Nel panorama dell’informatica moderna, dominato da processori tradizionali e GPU sempre più potenti, il progetto Wukong tenta di creare una discontinuità significativa. Nato all’Università di Zhejiang e presentato ufficialmente nel 2025, è il primo supercomputer neuromorfico in grado di superare i due miliardi di neuroni artificiali. Questa soglia indica un avanzamento tecnico di grande rilievo e apre un modo nuovo di concepire l’elaborazione computazionale nell’intelligenza artificiale, basato su un calcolo ispirato al cervello capace di reagire agli stimoli, adattarsi e apprendere nel tempo. I ricercatori mirano a sviluppare macchine che funzionino come ecosistemi di neuroni, in cui ogni impulso veicola informazione e ogni pausa riduce al minimo il consumo energetico. Le reti neurali a spike elaborano informazione tramite impulsi discreti chiamati spike, l’attività sorge solo quando si verifica un evento e questo limita calcolo inutile e consumo.
Nascita del progetto
Wukong è il risultato di oltre dieci anni di sviluppo della serie di chip Darwin, iniziata con piccoli moduli sperimentali e culminata nella terza generazione, Darwin‑III. Quest’ultima costituisce la base dell’intero sistema e riunisce caratteristiche uniche: ogni chip contiene 2,35 milioni di neuroni artificiali e più di 100 milioni di sinapsi, con una logica di apprendimento locale e un linguaggio di programmazione pensato appositamente per reti spiking. In altre parole, ogni unità di calcolo può apprendere e reagire senza attendere istruzioni da un processore esterno. È un’architettura che avvicina l’hardware a un comportamento biologico, riducendo sprechi energetici e tempi di latenza. Rispetto ai modelli precedenti, Darwin‑III è più denso, modulare e scalabile, e può essere integrato in cluster di migliaia di chip senza perdere coerenza temporale. Per complessità, Wukong è paragonabile a un cervello di macaco, con una capacità di simulazione che si avvicina ai sistemi nervosi complessi dei mammiferi.
Architettura del chip
Darwin-III utilizza una rete interna di nodi collegati da un bus asincrono, la comunicazione avviene solo quando un neurone emette un segnale come nei cervelli reali. In una rete a spike ogni neurone invia impulsi discreti che attivano il calcolo solo quando esiste informazione da processare, questa modalità event-driven riduce il traffico di dati e sostiene un’elaborazione continua ed efficiente. Le connessioni sinaptiche sono compresse, per diminuire la memoria necessaria, e si ricostruiscono dinamicamente quando servono. Ogni chip può simulare attività neurali in tempo reale, e l’apprendimento on‑chip permette di modificare i pesi sinaptici senza interrompere i calcoli. Grazie a ciò, i modelli non restano statici: si adattano, migliorano, evolvono. È questo che distingue un sistema neuromorfico da un computer classico.
Dal wafer al sistema
Ogni modulo System‑on‑Wafer integra 64 chip Darwin‑III montati su un unico wafer di silicio. Quindici di questi moduli formano il supercomputer completo: 960 chip collegati tra loro, equivalenti a circa 2,3 miliardi di neuroni e 100 miliardi di sinapsi. L’interconnessione è progettata per gestire miliardi di impulsi al secondo senza saturarsi, grazie a una rete di comunicazione basata su eventi che attiva i canali solo quando necessario. Il consumo complessivo di 2 kilowatt è sorprendentemente basso per un sistema di tali dimensioni: un valore che consente ore di calcolo continuo senza surriscaldamenti e con un’efficienza che supera di gran lunga quella delle GPU tradizionali. Ogni livello, dal chip al blade, è sincronizzato attraverso una temporizzazione adattiva che garantisce coerenza temporale e ridistribuzione automatica dei carichi.
Gestione e coordinamento
Al di sopra dell’hardware opera un sistema operativo dedicato, capace di orchestrare le attività tra i nodi in modo flessibile. Gestisce le priorità, ottimizza la memoria e regola il ritmo degli impulsi. In pratica, funge da “corteccia” del sistema, mantenendo l’equilibrio tra stabilità e risposta rapida. Questo livello software è fondamentale: senza di esso, la complessità di miliardi di neuroni virtuali sarebbe ingestibile. Grazie alla cooperazione tra hardware e software, Wukong è in grado di simulare reti biologiche e processi cognitivi complessi in tempo reale, aprendo prospettive per neuroscienze, robotica e ricerca sull’apprendimento adattivo.
