Resumen del contenido principal
La inteligencia similar al cerebro es una tecnología de vanguardia que fusiona la ciencia del cerebro y las ciencias de la información, capaz de superar los límites de la arquitectura de Von Neumann en la IA tradicional (problemas de alto consumo energético y baja velocidad de transmisión debido a la separación entre computación y almacenamiento), representando la ruta clave para la próxima generación de IA generalizada. Actualmente, el mercado global de inteligencia similar al cerebro está creciendo rápidamente (28 millones de dólares en 2024, con una previsión de 8352 millones de dólares para 2034), y entre los subcampos, el cálculo basado en inteligencia similar al cerebro es el que crece más rápido (con una tasa compuesta anual del 67.3%). A nivel global, Estados Unidos, Europa y Japón tienen sus propias características distintivas; China lidera en términos de número de artículos científicos y patentes, pero tiene deficiencias en el aspecto software. La industria ha adoptado una estructura en tres niveles: tecnología core, servicios integrados y aplicaciones industriales. En el futuro, se desarrollará en tres fases: verificación a corto plazo, construcción de ecosistemas a medio plazo y avances en mecanismos a largo plazo. Las alianzas recomiendan promover el desarrollo de la industria desde aspectos como estándares, tecnología y ecología.
I. La inteligencia similar al cerebro: la clave para resolver los problemas de la IA tradicional
¿Por qué la IA tradicional se está volviendo cada vez más lenta y compleja? Porque utiliza la arquitectura de Von Neumann, que es como separar la cocina (unidad central de procesamiento, CPU) del almacén (memoria). Al cocinar, hay que ir y venir constantemente para recoger ingredientes, lo que provoca congestiones cuando el volumen de datos aumenta (problemas de memoria) y un mayor consumo energético. Este problema es aún más grave en la era de los grandes modelos: entrenar un modelo puede costar millones de dólares en electricidad y las respuestas son lentas al procesar datos en tiempo real.
La solución con la inteligencia similar al cerebro es imitar el funcionamiento del cerebro humano: combinar la computación y el almacenamiento en un mismo lugar (como las neuronas humanas, que almacenan e analizan información al mismo tiempo), utilizando un enfoque basado en eventos (solo procesando información relevante, por ejemplo, reaccionar al ver un gato, sin analizar todas las imágenes) y codificación dispersa (utilizando menos recursos para tareas complejas). Esto permite ahorrar energía, obtener respuestas rápidas y permitir el aprendizaje en línea. En otras palabras, hacer que la IA sea tan inteligente como el cerebro humano, superando los actuales límites de potencia y eficiencia.
II. Crecimiento explosivo del mercado y gran potencial en subcampos
Según los datos del informe:
- El tamaño del mercado global de inteligencia similar al cerebro fue de 28 millones de dólares en 2024 y se espera que alcance los 822 millones de dólares en 2029 (un aumento de casi 30 veces en 5 años), y alcanzará los 8352 millones de dólares en 2034 (un aumento de 300 veces en 10 años).
- Entre los subcampos, el cálculo basado en inteligencia similar al cerebro (por ejemplo, chips) tiene una tasa compuesta anual del 67.3%, mientras que la percepción basada en esta tecnología (como sensores similares a los ojos u oídos humanos) crece un 47.9%.
¿Por qué este rápido crecimiento? Porque las escenas que la IA tradicional no puede resolver (como relojes inteligentes de bajo consumo energético o robots con respuesta en tiempo real) requieren tecnología basada en inteligencia similar al cerebro, y tanto empresas como capital están compitiendo por posicionarse en este mercado.
III. Diferencias en el desarrollo global; China lidera en investigación científica y patentes
Las principales economías mundiales adoptan enfoques diferentes:
- Estados Unidos: sigue una ruta de plataformaización, desarrollando no solo chips, sino también herramientas de programación y simulación para facilitar el trabajo de los desarrolladores, con el apoyo a largo plazo de organizaciones como DARPA (Defense Advanced Research Projects Agency) y NSF (National Science Foundation).
