{"@context":"https://schema.org","@graph":[{"@id":"https://txtq.ru/@davidov/117#webpage","@type":"WebPage","name":"Нейроморфные чипы Intel Loihi: конец бутылочному горлышку фон Неймана в ИИ","url":"https://txtq.ru/@davidov/117"},{"@id":"https://txtq.ru/@davidov/117#article","@type":"Article","author":{"@id":"https://txtq.ru/@davidov#person","@type":"Person","name":"Davidov","url":"https://txtq.ru/@davidov"},"dateModified":"2026-05-13T18:04:54Z","datePublished":"2026-05-13T18:04:54Z","description":"Архитектура фон Неймана создаёт 'бутылочное горлышко' в ИИ из-за энергозатрат на транспорт данных — до 90% в дата-центрах. Нейроморфные чипы Loihi от Intel имитируют спайковую работу мозга с мемристорами, обеспечивая асинхронность, параллелизм и энергоэффективность в тысячи раз выше. Применения: баланс роботов на велос","headline":"Нейроморфные чипы Intel Loihi: конец бутылочному горлышку фон Неймана в ИИ","image":["https://txtq.ru/uploads/6d95dbdd2b1a90d9d51ff109.jpg"],"mainEntityOfPage":{"@id":"https://txtq.ru/@davidov/117#webpage"},"mentions":[{"@type":"Thing","name":"Loihi"},{"@type":"Organization","name":"Intel"},{"@type":"Person","name":"Джон фон Нейман"},{"@type":"Thing","name":"Tianjic"},{"@type":"Thing","name":"ACES"},{"@type":"Organization","name":"IBM"}],"publisher":{"@type":"Organization","logo":{"@type":"ImageObject","url":"https://txtq.ru/favicon.png"},"name":"ТекстQ"},"url":"https://txtq.ru/@davidov/117"},{"@id":"https://txtq.ru/@davidov#person","@type":"Person","description":"Документы, свидетельства, дневники, статистика","name":"Davidov","url":"https://txtq.ru/@davidov"},{"@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","item":"https://txtq.ru/","name":"ТекстQ","position":1},{"@type":"ListItem","item":"https://txtq.ru/@davidov/117","name":"Нейроморфные чипы Intel Loihi: конец бутылочному горлышку фон Неймана в ИИ","position":2}]},{"@id":"https://txtq.ru/@davidov/117#discussion","@type":"DiscussionForumPosting","author":{"@id":"https://txtq.ru/@davidov#person","@type":"Person","name":"Davidov","url":"https://txtq.ru/@davidov"},"comment":[{"@id":"https://txtq.ru/@davidov/117#comment-455","@type":"Comment","author":{"@type":"Person","name":"Георгий Лазарев","url":"https://txtq.ru/@uralets"},"datePublished":"2026-05-13T21:49:55Z","parentItem":{"@id":"https://txtq.ru/@davidov/117#discussion"},"text":"Замечательная статья, спасибо!"},{"@id":"https://txtq.ru/@davidov/117#comment-483","@type":"Comment","author":{"@type":"Person","name":"Сергей Волков","url":"https://txtq.ru/@onyx_svolk"},"datePublished":"2026-05-14T11:23:42Z","parentItem":{"@id":"https://txtq.ru/@davidov/117#discussion"},"text":"Интересно, что Loihi с мемристорами уже в тысячу раз быстрее CPU за счёт асинхронных спайков и локальных вычислений. Я был уверен, что преодоление фон Неймана именно так изменит энергозатраты ИИ в робототехнике. Примеры вроде электронной кожи ACES подтверждают потенциал"},{"@id":"https://txtq.ru/@davidov/117#comment-913","@type":"Comment","author":{"@type":"Person","name":"Rosalind Franklin","url":"https://txtq.ru/@frankgene"},"datePublished":"2026-05-21T17:34:45Z","parentItem":{"@id":"https://txtq.ru/@davidov/117#discussion"},"text":"Обращая внимание на формулировку о локальных вычислениях в сети, отмечу, что именно минимизация транспорта данных устраняет разделение памяти и процессора по фон Нейману, обеспечивая асинхронность без тактового генератора и снижая энергозатраты на порядок по сравнению с традиционными CPU"},{"@id":"https://txtq.ru/@davidov/117#comment-927","@type":"Comment","author":{"@type":"Person","name":"Филипп Л","url":"https://txtq.ru/@filipp-l-byte"},"datePublished":"2026-05-21T18:29:37Z","parentItem":{"@id":"https://txtq.ru/@davidov/117#discussion"},"text":"Вы пишете про велосипед на Tianjic, который якобы работает как миниатюрный мозг, но не могли бы уточнить, почему такие решения до сих пор не вытеснили привычные чипы в реальных дата-центрах?"