Meta"神经计算机"论文引爆热议：AI不再调用软件，而是直接"长成"一台计算机

导语

2026年4月，Meta AI与沙特阿卜杜拉国王科技大学（KAUST）的联合团队发布了一篇论文（arXiv: 2604.06425v1），提出一个大胆到近乎疯狂的概念：神经计算机（Neural Computer，NC）。

核心想法只有一句话：让神经网络不再通过预定义接口"调用"软件，而是直接从屏幕像素和用户操作中学习如何使用计算机本身——最终目标是让"软件"逐渐消失，被压缩进同一个神经网络之中。

论文公开后，在X上获得近900条转发、超过100万浏览量，迅速引爆AI学术界和开发者社区的讨论。

这可能是自Transformer以来，最具范式颠覆性的AI架构设想。

---

一、什么是"神经计算机"

1.1 核心概念

概念	说明
神经计算机（NC）	让神经网络直接学习计算机的运行方式，不依赖预定义接口
完全神经计算机（CNC）	终极目标——一台完全由神经网络构成的、通用的、可编程的计算机
与传统Agent的区别	不"调用"软件，而是"生成"软件运行过程

1.2 与当前AI Agent的本质区别

维度	当前AI Agent（如Claude/GPT Agent）	神经计算机（NC）
工作方式	通过预定义API/工具接口调用软件	从屏幕像素直接学习计算机运行
依赖	需要操作系统、软件、工具链的配合	不依赖任何预定义接口
输入	结构化的API请求	原始屏幕像素+用户操作
输出	调用结果	整台计算机的运行过程
灵活性	受限于可用工具的数量和质量	理论上可学习任何软件的操作

一句话概括区别：

Agent是"用计算机"，神经计算机是"成为计算机"。

1.3 技术路线

研究团队设想了两个阶段：

1. 神经计算机（NC）：AI能够像人类一样，通过"看屏幕"和"操作"来使用计算机，但底层仍然是传统计算架构
2. 完全神经计算机（CNC）：传统计算机的分工（处理器、内存、操作系统、软件）全部被神经网络取代——不再有操作系统，不再有软件，只有一个巨大的神经网络

---

二、研究团队与学术渊源

2.1 核心研究者

研究者	机构	背景
诸葛鸣晨	Meta AI / KAUST	师从于尔根·施米德胡伯
田渊栋	Meta AI	Meta AI研究科学家
于尔根·施米德胡伯（导师）	KAUST	“现代AI之父”、LSTM之父

2.2 学术脉络

诸葛鸣晨在采访中透露，他从2024年末开始与导师施米德胡伯反复讨论这个方向。核心问题是：

“AI究竟只是更高效地使用计算机，还是会成为一种新的计算机形态？”

这个问题的学术根源可以追溯到施米德胡伯1990年的论文《Make the World Differentiable》和2003年提出的"哥德尔机器"（Gödel Machine）——后者推动了一整条"递归自我进化"的研究路线。

2018年，施米德胡伯与David Ha合作发表的"世界模型"（World Models），也是这一脉络的重要里程碑——让神经网络学习世界的运行规律，而非学习特定任务。

---

三、为什么这个概念如此重要

3.1 当前AI Agent的瓶颈

当前的AI Agent（如使用工具调用的GPT/Claude Agent）面临几个根本性瓶颈：

1. 接口依赖：能做的事完全取决于有多少可用API和工具，没有API就没有能力
2. 工具爆炸：软件数量无限增长，不可能为每个软件都定义Agent工具
3. 上下文断裂：Agent在不同工具之间切换时，上下文经常丢失
4. 泛化困难：学会了用Chrome，不等于会用一个新的浏览器

3.2 神经计算机的突破方向

当前瓶颈	神经计算机的解法
接口依赖	不需要接口，直接从像素学习
工具爆炸	软件操作被压缩进模型内部
上下文断裂	整台计算机的运行状态都在神经网络的"记忆"中
泛化困难	学会了"使用计算机"的概念，而非特定软件的操作

3.3 对软件开发的影响

如果神经计算机从概念走向现实：

• 传统软件可能逐渐消失：当AI能直接"生成"软件的运行过程，为什么还需要安装软件？
• 操作系统的角色被重新定义：从"软件管理器"变成"神经网络运行环境"
• API经济的基石可能动摇：当AI不通过API调用软件，API本身的价值就会被重新评估

