Naveen 的背景很特别。神经科学 PhD 出身，做过最早一批 AI 芯片公司，带过 Mosaic ML、Databricks AI，现在自己创业搞 Unconventional AI。他这次直接抛出来一句：现在用的计算范式，是 80 年前为「数字计算」设计的，根本不是为「智能」设计的。硬拿来跑 AI，效率低得离谱。
先看几个让人心凉的数字
全球 80 亿人，每个人脑只用 20 瓦，加起来才 160 吉瓦。
而今天的 AI 训练加推理已经在烧几个吉瓦，未来两三年就会把全球电力逼到极限。
大脑和现有芯片的能效差距，不是「差一点」，是好几个数量级：
- 人脑：20 瓦，搞定极其复杂的智能
- 猴脑：不到 1 瓦
- 松鼠跳树时的算力消耗：不到 10 毫瓦
- 现在的芯片：1 瓦干不了大脑百分之一的活
他在台上画了条曲线，结论很简单：我们离物理极限还差几个数量级，现在跑得越快，撞墙越快。
大脑凭什么这么省
传统芯片本质上就一件事：把数据搬来搬去，做矩阵乘法。每一步都要从内存读、算完写回去，能耗爆炸就在搬运上。
大脑不这样玩。
大脑是一个非线性动态系统。神经元之间一直在互动、同步、变化，计算就藏在这些动态交互里，而不是单独的 0 和 1。状态和计算是融合的，物理本身就在算。
Naveen 的芯片做的就是这件事：把「振荡器 + 可训练的耦合」做成硬件，让物理直接跑动态计算，省掉绝大部分内存搬运。
现场 demo：用动力学直接生成图像
他放了个挺直观的 demo：
随机噪声丢进去，让系统按时间自然演化，最后直接收敛成猫、马这种图像。
没有一步步的矩阵运算，就是「踢一脚」让系统自己跑，状态自然落到有意义的图案上。
听起来玄，但本质就是把「时间维度」交给物理，不再用一堆 tick-tock 的离散步骤去模拟连续过程。这里有个关键洞察：当你强行用离散数字电路去模拟连续动力学，能耗就是被注定要爆的。
为什么这事值得创业者关注
Naveen 自己说得很直白：「我们不是在做又一个 AI 芯片，我们是在重新定义计算的底层基石。」
而且他强调，这种事必须创业公司来干。没有历史包袱，几个月就能出原型；大厂的架构、工艺、客户全都绑死，几年都转不过弯。
对独立开发者和小团队，我觉得有几条更具体的启发：
- 别只盯着模型参数和 benchmark，先想想这玩意儿要烧多少电、谁付得起
- 真正的护城河不是谁的模型更大，而是谁先把智能做到「瓦级」——能塞进端侧、能塞进可穿戴
- 神经科学 + 硬件的交叉点，是下一波大机会的可能源头之一。Naveen 从神经科学转芯片再创业，本身就是活样本
一句话核心
AI 不缺算力，缺的是能效。
人脑 20 瓦能干的事，现在要烧几个吉瓦。要真正做出 ASI，必须回到物理层面，造出像大脑那样「动态、高效、带随机性」的计算系统。
Naveen 原话：我们现在走的路其实是错的，只是大家还没意识到。
听完这期最大的感受是，过去几年我们默认 AI 进步等于「越算越强」，但物理天花板已经在眼前了。谁能先把「大脑级能效」做出来，谁就可能把整个行业重新洗一遍。
未来 AI 最大的瓶颈，到底是算力、数据，还是真的会卡在电上？我自己越来越倾向第三个。