根据@godofprompt报道，研究人员开发了一款类脑神经形态AI芯片，通过神经工程框架（NEF）将计算映射到脉冲神经网络，实现了类似大脑的高效信息处理（来源：@godofprompt，2025年10月30日）。该芯片在自然通讯科学报告（Nature Communications Scientific Reports）中发表，原型芯片在标准基准测试中达到与传统深度学习模型相当的准确率，但能耗仅为其1%。与传统AI芯片依赖大量矩阵运算不同，神经形态硬件采用稀疏、事件驱动的脉冲通信，大幅降低能耗。这一突破为边缘AI、物联网和大规模AI部署带来全新的商业机会，有望解决AI能耗瓶颈问题，推动AI行业可持续发展。

据@godofprompt报道，GSI科技推出的Gemini-I芯片在康奈尔大学的研究中被验证，能以仅2%的能耗实现与Nvidia A6000 GPU相同的AI推理性能（来源：康奈尔大学，Twitter）。Gemini-I采用计算存储一体化(Compute-in-Memory)架构，将计算单元直接集成在存储阵列中，大幅减少数据搬运导致的能耗。在真实AI工作负载（如用于聊天机器人的检索增强生成任务）测试中，Gemini-I比标准CPU快5倍，同时能耗仅为GPU的1-2%（来源：康奈尔大学研究）。这一突破有望极大降低数据中心电力消耗，使边缘AI设备（如无人机、物联网设备）低功耗运行，并显著减少AI带来的碳排放。全球千亿美元AI推理市场将因此被颠覆，GSI方案以极低能耗带来GPU级性能（来源：Twitter，Nature）。联发科等行业巨头也在采用类似的存算一体技术，推动AI硬件向高能效方向发展。

根据OriolVinyalsML的消息，谷歌推出的Gemini 2.5 Flash-Lite是一款高效AI模型，能够实时为每个界面生成代码，推动神经操作系统（Neural OS）概念落地（来源：twitter.com/OriolVinyalsML，blog.google/products/gemin）。这一趋势凸显小型、快速AI模型在实时应用中的商业价值，尤其适用于对延迟和响应速度要求极高的交互式软件、移动应用和嵌入式系统。行业分析认为，这类模型将极大拓展AI实际应用场景，特别是在边缘设备和消费电子领域，为注重速度与效率的企业带来竞争优势（来源：blog.google/products/gemin）。