Neuromorficzny AI: mikroelektrosilnik nowej generacji od chińskich naukowców

Chińscy naukowcy stworzyli mikroelektrosilnik nowej generacji oparty na neuromorficznym AI

Zespół badaczy z Uniwersytetu Tsinghua i Uniwersytetu Lotnictwa i Kosmonautyki w Pekinie (Uniwersytet Beihang) zaprezentował innowacyjny system sterowania mikrosilnikami, inspirowany pracą ludzkiego mózgu. Opracowanie pozwala zmniejszyć zużycie energii o 40% i zwiększyć precyzję pozycjonowania.

---

Notatka analityczna: Wewnętrzne spojrzenie na „silnik neuromorficzny” z Chin

Status: Poufny przegląd analityczny.

Autor: Partner funduszu DeepTech (specjalizacja: robotyka i edge computing).

Temat: Analiza opracowania Uniwersytetu Tsinghua i Beihang dotyczącego sterowania mikroelektrosilnikami z wykorzystaniem neuromorficznego AI.

---

[Istota]: co naprawdę się dzieje

Oficjalna wersja: Naukowcy z Tsinghua i Beihang stworzyli system sterowania mikrosilnikami oparty na neuromorficznym AI, zmniejszając zużycie energii o 40% i zwiększając precyzję pozycjonowania.

Rzeczywistość:

To nie jest „nowa generacja silników”. To broń w wojnie o efektywność energetyczną, która rozegra się w latach 2027-2028. Tradycyjne sterowniki silników (FOC, field-oriented control) opierają się na modelach matematycznych z częstotliwością odświeżania 10-20 kHz. System neuromorficzny działa na zasadzie „zdarzeniowej” – nie odczytuje czujnika położenia 20 000 razy na sekundę, ale reaguje tylko wtedy, gdy następuje zmiana.

Co to daje w praktyce dla zwykłego samochodu elektrycznego lub robota? Obecnie sterownik silnika jest jednym z głównych pożeraczy energii w systemie. Nagrzewa się. Wymaga mocnych tranzystorów. Generuje zakłócenia elektromagnetyczne. Podejście neuromorficzne redukuje to wszystko. To nie jest „silnik”, to przemyślenie na nowo, jak mózg komunikuje się z mięśniem.

A data 29 maja 2026 roku nie jest przypadkowa – dokładnie 3,5 miesiąca po tym, jak ten sam zespół (Beihang plus partnerzy) opublikował w Nature Communications swój neuromorficzny system widzenia oparty na tranzystorach 2D.

Chronologia i kontekst

• Luty 2026: Beihang publikuje pracę nad widzeniem neuromorficznym – chip rozpoznający ruch 4 razy szybciej niż człowiek, z redukcją opóźnień o 75%. Ta sama zasada (LGN – lateral geniculate nucleus, struktura mózgu filtrująca informacje wizualne) została teraz zaadaptowana do sterowania ruchem.

• Maj 2026 (dziś): Tsinghua + Beihang ogłaszają neuromorficzny kontroler dla silników. Uwaga: nie sam silnik, ale właśnie system sterowania.

• Powiązanie: To samo jądro (sieć neuronów impulsowych, SNN) potrafi teraz zarówno widzieć, jak i poruszać ramieniem. To pierwszy krok w kierunku stworzenia w pełni neuromorficznej pętli „czujnik → przetwarzanie → silnik” bez ani jednego tradycyjnego FPGA czy DSP. Do tej pory nikt na świecie nie pokazał tego w sprzęcie – tylko w symulacjach.

Kto zyskuje, a kto traci

Zyskują:

• Chiński przemysł robotyczny jako całość. Zapotrzebowanie na „lekkie” kontrolery dla robotów humanoidalnych jest obecnie ogromne. Każdy humanoid (Tesla Optimus, Figure 02, chińskie Keenon, Fourier Intelligence) ma 30-50 silników. 40% oszczędności na każdym to różnica między 4 godzinami pracy a 6-7 godzinami. Akcje chińskich producentów serwomechanizmów (np. Inovance Technology) mogą wzrosnąć o 5-8% w najbliższych tygodniach.

• Producenci chipów Edge AI. Chipy neuromorficzne (Intel Loihi, BrainChip, SynSense) zyskują nowy rynek zbytu. Sterowniki silników to rynek masowy: miliardy urządzeń. Jeśli choć 1% przejdzie na SNN, to setki milionów chipów. Fundusze venture capital intensyfikują poszukiwania startupów zajmujących się neuromorficznymi sterownikami.

• Rosyjski przemysł obronny (nieoczywisty zysk). Rosja ma obecnie problem z zachodnimi sterownikami do dronów i robotów naziemnych. Podejście neuromorficzne pozwala obniżyć wymagania co do częstotliwości taktowania procesora (można używać starszych, bardziej dostępnych procesów technologicznych). Może to być „droga na skróty” w warunkach sankcji.

Tracą:

• Texas Instruments, STMicroelectronics, Infineon. Mają monopol na klasyczne sterowniki silników (seria DRV, STSPIN itp.). Ich badania i rozwój idą w kierunku „zmniejszamy proces technologiczny, dodajemy pamięci podręczne”. Jeśli podejście neuromorficzne udowodni swoją skuteczność w warunkach polowych, ich model biznesowy (miliardy sprzedawanych chipów rocznie) znajdzie się pod presją. Kapitalizacja rynkowa TI (~160 mld USD) może stracić 5-7% w ciągu roku, jeśli Chińczycy wypuszczą komercyjny produkt.

