近日，马萨诸塞大学阿默斯特分校哈瓦·西格尔曼教授团队在《自然·通讯》发表研究成果，正式推出异步神经图灵网络架构，旨在破解人工智能高能耗与学习僵化难题。传统深度神经网络依赖全局时钟同步计算，随着参数量突破万亿级，算力成本与环境负荷急剧攀升。该新架构突破性地移除了全局同步机制，借鉴人脑异步工作模式，仅在特定计算步骤中激活所需神经元节点。此设计在完整保留反向传播等高效训练特性的同时，使能耗呈现数量级下降，并支持模型在运行中进行实时持续学习。西格尔曼强调，该架构在不牺牲算力的前提下，实现了能效的跨越式提升。此项突破有望显著降低人工智能的环境足迹，并为自主机器人、边缘计算终端及自动驾驶等严苛能耗场景提供高适应性算力方案，引领下一代绿色可持续智能架构的研发方向。