- Europa: utiliza grandes proyectos de investigación científica, como el proyecto HBP (Human Brain Project) y la plataforma virtual EBRAINS, que abarcan desde la investigación del cerebro hasta la verificación de sistemas.
- Japón: se centra en la combinación de hardware y aplicaciones, con apoyo de programas específicos para este campo.
Ventajas de China:
- Artículos científicos: 4775 publicados entre 2016 y 2026, lo que representa el 41.4% del total mundial (el primer lugar), y esta proporción sigue aumentando.
- Patentes: de 823 en 2016 a 19212 en 2025 (un aumento de 22 veces), superando el 50% del total mundial.
- Política: El gobierno chino ha lanzado proyectos importantes de investigación en ciencia del cerebro e inteligencia similar al cerebro, y las autoridades locales (como Pekín, Shanghái y Hefei) han formulado políticas para fomentar el desarrollo tecnológico y la concentración industrial.
Sin embargo, China tiene deficiencias en el aspecto software: carece de una plataforma de base universal como NVIDIA CUDA. Aunque cuenta con hardware de calidad, los desarrolladores no encuentran herramientas fáciles de utilizar, lo que aumenta los costos de migración a aplicaciones industriales.
IV. La industria ha adoptado una estructura en tres niveles; se abren oportunidades en aplicaciones
La industria de inteligencia similar al cerebro se compone de tres niveles:
- Nivel de tecnología core: chips basados en esta tecnología, dispositivos de percepción, etc. (por ejemplo, chips que imitan las neuronas humanas). Hay una gran variedad de productos y barreras técnicas, lo que atrae mucho interés del capital.
- Nivel de servicios integrados: combina hardware y software en soluciones, un proceso aún en desarrollo.
- Nivel de aplicaciones industriales: incluye robots inteligentes, economías de baja altitud (drones), vehículos conectados inteligentes, ciudades inteligentes, entre otros.
¿Dónde están las oportunidades en el nivel industrial? La ventaja de la inteligencia similar al cerebro es su bajo consumo energético y alta capacidad de respuesta en tiempo real (por ejemplo, los drones necesitan reaccionar instantáneamente para evitar obstáculos, lo que se logra con esta tecnología). El mundo inversor también valora las necesidades reales: como señaló el director del Instituto de Transformación Innovadora Zuan en Shanghái, la inversión debe partir de las aplicaciones reales para impulsar el desarrollo tecnológico.
V. Camino a seguir en tres etapas; recomendaciones de la alianza
El futuro de la industria de inteligencia similar al cerebro se desarrollará en tres fases:
1. Período de verificación (a corto plazo): identificar escenarios donde esta tecnología sea insustituible para demostrar su valor, como dispositivos de bajo consumo energético en el lado del usuario (relojes inteligentes, sensores de la Internet de las Cosas).
2. Período de construcción de ecosistemas (a medio plazo): pasar de avances tecnológicos individuales a la coordinación entre hardware y software, estableciendo estándares y desarrollando herramientas para superar las deficiencias en el software.
3. Período de avances en mecanismos (a largo plazo): cambiar la lógica subyacente del cálculo inteligente para convertirla en la ruta principal para la IA generalizada.
Las alianzas recomiendan:
- Establecer estándares unificados (por ejemplo, cómo medir el rendimiento de los chips basados en inteligencia similar al cerebro).
- Superar las tecnologías clave (como las plataformas software).
- Crear comunidades de código abierto para que los desarrolladores puedan probar herramientas gratuitamente y reducir barreras.
- Identificar aplicaciones piloto exitosas (por ejemplo, comenzar con casos de éxito en robots).
- Formar talento multidisciplinario (con conocimientos en ciencia del cerebro, tecnología de chips y aplicaciones industriales).
La inteligencia similar al cerebro no es una idea utópica; representa una solución práctica para los problemas actuales de la IA. En los próximos años, se verá su implementación en muchas escenas reales: por ejemplo, tus relojes inteligentes podrían tener mayor autonomía y responder más rápidamente gracias a esta tecnología.