---

四、技术可行性分析

4.1 当前的证据

证据	说明
屏幕理解能力	GPT-4o、Claude等已具备屏幕内容理解能力
操作自动化	UI自动化工具已能模拟人类操作
世界模型	施米德胡伯2018年的工作证明神经网络可以学习环境动态
代码生成	AI已能生成可运行代码，证明"程序逻辑进入模型"可行

4.2 主要挑战

挑战	难度	说明
像素级实时处理	极高	每秒60帧的高分辨率屏幕数据，计算量巨大
长程依赖	高	计算机使用涉及数千步操作，当前模型的长上下文仍有限
仿真与现实的差距	高	训练环境与真实环境的差异（sim2real gap）
可解释性	中	神经网络内部决策不可解释，安全问题如何保障？
安全性	极高	如果AI"成为计算机"，恶意利用的后果是灾难性的

4.3 距离现实还有多远

根据当前的技术进度，我的判断是：

阶段	预估时间	标志
简单NC原型	1-2年	在受限虚拟环境中完成基本计算机操作
通用NC（受限环境）	3-5年	能在虚拟桌面环境中使用多种软件
完全神经计算机（CNC）	10年+	传统计算架构被神经网络取代（如果可能的话）

诸葛鸣晨自己也承认，完全神经计算机（CNC）是一个"终极目标"，当前的研究还处于非常早期的概念验证阶段。

---

五、对AI开发者的启示

5.1 短期影响（1-2年）

即使完全神经计算机还很遥远，但当前的技术趋势已经对开发者产生影响：

1. AI Agent的屏幕理解能力在快速提升：未来的Agent可能不需要API，直接"看屏幕"就能操作软件
2. 工具调用只是过渡形态：当前基于API的工具调用，可能只是通向"直接操作"的过渡方案
3. 模型能力比工具数量更重要：当AI能自己"学会"使用软件，你提供的工具多不多就没那么重要了

5.2 中期影响（3-5年）

• 软件开发范式可能改变：从"给人用的软件"转向"给AI用的环境"
• API设计需要考虑AI消费者：未来的API调用者可能主要是AI，不是人类
• 测试需要覆盖AI交互场景：当AI是主要用户，传统的UI测试需要扩展

5.3 对模型接入的启示

在神经计算机的愿景下，模型接入方式也会演变：

• 多模态能力成为刚需：屏幕像素理解、操作模拟等多模态能力是NC的基础
• 模型选择更加关键：不同模型的多模态能力差异巨大
• 聚合平台的价值提升：模型能力快速迭代，聚合平台让开发者始终能用到最强的模型

推荐方案：通过A8 AI聚合中转接入多模态能力

A8 AI（napiai.com）的核心优势：

• 600+模型全覆盖：包括最新多模态模型Claude Opus 4.6、GPT-5.5、Gemini等
• 智能路由：根据任务类型自动匹配最优模型（如视觉任务选多模态模型）
• 国内节点加速：无需翻墙，延迟降低50%+
• 持续更新：新模型上线第一时间接入，开发者无需追踪每个模型的发布

---

六、总结

Meta的"神经计算机"论文，本质上是在问一个根本性问题：AI的终极形态，究竟是什么？

当前阶段，我们还不知道完全神经计算机是否可行。但这个概念本身已经指出了当前AI Agent架构的根本局限——我们一直在让AI"使用"计算机，但也许AI应该"成为"计算机。

几个关键判断：

1. 这是自Transformer以来最具范式颠覆性的AI架构设想：不是改进，而是重新定义
2. 当前的技术证据支持其可行性，但距离实现仍有巨大鸿沟：像素级实时处理、长程依赖等挑战极为严峻
3. 即使完全NC不可行，其研究方向也会深刻影响AI Agent的演进：从"API调用"到"屏幕操作"的迁移已经开始
4. 开发者需要关注多模态能力的演进：屏幕理解+操作模拟能力，将是下一个竞争焦点

正如诸葛鸣晨所说：“这可能击中了当前AI发展的某个关键问题。”

我们不需要现在就相信"软件会消失"，但我们需要认真思考：当AI不再需要API就能使用计算机，你构建的一切还站得住吗？

---

核心关键词： 神经计算机, Meta AI, KAUST, Neural Computer, 诸葛鸣晨, 于尔根·施米德胡伯, AI Agent, 完全神经计算机, 世界模型, 哥德尔机器, AI范式, 多模态AI, API聚合, A8 AI, 软件的未来