绩麻
前面几篇写完之后，仍觉有未到之处，又冒出一些新的想法，在此一并列叙。思考方式比较无厘头，也不严谨，权当笑谈，多少能给讨论添点素材。
在心理学里，我们可以大致用 MBTI 来评价一个人的性格和行为方式；在计算机的发展中，也出现过许多不同的范式。许多人也许会好奇：人脑和硅基芯片的工作方式到底有什么不同？为什么人脑只用约 20 W 的功耗，就完成了从二百万年前杀出生天到现代种种壮举的跨越？这个问题先放着，最后回答。
沤麻
从能量上看，大脑是电池，芯片是电阻
人脑的“思考”，说到底是无数神经细胞突触之间的递质传递和放电，离子顺浓度梯度跨膜流动，带来膜电位的变化。“我之所以为我”，物质基础就在这里。20 W 这笔账，花在 ATP、离子化学势能和电信号的转换之间。
有一种常见的误解：“人脑的大部分能量都变成热耗散了，所以并不高效。”事实上，大脑更像一块生物电池，大部分能量用来维持细胞所处的环境，确保钠、钾离子的跨膜浓度差，这样放电随时可以发生。因此可以归纳为：放电几乎是免费的，贵在持续充电。 热不是耗散，而是电池维持自己的方式。
芯片这边正相反。芯片本身就是一个“电阻”，发热是必然的，也是它的工作方式。门电位每翻转一次就耗一点电，二进制信号和计算都是这样模拟出来的。
在计算模式上，计算机的大量电力花在数据的搬运和读取上。冯·诺依曼架构里 CPU 与内存分离，数据要在总线上往返。很多负载中，搬数据的能耗比真正做运算高一到两个数量级，这就是所谓的内存墙，这类负载叫 memory-bound。而大脑是“存算一体”，电位状态既参与存储，也参与计算，不用搬。
功耗的量级也值得比一比（口径都作了简化）：人脑对比一块满载的 SoC 约为 4:1；对比消费级 GPU（如笔记本 5060）大致在同一数量级；对比满载的服务器 GPU（B200），功耗比来到 1:50。但这不能直接当作能效对比，因为计算机的产出以 FLOPs/秒计，人脑的产出以突触事件/秒计，产出本身就没法类比。
从热力学看，两者都是纯热源
能量进去，几乎全部变成热出来，没有可用的功输出（芯片有一点信号辐射，大脑有一点用于合成生物分子，量级都可忽略）。也就是说：计算不是能量的产物，而是能量耗散过程的副产品。
按兰道尔极限（室温下擦除 1 比特的理论下限，约 3×10⁻²¹ J）粗算：
| 每次事件的能量 | 约为兰道尔极限的 | |
|---|---|---|
| 人脑 | ~2×10⁻¹⁴ J / 突触事件 | ~10⁷ 倍 |
| GPU | ~7×10⁻¹³ J / FLOP | ~10⁸ 倍 |
经纬
从工作方式上看，一个恒载，一个变载
大脑在深度睡眠时也有约 15 W，深度思考也只让整体功耗升高几个百分点，因为大部分电费花在“随时待命”上。芯片则有清晰的怠速和满载，功耗差十几二十倍。再加一条：大脑没有全局时钟，信号不来就不动；芯片的时钟一响，几十亿个晶体管一起翻转。所以芯片省电靠少搬，大脑省电靠不动。
从稀疏上看，两边都说省，省的不一样
打个比方，两个人都说自己最近很省，一个是不吃饭，一个是不出门。
MoE 是模块级稀疏：请很多专家，每次只叫几个，被选中的专家内部是满负荷的。大脑则是区域之间铺开，神经元内部稀疏：很多区域都参与，但每个区域里只有一小部分神经元强烈响应。（严格说，大脑的编码是一个谱系，海马的位置细胞很稀疏，前额叶的混合选择性神经元却相当稠密，所以“大脑稀疏”要带限定。）
AI 为什么做不到神经元级稀疏？因为脉冲是“放或不放”，不可微，梯度传不过去。AI 只好把“选或不选”松弛成“按权重混合”，结果就是什么都算一遍。稠密不是设计者喜欢，而是为了让梯度流得过去。
注意力也是反着来的：大脑的注意力是为了少处理，AI 的注意力是为了多连接。 你能在嘈杂的餐厅里听清对面的人说话，靠的是强大的忽略能力；大模型的上下文越长越贵，是因为它不会忽略，只会把一切两两连上。
结绳
从学习上看，一个边活边学，一个学完再用
AI 分训练和部署两步，训练完权重冻结，只读不写。大脑没有这条线：你读这句话时，视觉皮层的突触正在被这几个字微调，没有“训练阶段”和“部署阶段”，只有一直进行的那一个阶段。
改权重的方式也不同。AI 算一个全局的“错误分数”，从输出一路往回传，每个参数都被告知该负多少责任。大脑的突触只看前后两个邻居：前一个先放电、后一个跟着放电，连接就加强，一句话就是“一起放电的神经元，连在一起”。这个规则不看任务做对没有，甚至不知道自己在干什么，没人指挥，却长出了能认脸、能说话、能算账的系统，这是神经科学里最让人不安也最迷人的事实。
顺带一提，反向传播有个不太体面的前提：每个神经元要带一份自己前向权重的精确副本，生物神经元里没找到这种东西（即权重搬运问题）。所以我们有一套能训练出聪明模型的方法，但大脑多半不是这么学的。
