Hva om den neste revolusjonen innen kunstig intelligens ikke kom fra stadig kraftigere prosessorer, men fra brikker som tenker som en menneskelig hjerne? Det er løftet fra nevromorfisk databehandling, en teknologi som endelig forlater laboratoriet for å tre inn i den virkelige verden i 2026.

Hva er en nevromorfisk brikke?

I motsetning til konvensjonelle prosessorer (CPU-er) eller grafikkort (GPU-er) behandler ikke en nevromorfisk brikke informasjon sekvensielt eller i massivt parallell form. Den henter direkte fra arkitekturen til den biologiske hjernen: kunstige nevroner kommuniserer med hverandre gjennom elektriske impulser, akkurat som synapser i hjernen vår. Informasjon behandles bare når en hendelse inntreffer, noe som eliminerer det enorme energisvinnet til tradisjonelle arkitekturer som beregner kontinuerlig, selv når ingenting skjer.

Resultatet er spektakulært: disse brikkene kan utføre komplekse kunstig intelligens-oppgaver mens de bruker opptil 1 000 ganger mindre energi enn en tilsvarende GPU for behandling i sanntid. En forskjell som radikalt kan forandre det globale teknologilandskapet.

Intel Loihi 3 og Hala Point: milliarden-nevroner-grensen nådd

Intel er i dag den ubestridte lederen innen denne teknologien med sin Loihi-prosessorserie. Den tredje generasjonen, Loihi 3, lansert i 2026, skyver grensene enda lenger. Men det er Hala Point-systemet som imponerer mest: i et hus ikke større enn en mikrobølgeovn har Intel integrert 1 152 sammenkoblede Loihi 2-prosessorer, som representerer 1,15 milliarder nevroner og 128 milliarder kunstige synapser. Alt med en maksimal effekt på bare 2 600 watt, en brøkdel av hva et konvensjonelt AI-datasenter forbruker.

Dette systemet er i stand til å oppnå 20 kvadrillioner operasjoner per sekund, et svimlende tall som åpner veien for applikasjoner som hittil har vært utenkelige i form av hjernesimulering og sanseprosessering i sanntid.

IBM NorthPole: en annen gigant trer inn

Intel er ikke alene på dette feltet. IBM brakte sin NorthPole-arkitektur inn i storskala produksjon i 2026, og bekreftet at nevromorfisk databehandling ikke lenger er en laboratorienysgjerrighet, men en fullt industriell teknologi. NorthPole skiller seg ut med en tilnærming der minne og beregning smelter direkte på brikken, og eliminerer flaskehalsen som bremser konvensjonelle prosessorer. Denne arkitekturen muliggjør bildebehandling og mønstergjenkjenning av enestående effektivitet.

Konkrete applikasjoner allerede i felt

En av de mest slående demonstrasjonene i 2026 er firbeint robot ANYmal D Neuro. Utstyrt med en Loihi 3-brikke opererte denne industrielle inspeksjonsroboten i 72 timer kontinuerlig på en enkelt lading, ni ganger lenger enn sin forgjenger utstyrt med GPU-er. For bedrifter som deployerer disse robotene i kjernekraftverk, rørledninger eller farlige soner, endrer denne autonomien spillereglene fullstendig.

Bilindustrien er heller ikke etter. Mercedes-Benz og BMW integrerer nevromorfiske visjonssystemer i kjøretøyene sine for å administrere autonom nødbremsing med reaksjonstider under ett millisekund. Der et konvensjonelt GPU-basert system tar noen titalls millisekunder på å analysere en scene og reagere, behandler en nevromorfisk brikke informasjon nesten umiddelbart, som en biologisk refleks.

Innen helse bruker forskere nevromorfiske brikker til å analysere hjernesignaler i sanntid, og åpner veien for hjerne-maskin-grensesnitt som er mer responsive og mindre energiintensive. Ny generasjons hørsel- og synsprotese drar allerede nytte av denne teknologien for å tilby en enestående kvalitet av sensorisk prosessering.

Hvorfor det er avgjørende: AI-energikrisen

Den raske oppgangen til kunstig intelligens har en skjult kostnad som ikke lenger kan ignoreres: dens kolossale energiforbruk. Datasentrene som driver store språkmodeller og generative AI-systemer forbruker allerede tilsvarende strømproduksjonen til små land. Ifølge Det internasjonale energibyrå kan energietterspørselen fra datasentre dobles innen 2028.

Nevromorfisk databehandling tilbyr en utvei. Ved bare å forbruke energi når en hendelse som krever behandling oppstår, tilbyr disse brikkene en radikalt mer nøysom beregningsmodell. For AI innebygd i smarttelefoner, biler, droner eller medisinske enheter er dette en revolusjon: det er nå mulig å kjøre sofistikerte AI-modeller direkte på enheten, uten å måtte koble til en ekstern server.

Utfordringer som gjenstår

Til tross for disse fremskrittene møter nevromorfisk databehandling flere hindringer. Den første er programmering: utviklingsverktøyene for disse brikkene er fortsatt umodne sammenlignet med NVIDIAs CUDA-økosystem for GPU-er. Intel har lansert Lava-rammeverket for å lette programmeringen av Loihi, men det vil ta tid før utviklersamfunnet tar det bredt i bruk.

Den andre utfordringen er allsidighet. Nevromorfiske brikker utmerker seg i spesifikke oppgaver som mønstergjenkjenning, sanseprosessering og sanntidslæring, men de er ikke designet for å erstatte GPU-er i trening av store språkmodeller. Fremtiden ligger derfor sannsynligvis i en hybrid arkitektur, der hver type prosessor brukes der den utmerker seg.

Til slutt er skalering til industrielt nivå fortsatt en utfordring. Å produsere disse brikkene i masse til en konkurransedyktig pris er en utfordring som brikkeprodusenter ennå må overvinne. Men de massive investeringene fra Intel, IBM, Samsung og dusinvis av oppstartsselskaper innen dette feltet tyder på at prisene vil falle raskt.

Mot en fremtid inspirert av det levende

Nevromorfisk databehandling illustrerer en dyp trend innen dagens teknologi: i stedet for å tvinge rå kraft, henter man inspirasjon fra naturen for å finne mer elegante og effektive løsninger. Den menneskelige hjernen med sine 86 milliarder nevroner bruker bare 20 watt strøm, mindre enn en lyspære. Å nærme seg det, selv beskjedent, kan transformere ikke bare databehandling, men også vårt forhold til energi og miljø.

I 2026 er nevromorfiske brikker ikke lenger et fjernt løfte. De er i roboter, biler, medisinske enheter. Og de kan godt være, om noen år, i smarttelefonen din.