},{"@id":"https://txtq.ru/@davidov/117#comment-930","@type":"Comment","author":{"@type":"Person","name":"штиль","url":"https://txtq.ru/@shtilll"},"datePublished":"2026-05-21T18:45:33Z","parentItem":{"@id":"https://txtq.ru/@davidov/117#discussion"},"text":"Согласна с эффективностью мемристоров для локальных спайков, но при масштабе мозга насекомого это вряд ли снимет бутылочное горлышко для моделей вроде GPT-5"}],"commentCount":5,"datePublished":"2026-05-13T18:04:54Z","headline":"Нейроморфные чипы Intel Loihi: конец бутылочному горлышку фон Неймана в ИИ","image":["https://txtq.ru/uploads/6d95dbdd2b1a90d9d51ff109.jpg"],"isPartOf":{"@id":"https://txtq.ru/@davidov/117#webpage"},"mainEntityOfPage":{"@id":"https://txtq.ru/@davidov/117#webpage"},"text":"Архитектура фон Неймана, гениально простая формула, на которой построены все современные компьютеры, исчерпала себя в эру ИИ: \"бутылочное горлышко\" между памятью и процессором пожирает до 90% энергии дата-центров, делая обучение моделей вроде GPT-5 энергозатратным, как небольшой город, в то время как человеческий мозг тратит всего 20 Вт. Нейроморфные чипы с мемристорами, имитирующие спайковую работу нейронов, устраняют эту проблему — асинхронные, параллельные и в тысячи раз эффективнее, они уже балансируют роботов на велосипедах и читают Брайль за миллисекунды, обещая гибридное будущее ИИ без энергетического коллапса. Джон фон Нейман, родившийся в 1903 году в Будапеште как Янош Нейман, был вундеркиндом: в шесть лет оперировал восьмизначными числами в уме, к восьми годам общался с отцом на древнегреческом, в 19 лет дал современное определение порядковых числам. К 23 годам он стал доктором наук, внес вклад в квантовую механику и логику. Позже участвовал в Манхэттенском проекте, разработал теорию игр, повлиявшую на экономику, и работал в областях от квантовой физики до гидродинамики. Его ключевой вклад для компьютерных наук — архитектура, определившая все современные машины. В 1944 году фон Нейман присоединился к проекту ENIAC — первому ламповому компьютеру, где заметил проблему: программа хранилась в процессоре, изменение алгоритма требовало перепаивки проводов. В 1945 году в черновике отчета EDVAC (101 страница) он предложил концепцию компьютера с хранимой программой: инструкции и данные в единой памяти, передаваемые по шине в процессор. Эта схема, известная как архитектура фон Неймана, обеспечила универсальность и перепрограммируемость. Принципы архитектуры фон НейманаАрхитектура основана на разделении памяти и вычислений с ритмичным циклом: извлечение инструкции (fetch), декодирование, выполнение (execute). Все синхронизировано тактовым генератором, как конвейер завода. Преимущества: универсальность (одна машина для любых задач via код), масштабируемость (добавление ядер, памяти, частоты), гибкость (модификация конвейера, сопроцессоров). Почти все чипы — CPU, GPU, NPU — следуют этой модели, обеспечив экспоненциальный рост вычислений XX–XXI веков. Бутылочное горлышко эпохи ИИ Глубокие нейросети выявили ограничения. Первое — пропускная способность: данные постоянно перемещаются между памятью и процессором, создавая \"бутылочное горлышко фон Неймана\" — задержки, простои. Процессоры тратят больше времени на ожидание данных, чем на вычисления. Второе — энергопотребление. Конвейер не останавливается: энергия расходуется каждый такт, даже вхолостую. В дата-центрах до 90% энергии уходит на транспорт данных по шине. Обучение GPT-4 потребовало электричества небольшого города за год; GPT-5 в 20 раз энергоемчее при схожем прогрессе. Источники для GPT-6 под вопросом. Экзафлопсные суперкомпьютеры жрут 20 МВт, человеческий мозг — 20 Вт (миллион раз меньше), параллельно обрабатывая сенсорные данные, управление телом и мышление в реальном времени асинхронно. Нейроморфные процессоры: вдохновение мозгом Нейроморфные вычисления имитируют мозг. Нейрон — базовая единица: дендриты принимают импульсы через синапсы (усиливают/ослабляют сигнал), при превышении порога генерирует спайк — короткий импульс на аксон. Ключевой элемент — мемристор (memory + resistor): программируемый резистор, меняющий сопротивление под током и сохраняющий состояние без питания, как синапс. Массивы мемристоров позволяют асинхронные вычисления: \"нейрон\" спит, активируется при пороговом сигнале спайком, распределяя по сети. Нет тактов, ритма — параллелизм и энергоэффективность мозга. Эта архитектура устраняет bottleneck, минимизируя транспорт данных: вычисления локальны в сети. Нейроморфные чипы — будущее ИИ, обещая масштабирование без энергетического кризиса. Преимущества нейроморфных чипов Мемристорные синапсы в нейроморфных чипах усиливают или ослабляют сигналы на основе предыдущего опыта, имитируя обучение. По сравнению с традиционными процессорами они предлагают три ключевых преимущества: высокую скорость, массовый параллелизм и энергоэффективность. Скорость достигается за счёт асинхронной работы: нейроны генерируют импульсы сразу при значимых событиях, без ожидания тактового цикла. Решения принимаются за миллисекунды, как в биологических системах. Массовый параллелизм позволяет всем нейронам обрабатывать сигналы одновременно и независимо, в отличие от последовательных конвейеров CPU или даже GPU. Энергоэффективность максимальна: энергия расходуется только на активные импульсы, а большинство нейронов остаются неактивными. В экспериментах чип Intel Loihi обрабатывал данные до 1000 раз быстрее и до 10 000 раз энергоэффективнее традиционных CPU. Это критично для крупных языковых моделей с их высоким энергопотреблением. Применения в робототехнике и сенсорике Нейроморфные чипы идеальны для задач с локальной обработкой данных в реальном времени и жёсткими ограничениями по энергии, особенно в робототехнике. Они позволяют анализировать потоки с камер, лидаров и микрофонов на борту, обеспечивая мгновенную реакцию. Это упрощает создание ловких роботов, подобных моделям Boston Dynamics, снижая требования к ресурсам. В 2019 году на китайском чипе Tianjic учёные создали автономный велосипед: он балансирует, объезжает препятствия, реагирует на голос и следует за человеком. Система потребляет меньше энергии, чем смартфон, и одновременно выполняет балансировку, компьютерное зрение и распознавание речи — как миниатюрный мозг. Другой пример — асинхронная электронная кожа ACES от Национального университета Сингапура (2020), интегрированная с чипом Intel Loihi. Плёнка с тактильными сенсорами различает силу, форму, текстуру и материал за 10 мс — в 1000 раз быстрее человеческой нервной системы. Она распознаёт шрифт Брайля, классифицируя импульсы на лету. Ключевые разработки Разработки ведутся по всему миру. Intel выпустила второе поколение чипа Loihi с 1 млн нейронов; 768 таких чипов образуют систему на 100 млн нейронов. IBM пионерила аппаратные имитации нейронов, но сейчас менее активна. Есть китайские (Tianjic), российские проекты и инициативы университетов. В отличие от квантовых компьютеров, остающихся теоретическими, нейроморфные чипы переходят к практике, подобно ранней авиации: разные команды экспериментируют с электронными \"мозгами\". Ограничения и вызовы Масштаб пока мал: ведущие чипы имеют миллионы синапсов против триллионов в человеческом мозге (память — зеттабайты). Эквивалент — мозг насекомого. Кремниевая реализация полноценного мозга крайне сложна. Архитектура требует новых подходов: спайковые сети обучают не кодом, а импульсами. Традиционное ПО неприменимо; нужны алгоритмы для спайковых нейронных сетей и кодирования. Инженерные барьеры: массовое производство, снижение стоимости и интеграция — пока лабораторный уровень. Перспективы Архитектура фон Неймана исчерпала потенциал: энергия тратится на перемещение данных. Нейроморфность предлагает событийно-ориентированную модель — локальную, асинхронную, экономичную. Это не замена CPU/GPU, а дополнение: сопроцессоры для роботов, протезов, сенсоров, умных камер и автономных систем. Гибриды станут нормой, решая задачи скорости и автономности. Технология зрелая для внедрения, без запредельных сложностей.","url":"https://txtq.ru/@davidov/117"}]}