• Toshiba i inni producenci sterowników silników do urządzeń AGD. Klimatyzatory, pralki, wentylatory – tam są proste, tanie sterowniki. Kontroler neuromorficzny jest na razie zbyt skomplikowany i drogi dla nich. Ale „efekt Haier” (oni już robią inteligentne lodówki) może skłonić ich do integracji.

• Klasyczna szkoła sterowania (regulatory PID). Kursy „mikrokontrolery i embedded C” na uniwersytetach stają się przestarzałe. Przemysł przechodzi na uczenie sieci neuronowych sterowników, a nie ręczne dobieranie współczynników.

Czego media nie dopowiadają

Główny nieoczywisty wgląd:

To ten sam zespół, który wcześniej zaimplementował architekturę LGN dla widzenia. A teraz po prostu przeprofilowali tę architekturę do sterowania silnikiem. Gdzie haczyk? Nie stworzyli niczego nowego. Opublikowali jedną podstawową architekturę, a potem „naciągnęli” ją na dwa zadania. W świecie nauki nazywa się to „dobry PR, średnia nauka”.

• Brak sprzętu. W komunikacie prasowym nie ma ani słowa o tym, na jakim fizycznym krysztale to działa. Najprawdopodobniej jest to prototyp FPGA (Xilinx lub Intel). Do chipa ASIC (własnego układu scalonego) – 18-24 miesiące. W tym czasie zachodni konkurenci zdążą odpowiedzieć.

• Problem uczenia. Sieci neuronów impulsowych są bardzo trudne do uczenia. Propagacja wsteczna (backpropagation) dla SNN wciąż jest zadaniem badawczym. Skąd brali dane do uczenia swojego kontrolera? Najprawdopodobniej symulacja, a nie prawdziwy silnik. Oznacza to, że przy pierwszym kontakcie z rzeczywistym „sprzętem” (szum, luz, nierównomierność tarcia) ich sieć może ulec degradacji.

• „40% oszczędności” – w jakich warunkach? W marketingu lubią porównywać z najmniej efektywnym rozwiązaniem bazowym. Najprawdopodobniej porównywali z najprostszym sterownikiem PWM bez optymalizacji, a nie z nowoczesnym FOC na Arm Cortex-M4 z akceleratorem sprzętowym. Rzeczywista przewaga w porównaniu z topowymi rozwiązaniami (TI F280049) – nie więcej niż 10-15%.

Prognoza: następne 30 dni i 90 dni

30 dni (koniec czerwca 2026):

• Publikacja pełnego artykułu. Spodziewaj się publikacji pracy w jednym z czasopism poziomu Nature Electronics lub IEEE Transactions. Będą tam konkretne liczby: jaki dokładnie silnik, jakie obciążenie, jaki proces technologiczny. Analitycy rozniosą obecne głośne oświadczenia w pył.

• Transakcja między chińskim startupem a producentem samochodów. Firma taka jak Xiaomi EV lub NIO kupi licencję na technologię za 5-10 mln USD, aby wbudować ją w następną generację swoich samochodów elektrycznych. Albo, co bardziej prawdopodobne, po prostu podpisze memorandum o porozumieniu (MOU) – gest PR-owy bez realnych pieniędzy.

• Sceptycyzm ze strony Tesli. Elon Musk (lub jego inżynierowie) opublikują post z krytyką: „SNN nie skalują się, szybkość zbieżności niska, dajcie prototyp FPGA w prawdziwym samochodzie”. To ostudzi zapał inwestorów na 2-3 tygodnie.

90 dni (sierpień 2026):

• Pierwszy działający prototyp w „sprzęcie”. Czas realizacji: pod koniec lata zobaczymy demonstrację ramienia robotycznego (najprawdopodobniej z Uniwersytetu Tsinghua), które używa tego kontrolera. Ramię będzie trzymać jajko, rysować linie itp. – standardowy zestaw.

• Odpowiedzi kopalne z Zachodu. Amerykańska DARPA ogłosi konkurs na 50 mln USD na stworzenie neuromorficznych sterowników dla robotów wojskowych. Izraelska firma (prawdopodobnie NeuroBlade lub Hailo) pokaże swój prototyp za 60 dni.

• Efekt rynkowy: Akcje Intela mogą nieco wzrosnąć (mają Loihi 2 i mogą szybko portować technologię). Ale prawdziwy komercyjny produkt pojawi się nie wcześniej niż w 2028 roku. Do tego czasu wszystkie dyskusje to gra dla spekulantów giełdowych.

Podsumowanie: To nie jest „rewolucja”. To ewolucyjny krok, który jest ważny tylko w kontekście większego trendu – przejścia od „architektury von Neumanna” do systemów „sterowanych zdarzeniami” (event-driven). Chińczycy wyprzedzają Zachód o rok w tej konkretnej niszy (neuromorficzne sterowanie ruchem), ale nie dlatego, że są geniuszami, ale dlatego, że wybrali „wąskie gardło” i się na nim skupili. Zachodnie laboratoria (Stanford, MIT) zajmują się bardziej ogólnymi problemami. Do 2028 roku luka się zamknie. A na razie – trzymaj rękę na pulsie, ale nie kupuj akcji chińskich producentów silników, nie widząc rzeczywistego wdrożenia w produkcie seryjnym.

— Editorial Team