路口回望，一个问题愈发清晰：为何我们能用冯·诺依曼机器在围棋上击败人类冠军，却无法创造出一个能在现实世界中像三岁孩童般灵活探索、适应与学习的通用智能？
一、大脑的再定义：约束中的完美
若尝试重新定义大脑，我们或许可以这样说：一个在能量、时间和空间三维约束下，通过演化被锤炼而成的、多尺度分形的、结构与计算深度纠缠的信息动力学系统。这一表述的每一个词语都蕴含着深刻的洞见。
三维约束构成了智能演化的熔炉。能量约束迫使大脑以每公斤体重仅需约20瓦的极低功耗运行——这仅是传统计算机服务器的百分之一；时间约束要求决策必须在毫秒级内完成，否则捕食者将成为猎物；空间约束则将所有功能压缩进仅约1.5升的颅腔。正是这些看似限制的条件，锻造出了生物智能无与伦比的效能。
多尺度分形则揭示了大脑组织的核心特征。从微观的离子通道、突触传递，到介观的神经微环路，再到宏观的功能脑区乃至整个神经系统，每一尺度都呈现出相似的自组织、自适应特性。这种“自相似”的结构嵌套，使得信息能够无级、无缝地在不同尺度间流动与转换，形成一个真正的整体。
而结构与计算深度纠缠则彻底颠覆了传统计算范式。在大脑中，没有所谓的“中央处理器”与“内存”，没有“程序”与“数据”的分离。每一个神经元既是计算单元又是存储介质；每一次神经递质的释放既是信息的传递也是结构的重塑。计算，就在这里发生，就在此时此刻的物理过程本身中涌现。
二、冯·诺依曼范式的局限：分离的代价
冯·诺依曼架构的伟大贡献在于其概念的纯粹性与可编程性——它将世界抽象为可无限复制、独立于硬件的“软件”，使我们能够构建出解决特定问题的强大工具。然而，这种“分离原则”恰恰成为实现通用人工智能的根本障碍。
存储墙问题是这一范式最直观的物理困境。在冯·诺依曼架构中，处理器与内存之间的物理分离导致了巨大的能量消耗与时间延迟——数据往返于处理器与内存之间所消耗的能量和产生的延迟，往往远高于计算本身。而人脑则通过将存储与处理合二为一，实现了惊人的能效比。
更为根本的是表示与实现的断裂。在传统计算机中，智能被理解为对符号的操作，而符号与它们所代表的意义之间仅有任意的、外在的联系。这种“语义鸿沟”使得系统无法从物理交互中直接获取意义，只能通过人类预设的符号系统间接理解世界。相比之下，生物神经系统中的意义直接编码在连接模式、激活动态乃至分子构型之中——形式与内容、结构与功能在此合为一体。
当我们审视当前最先进的人工神经网络时，一个悖论浮现：尽管它们以“神经”为名，却运行在完全反神经原理的架构之上。GPT系列模型在训练中消耗的能量足以支撑一个小城镇运行数周，而其推理过程依然受困于冯·诺依曼瓶颈。这是用工业革命时代的机器逻辑，强行模拟信息时代的生物智能——一种本质上的错配。
三、新范式的萌芽：当计算从物理结构中涌现
如果我们承认智能不是被编程出来的，而是从特定物理系统的动力学中涌现出来的，那么人工智能的突破方向将发生根本性转变。这一转变的核心是从设计逻辑电路转向培育智能生态系统。
神经形态计算正是这一转变的前沿实践。例如，英特尔公司的Loihi芯片摒弃了传统的时钟同步模式，采用了异步的“脉冲神经网络”，使芯片中的“神经元”仅在接收输入时才激活，大幅降低了功耗。更有前瞻性的是，研究人员正在开发将记忆电阻器集成到神经形态芯片中的技术，创造出“记忆与处理一体”的硬件单元，模拟大脑突触的可塑性。