从遗忘和塌缩看，大脑会挑着忘
AI 学新忘旧叫灾难性遗忘，新任务一来，旧权重就被覆盖。大脑也忘，但会挑着忘：重要的、常用的被保护起来，琐碎的慢慢淡出。它还有个定时的维护窗口，就是睡眠，白天的经历在夜里被重放、固化，AI 里的“经验回放”就是借鉴了这一点。
大脑还会主动删连接：婴儿期突触疯长，之后大量修剪，没被用到的就拆掉。但它只删单个连接，不会让一整片区域永久废掉。这正好对应 MoE 的老毛病专家塌缩：谁早期稍好一点，就拿到更多数据，于是更好；落选的专家拿不到梯度，永远没有翻身的机会。大脑没有“落选”这个状态，学习只由局部活动决定，长期没人用的通路还会被整体拉回工作区。AI 的塌缩是“没人用，所以永远学不动”，大脑有一整套机制在对抗它。
回到开头的问题
两边其实选择了相反的进化方向。AI 用全局梯度换来高效，代价是离不开标签、学完就冻结；大脑用局部规则换来终生在线，代价是学得慢，也没人知道它到底在优化什么。AI 用稠密计算换来可微，大脑用神经元级稀疏换来省电。
AI 是学完再用，大脑是边活边学；AI 把稀疏做到模块上，大脑把稀疏做到神经元上。两边都想省，不是同一个方向。
所以 20 W 干出那么多事，并不是因为大脑“更高效”，而是它的进化方向决定的。
梯度下降只依赖局部信息，一步步沿着坡度修正自己。把它放到人生里，会碰到一对绕不开的矛盾：鲁棒性与过拟合。
人只能根据眼前的反馈修正自己，而反馈总带着噪声。对每一次反馈都强烈反应，就会过拟合：被一时的成败、他人的评价牵着走，把偶然当成规律。反之，对反馈过于迟钝，又会欠拟合，什么经验都留不下来。合适的学习率与适度的噪声，目的都是让结果在扰动下依然稳定，也就是鲁棒。但鲁棒有代价：你越不被个别经历左右，对新环境的适应就越慢。
纫
写到此处，斗转星移，从黄昏到夜阑人静，大约过了四个小时，整理了很多思路，将我的一些不成熟的想法严格化，然后转成趣味化的语言再说出来，倒也畅快。许多的直觉其实并不准确，我仅是在此基础上一点点克服自己的”鲁棒性“，来达到对初始函数的修正。人与人就像是多元函数，在随机中找到彼此的坐标，向量特征在低维上相似，高维上又近似正交；又像是天上的星星，独特的光一闪一闪，却彼此独立，并不结羽。这也许就是数学存在的魅力吧。
尾注
[1] 20 W 的来历——三条独立路径换算：其一，脑占全身静息代谢约 20%（全身按 1600–2000 kcal/天计）；其二，脑氧代谢率约 3.0–3.5 mL O₂/100g/min；其三，葡萄糖消耗约 4–6 mg/100g/min，即每天约 80–120 g。脑重按 1400 g 计。三条路径都落在 15–25 W 之间，20 W 是常被引用的中心值。需要说明的是，“电池”这个比喻只对应其中维持性开销的那一部分，也就是离子泵重建跨膜梯度的耗能，不是全部。
[2] 兰道尔极限与正文那张表——室温下擦除一比特的理论下限约 3×10⁻²¹ J（兰道尔 1961 年提出）。表中两个“每次事件的能量”是这么来的：人脑按 20 W ÷ 10¹⁵ 事件/秒，GPU 按 700 W ÷ 10¹⁵ FLOPs/秒。这里要留意，700 W 是另一个档次的卡（如 H100），和正文 1:50 那句用的 B200（1000 W）不是同一档，两处的倍数不要混读。分母本身也不干净，不是所有脑能量都用于信号，也不是所有芯片功耗都用于浮点运算；而且一次突触事件、一次 FLOP，都不等于擦除一比特。结论方向（两者都远离物理极限）是稳的，具体倍数不宜引用。
[3] 功耗比的口径——人脑取 20 W 中心值，SoC 取满载数十瓦，B200 取标称 1000 W。厂商给的标称功耗是上限（NVIDIA 显卡规格多称 TGP 或 Maximum Graphics Power），实际持续功耗取决于负载：轻载可低到两三成，满载则常长时间贴着上限跑。所以任何一组比例都会随机型与负载浮动。
[4] 突触修剪——人脑皮层突触密度在出生后 1–2 年达到峰值，此后持续下降至青春期，出自 Huttenlocher 等人对人脑皮层的研究（其中额叶皮层的工作最常被引用）。这里有意不给百分比：不同脑区、不同测量方法差异较大。待核：若要引用“约四成”这类数字，需回到原始文献确认脑区与测量方法。
[5] 权重搬运问题——反向传播要求神经元持有与前向权重对称的副本，而生物系统中未发现对应机制，这是“反传不是大脑学习方式”的核心论据之一。待核：最初的质疑出处需核实；“反馈权重不必与前向对称”这一路的代表作，可查 Lillicrap 等人 2016 年发表在 Nature Communications 上的反馈对齐工作。