为什么大模型的耗电都要上核电站了，而人脑只需要20瓦？答：存算一体结构。

即便是最新的英伟达GPU算力服务器，核心的GPU芯片的基本结构，也是一堆高速存储单元围绕着一颗高性能计算单元的组合。一旦开始工作，就要把放在存储单元上的内容搬到计算单元上来做对应的矩阵运算。

实际工作中，算力单元90%计算（以及相应的能耗），都用来搬运存储单元上的内容，而不是实际计算。“搬”数据听起来比做计算简单，实际上消耗了大部分能量。所以，即使英伟达在制裁要求下，只卖阉割版的算力芯片进来，对算力并没有实质影响，实际上是多买几块GPU的问题。

再进一步，在算力单元内部，一定程度上也是计算能力和存储（暂存）分开的，于是还有一级能耗大部分用于计算单元内部存储调度的问题。

而人脑的结构上有一个至今还没有被芯片成功模仿的特性，即神经元本身在具备计算能力的同时，与之相关的知识内容也保留在神经元结构中。光这一个特性，就让人脑在进行运算时，就没有把几百亿个参数搬来搬去这么一个费劲的工作。所以，大模型要接核电站才能继续升级，而人脑只要一口米饭就能琢磨相对论，要是来一罐可乐，简直就要过年……

理解现有支持大模型的GPU结构和人脑（大脑）结构的差距，也就可以预见，要在大模型这条路上继续往前走，算力芯片的结构还需要根本性的改造。否则，要么在制程上向1纳米以下继续挺近，这条路很快就会到尽头，再细下去就要面对材料分子结构了。要么核电站，人造聚变堆，戴森球……喂不饱AI的需求。看来看去，还是得回归仿生学，模拟人脑这台充分进化的思考机器才有未来。[并不简单]