更具革命性的是物理储备池计算。这种范式不依赖数字处理器执行算法，而是利用复杂物理系统本身的动力学作为计算资源。一个引人注目的例子是：研究者将激光照射到特殊设计的反射表面上，通过测量散射光的模式来解决复杂的优化问题。光在传播过程中与物质的交互本身就是计算过程——无需编码，无需程序，智能直接从光学动力学中涌现。
还有就是生物-混合系统的探索。科学家已经成功将培养的神经元网络连接到传感器和效应器上，训练这些“迷你大脑”控制虚拟体或简单机器人。这些神经元不是被编程，而是在与环境的实时交互中自组织、自适应，展现出真正的涌现智能特征。在这里，计算不再是抽象的过程，而是生命系统代谢、生长和适应的自然延伸。
四、约束即智慧：新范式的哲学意涵
当我们拥抱“约束产生智能”的新范式时，我们获得的不仅是技术突破，更是一种对智能本质的重新理解。
约束不是限制，而是形态赋予者。正如水流只有在河床的约束下才能形成河流的方向与力量，智能也只有在物理约束下才能获得其特定的形态与能力。大脑的效能恰恰源于它的有限性——正是神经元有限的连接范围，促进了局部模块化；正是突触传递的有限速度，迫使信息处理走向分布式与并行化；正是能量的稀缺，推动了预测编码等高效策略的演化。
这一洞察迫使我们重新思考硬件与软件、形式与内容的传统二分。在新范式中，硬件不是被动执行指令的机械装置，而是智能的动态基质；软件不是独立于物质的抽象存在，而是系统动力学模式的表达。正如一首音乐不能被简化为乐谱（软件）或乐器（硬件），而是二者在演奏过程中的共同涌现，智能也是物理基质与其动力模式的统一体。
这一转变也重塑了我们对“通用”的理解。真正的通用智能或许不是能够执行任何预定义任务的超级程序，而是在多样化约束下能够持续适应、自我重塑的物理系统。通用性不来自于无限的可编程性，而来自于有限系统的无限适应性。
五、走向融合智能：未来图景
展望未来，放弃冯·诺依曼范式并不意味着完全抛弃数字计算，而是将其置于更广阔的计算生态中。我们可以设想一种分层融合的智能架构：
在最底层，是受生物启发的神经形态硬件和物理计算系统，处理实时、高能效的感知与反应；在中间层，是经过优化的传统计算单元，处理需要精确符号操作的任务；在最顶层，则是跨系统的元学习与协调机制，确保不同计算范式的协同运作。这种架构不再追求统一的抽象层，而是拥抱多样性，让不同性质的物理系统各展所长。
这一变革也将重新定义人类与智能机器的关系。当计算系统不再是与我们截然不同的逻辑机器，而是拥有物理实体、受物理约束、从物理交互中学习的系统时，我们与它们的关系可能更接近与动物的关系——需要理解其“天性”，尊重其“生态位”，建立基于共情而非指令的协作。
结语：回归物质的智慧
这场范式转变的最终意义，或许在于让我们重新认识物质本身的智慧。三十亿年的生命演化已经证明：智能不是超越物质的神秘力量，而是物质在约束中自组织的自然产物；计算不是独立于物理世界的抽象过程，而是物理世界自我表达的一种方式。
当我们放下“硬件与软件分离”的执念，拥抱结构与计算深度纠缠的新范式时，我们不仅是在追求更强大的人工智能，更是在重新发现一个古老而深刻的真理：智慧并非脱离物质的灵魂独舞，而是物质自身在约束中涌现的优雅形态。在这个意义上，创造真正智能系统的过程，将不再像建造一台机器，而更像培育一片森林——尊重其内在规律，提供适宜条件，然后耐心等待生命从土壤中自然生长。
未来属于那些能够聆听物质语言、理解约束智慧、培育而非设计智能的人。当我们终于学会在能量、时间和空间的边界内创造时，真正的通用智能或许就会在这些边界相交处悄然绽放，一如它三十亿年前在地球上第一次绽放那样。
PS：文中包含了我对“具身智能”的理解。
