極限返航的噬星體與未來AI－神經元算法

1. 噬星體的繁殖機制：二氧化碳與熱量
噬星體的繁殖是一個將能量轉化為質量的過程。二氧化碳是促使其完成繁殖的重要化學物質，因為其中的碳原子可用來構建新的細胞膜與結構。在原著（以及電影）中，噬星體選擇向金星遷移，而非水星，正是因為金星大氣中富含二氧化碳。

其繁殖過程大致分為三步：
第一步，進入含有二氧化碳的環境，充分吸收原材料。
第二步，分裂（電影中那位科學家問是不是有絲分裂，略顯幽默）。噬星體利用體內儲存的中微子能量，以極高的轉化效率將二氧化碳中的碳與氧分離，構建新的個體。
第三步，觸發條件——高溫。在金星高溫高壓的環境中，噬星體得以快速完成分裂，擴張族群規模，進而再次遷移，感染其他恆星系統。

整個繁殖過程會消耗大量能量，而這些能量最終轉化為子代的質量以及其內部的微型黑洞結構。本質上，這一過程符合質能方程 E=mc²。完成繁殖後，母體與子體需要迅速吸收光能，並將其儲存在內部的微黑洞結構中。因此，它們會再次飛回恆星「進食」，導致恆星變暗、溫度下降。

2. 噬星體的能量儲存機制：超流體中微子
高中化學告訴我們，生物通常透過化學鍵儲存能量，而噬星體則完全不同。其設定中，體內存在微型黑洞狀結構，能將吸收的光能轉化為中微子，並以「超流體」形式儲存。

由於中微子幾乎不與普通物質發生作用，這種儲能方式具有極高穩定性，且能量密度遠超人類認知範圍。劇中的爆炸事件，正是因為將微克與毫克混淆所導致的災難性後果。

3. 噬星體的移動方式：中微子推進
噬星體透過向後噴射中微子產生推力，形成一種極高效率的「生物引擎」，使其能以接近光速的速度在星際間移動。

從這一設計可以看出，生物體若依賴特殊的物理結構，其能量轉換效率可以達到極高水準。噬星體的繁殖、儲能與位移，本質上是一種極為原始而純粹的物理機制，卻呈現出高密度、高效率與高轉換率。與之相比，人類所設計的任何能源系統都顯得低效，即便是核能，也不過成為提供熱能的基礎設施。

這正是這部科幻作品最迷人的地方——既充滿想像，又嚴守物理邏輯，同時帶來強烈的啟發性。

這便引出另一個極端問題：生物算力。

在此前對GPU與AI算力的討論中（包括去中心化算力網路如 Akash Network），可以看到當前AI發展受限於三個核心要素：GPU、算力，以及最終的能源——電力。

AI訓練需要大量GPU提供算力，而GPU的運行則消耗巨量電力。電力背後，是導電材料——銅。因此可以說：
未來AI的糧食是電，而銅就是其「農田」。

碳基生命依賴食物維持生存，而未來的AI、機器人與數據中心則依賴電力。當前銅是僅次於銀的優良導體，而銀作為貴金屬並不適合大規模應用。因此，掌握銅礦、建設電網、提升發電效率，已成為大國競爭的核心戰場。

當然，也可以押注核能——目前唯一能提供24/7高密度穩定電力的來源。亞馬遜、Google與微軟皆已開始佈局核電。

但這篇的重點，是另一條路徑：生物算力。

對生物算力的初步思考

人腦的功耗約為20瓦。作為對比：

• 智慧型手機：約5–10瓦

• 遊戲筆電：約150–300瓦

• NVIDIA H100 GPU：約700瓦

一張H100的功耗相當於約35個人腦，但其綜合推理能力，未必能超越一名頂尖工程師。

這說明了人腦作為生物算力系統的高效性。有研究曾嘗試用超級電腦模擬人腦1秒活動，結果動用了數萬個CPU，消耗數兆瓦電力。

若AI硬體能進化至模仿生物神經元，以離子運動而非電子流來實現計算，那麼當前囤積銅資源的策略，可能會徹底失效。

神經元計算的關鍵特性：並行與原位

人腦依賴神經元中離子的微小位移（如鈉、鉀、鈣）傳遞訊號。這種方式雖然速度慢於電子，但具備兩大優勢：

• 並行性：數千億神經元同時運作

• 原位性：計算與儲存發生在同一位置

不同於電腦將CPU（計算）與硬碟（儲存）分離，人腦是在資訊生成之處直接完成計算。

若未來能實現類神經元硬體（如憶阻器 Memristor），則意味著：
晶片本身同時是計算單元與記憶體。

如此一來，數據無需來回傳輸，對電力與導線（銅）的需求將大幅下降。當前一個AI訓練場可能消耗一座小城市的電力，而神經形態計算有機會將能耗從兆瓦級降低至數百瓦。

結語：尚未解決的障礙

對神經元算法的理解，目前仍面臨兩大瓶頸：
一是材料科學；
二是——先暫停思考，大腦過載，需要散熱。