BRAIN / BRAIN × AI20 SEP 2026
脑科学与AI⑫｜机器学会了配菜，还没学会把肉长在灶台上
本系列第 1 篇说过：模拟大脑，规模一大，主要成本不在"算"，在"搬"。当时这是从论文里推出来的判断。最近在一台 512G 内存的家用工作站上实测本地大模型，同一件事以一组具体数字重新出现——而且多出了一级台阶。
电脑和脑的效率差距不在"算"，在"搬"。稠密模型整头牛做一小碟菜，专家混合学会了配菜，脑把肉长在灶台上——同一道算式下的三级台阶，机器爬上了第二级，第三级要换的不是工艺，是架构。
819 01 G/s ÷ 22G，算式里没有算力 |
1/20 02 专家混合每字只搬约二十分之一 |
0 03 脑的搬运工序：不存在 |
三级台阶量的都是"搬多少"：稠密模型全搬，专家混合只搬要用的，脑不搬。第二到第三级之间隔的是架构，不是工艺。
BRAIN / 01
一、先看那道除法
大模型生成文字是逐字进行的，而每写一个字，都要把这一步用到的参数从内存完整搬运一遍。于是写字速度有一个干净的算式：每秒字数上限 = 内存带宽 ÷ 每字搬运量。
实测的机器内存带宽约 819G/s；模型每字动用 400 亿参数、按 4bit 存储，每字约搬 22G。相除，理论上限每秒约 37 字，实际测得 19 字——差额耗在注意力等开销上，但数量级被这道除法锁死。
注意这道算式里没有"算力"。芯片算得再快，参数搬不过来，只能等。写字这件事，是搬运定速的。
BRAIN / 02
二、用一个后厨看三级台阶
把模型换成后厨：参数是一整头牛的食材，内存是冰箱，带宽是冰箱到灶台的通道，写一个字就是出一道小菜——而这个后厨有个怪规矩：每出一道菜，都要把用到的食材从冰箱搬到灶台过一遍。
第一级：整头牛做一小碟菜。 早期的稠密模型，每写一个字，全部参数都要过一遍通道——不管这道菜用不用得上牛尾巴。模型越大，每道菜搬得越多，出菜越慢。
第二级：门口站了个配菜员。 现在的主流大模型（专家混合结构）总参数可以有七千多亿，但每个字只唤醒其中约二十分之一——配菜员先判断这道菜要哪几个部位，只搬那一小份。同样的通道，出菜快了一个档次。这和本系列第 2 篇果蝇给出的答案是同一个方向：思考从来不是全脑放电，只调用相关回路。
三级台阶量的都不是"算得多快"，是"搬得多少"。 而第三级，机器还没爬上去。
BRAIN / 03
三、第三级：脑没有通道
本系列第 1 篇引过那个判断：生物突触既是存储又是计算，数据不用搬。放进后厨的语言里，这句话变得非常直观——
脑的肉，长在灶台上。 记忆存在突触里，而运算就发生在突触上；"从冰箱搬到灶台"这道工序，在脑里根本不存在。电脑无论把通道修到多宽，都是在为一道脑压根没有的工序付钱。
这也是二十瓦与兆瓦级差距的另一种读法：不是脑的通道比超算宽，是脑没有通道。第 1 篇说这个差距"不是工程还没跟上，是底层结构不同"——从后厨看，第一、二级之间隔的是工艺，配菜员可以慢慢训练得更聪明；第二、三级之间隔的是架构，要把冰箱和灶台砌成同一个东西，整个后厨得重建。
BRAIN / 04
四、这个台阶表能用来看什么
看硬件新闻时，这张三级台阶表是把现成的尺子。凡是宣称"让 AI 更快"的技术，先问它在动哪一级：
—加宽通道——更高带宽的内存、更快的互联，在第一、二级内部改良，收益按比例—更聪明的配菜——更稀疏的激活、更准的路由，把第二级做深，这是当前主流的省钱方向—把存储和计算放到同一处——近存计算、存内计算，这是朝第三级去的方向，难度也是架构级的：它不是把现有零件做得更好，而是要求换掉"存和算分开放"这个几十年的地基
第三条路能不能走通、多久走通，我没有答案——类脑方向的研究已经进行了很多年，尚未成为产业主流，这本身是一条值得记住的基准率。但台阶表至少给出一个清晰的判据：一项技术离"不搬"越近，它承诺的效率跳变越大，兑现的架构代价也越大——两头都大，才是真的；只说前一半的，是宣传。
BRAIN / 05
五、类比的边界
照例把话说回来。后厨类比在"效率"这一个维度上成立，不能推广成"脑全面优于电脑"：电脑的通道换来了脑没有的东西——参数可以复制、可以下载、可以精确回放，而脑里的"灶台"谁也搬不走、也复制不了。第 3 篇说过，大模型的信息压在权重里、脑的信息压在结构里——搬运的代价和可复制的便利，是同一枚硬币的两面。哪一面更值钱，取决于你要它干什么活。
BRAIN / 06
六、三行，留着复习
```
写字是搬运定速 速度上限 = 带宽 ÷ 每字搬运量，算式里没有算力
机器在第二级 配菜员（稀疏激活）是当前主流的省法，方向与脑一致
脑在第三级 肉长在灶台上，不搬；第二到第三级隔的是架构，不是工艺
```