Alois Knoll：神经形态计算有望破解人形机器人规模化部署的能耗难题

在2026世界机器人大会“类脑智算，让机器人学会自主决策”圆桌会议上，德国慕尼黑工业大学教授Alois Knoll提出一个现实问题：如果未来全球部署10亿至100亿台高度依赖AI的人形机器人，当前高功耗计算模式是否还能承受累计能源需求。

Knoll在开场发言中指出，随着AI基础设施扩张，算力的度量衡正从“百亿亿次浮点运算（Exaflops）”转向“吉瓦级功耗（Gigawatts）”。若人形机器人走向十亿级部署，沿用现有计算方式，能源消耗可能变得难以承受，产业需要探索传统计算架构之外的可能。

他回顾了神经形态计算的发展脉络，并强调生物大脑的两个特点：一是计算与记忆高度关联，无需在计算与存储单元间频繁搬运数据；二是事件驱动，只有事件发生时相关神经元才通过脉冲传递信号，避免持续信息交换。Knoll认为，这正是生物大脑能以较低功耗完成复杂任务的重要原因。

Knoll曾参与欧盟“人类大脑计划”，十多年前其团队便将神经形态设备用于机器人控制闭环，开发出模拟人体上半身骨骼动力学的仿生机器人，通过神经形态控制器实现自学习闭环控制。据团队所知，这是最早进入实际实验的神经形态机器人闭环控制系统之一。

谈及落地路径，Knoll总结认为，神经形态计算最先值得尝试的位置很可能是靠近传感器和预处理的环节，先从感知、低层控制等事件稀疏、功耗敏感的任务切入，而非整体替代现有大模型和数字芯片。