數據霸權的終結？約翰霍普金斯大學發布「免訓練」類腦 AI 架構，NVIDIA 同日收購 SchedMD 鞏固算力版圖

I will search for the latest AI industry news from the last 24-48 hours to identify the most significant updates.

發生了什麼？

2026 年 1 月 5 日（週一），全球 AI 產業界迎來了兩則極具象徵意義的重磅消息，分別代表了 AI 發展的兩條截然不同的路徑：

1. 學術界的「類腦」革命：約翰霍普金斯大學（Johns Hopkins University）的研究團隊在今日發表了一項突破性研究。他們開發出一種新型的「類腦智能架構」（Brain-Inspired AI），其核心特點在於「無需大規模訓練」（without extensive training）即可模擬人類大腦的認知活動。這項技術打破了過去十年來「大模型 = 大數據 + 大算力」的公式，展示了 AI 系統可以通過結構模仿而非暴力計算來獲得智能。

2. 工業界的「基建」整合：就在同一天，AI 晶片霸主 NVIDIA 宣布正式收購 SchedMD。SchedMD 是著名的開源工作負載管理器 Slurm 的核心維護者。Slurm 是全球超級電腦和 AI 運算叢集（包括 OpenAI 和 Google 使用的許多基礎設施）的調度標準。NVIDIA 此舉意在將其硬體優勢延伸至軟體調度層，進一步掌控全球 AI 算力的分配與效率。

此外，在 1 月 4 日，新創公司 Tripo AI 也發布了新一代 3D 生成模型，能夠將文字直接轉化為高品質的 3D 資產，顯示生成式 AI 正從 2D 平面快速向 3D 空間運算邁進。

為什麼這很重要？

這兩則新聞同時發生，揭示了 2026 年 AI 產業的深層矛盾與轉折：

• 打破「縮放定律」（Scaling Law）的邊際效應：目前的 LLM（大型語言模型）發展已遭遇能源與數據的雙重瓶頸。約翰霍普金斯大學的研究提供了一條「逃生路徑」。如果 AI 真的可以像人腦一樣，僅憑少量樣本和生理結構就能產生智能，那麼未來的 AI 成本將降低數個數量級，且不再依賴輝達（NVIDIA）的昂貴顯卡堆疊。
• NVIDIA 的防禦性護城河：NVIDIA 顯然也意識到了單靠硬體性能提升的極限。透過收購 SchedMD，NVIDIA 直接控制了算力的「交通指揮系統」（Slurm）。這意味著，無論未來的模型架構如何變，只要還需要大規模並行運算，開發者就必須依賴 NVIDIA 優化的調度軟體，這是一步極具戰略眼光的棋。

核心知識科普

• 類腦計算（Neuromorphic Computing）：不同於傳統的馮·諾伊曼架構（計算與存儲分離），類腦計算模仿神經元和突觸的運作，訊號傳遞即是計算。約翰霍普金斯大學此次的突破可能涉及硬體層面的憶阻器（Memristors）或新型神經網路拓撲結構，使其具備「原位學習」（In-situ Learning）能力，而非傳統的「先訓練、後推論」。
• Slurm 工作負載管理器：在訓練像 GPT-5 或 Claude 4 這樣的大模型時，需要成千上萬張 GPU 協同工作。Slurm 就是負責分配這些任務的「工頭」。如果排程不當，GPU 閒置率會過高，導致數百萬美元的浪費。NVIDIA 收購後，預計會將 Slurm 與其 CUDA 生態深度綁定，實現更極致的硬體利用率。

應用建議與前瞻

基於今日的情報，我們對開發者與企業提出以下建議：

1. 關注「小而美」的邊緣 AI：約翰霍普金斯的研究預示著「端側訓練」的曙光。如果您的產品需要即時學習且受限於雲端成本（如家用機器人、隱私敏感的醫療設備），請密切追蹤類腦技術的商業化進程。
2. 基礎設施的「鎖定」風險：NVIDIA 收購 SchedMD 後，開源算力調度可能會逐漸走向「封閉優化」。企業 IT 部門應評估目前的運算叢集架構，提早規劃對應的開源替代方案或深度整合策略。
3. 3D 內容生產的自動化：Tripo AI 的更新意味著 VR/AR 應用的內容成本將大幅下降。遊戲開發者與電商平台應開始測試 AI 生成 3D 模型的工作流，以搶佔元宇宙復甦的先機。

前瞻預測：2026 年將是 AI 的「分歧年」。一方面，NVIDIA 陣營將繼續推動萬億參數模型的極限；另一方面，以學術界為首的「反叛軍」將致力於證明「生物啟發架構」才是通往 AGI（通用人工智慧）的捷徑。我們預測，年底前將出現首個基於類腦架構的商業化晶片，專注於超低功耗的即時推理。