Applicazioni e dimostrazioni
Nei primi test, Wukong ha risolto problemi di logica e calcolo simbolico, generato testi, analizzato strutture linguistiche e risolto equazioni in modo distribuito. Ma l’aspetto più interessante riguarda la biologia computazionale: il sistema è stato impiegato per simulare cervelli di Caenorhabditis elegans, zebrafish, topi e macachi. Queste simulazioni, eseguite su scale progressive, mostrano come la connettività neurale possa emergere in modo spontaneo anche in un ambiente artificiale. I ricercatori sottolineano che, a differenza dei simulatori su GPU, Wukong gestisce il tempo come una variabile naturale e non come un ciclo di clock, consentendo una rappresentazione più fedele della dinamica cerebrale. I risultati preliminari indicano una sincronizzazione di rete con errori temporali inferiori a un millisecondo, un livello mai raggiunto prima su sistemi di questa scala.
Verso una nuova intelligenza artificiale
Il principio di funzionamento di Wukong apre la strada a un’intelligenza artificiale che apprende durante l’esecuzione, senza dover essere completamente ricalcolata. L’adattamento in tempo reale consente di costruire agenti autonomi che reagiscono all’ambiente, analizzano il linguaggio o pianificano azioni con un livello di continuità più vicino al comportamento umano. Per questo motivo, il progetto interessa anche il campo della robotica e dell’elaborazione del linguaggio naturale, dove l’energia consumata per singola decisione è cruciale. Alcuni studiosi considerano Wukong una tappa intermedia verso forme di intelligenza più generali, mentre altri lo vedono come un laboratorio per studiare la cognizione artificiale, una piattaforma di ricerca più che un prodotto commerciale.
Confronto con altri sistemi
Rispetto a progetti come Hala Point di Intel o TrueNorth di IBM, Wukong si distingue per scala e architettura. Hala Point impiega 1.152 chip Loihi 2 e raggiunge 1,15 miliardi di neuroni simulati; TrueNorth, con un milione di neuroni e 256 milioni di sinapsi, fu un pioniere di questa tecnologia. Wukong supera entrambi in densità e ampiezza, pur mantenendo un consumo ridotto. Il confronto diretto rimane difficile. Nei sistemi neuromorfici il parametro più significativo riguarda la qualità dell’elaborazione per evento, la capacità di gestire flussi asincroni e l’efficienza dell’apprendimento distribuito. Ogni architettura adotta strategie differenti per coordinare neuroni e sinapsi virtuali, e la vera misura del progresso sta nella rapidità e nella stabilità con cui il sistema reagisce agli stimoli.
Dati essenziali
- 960 chip Darwin‑III distribuiti su 15 moduli
- 2,35 milioni di neuroni e oltre 100 milioni di sinapsi per chip
- Totale di circa 2,3 miliardi di neuroni e 100 miliardi di sinapsi complessivi
- Consumo energetico di circa 2 kW in piena attività
- Architettura a eventi e comunicazione asincrona
- Efficienza per operazione superiore ai sistemi basati su GPU
- Scalabilità garantita fino a centinaia di wafer integrati
- Sincronizzazione temporale con errore inferiore a 1 ms
Metodo e limiti
Le informazioni oggi disponibili derivano da documenti tecnici, articoli accademici e comunicazioni ufficiali. Tuttavia, mancano ancora misurazioni indipendenti e benchmark standardizzati. I dati numerici mostrano coerenza interna, ma non esistono prove pubbliche del rendimento su compiti complessi o dell’efficienza su larga scala. Anche le comparazioni con GPU o CPU devono essere interpretate con cautela, perché i paradigmi di calcolo sono radicalmente diversi. Ciò non toglie che il progetto sia tra i più promettenti nel campo del calcolo ispirato al cervello.
Prospettive
I ricercatori di Zhejiang intendono ampliare l’integrazione wafer‑scale, collegando centinaia di chip in un’unica architettura fluida e interconnessa. Le versioni successive potrebbero raggiungere decine di miliardi di neuroni artificiali e introdurre nuove regole di apprendimento sinaptico basate su esperienza diretta. L’obiettivo a lungo termine è creare sistemi capaci di auto‑organizzarsi, riconoscere contesti e adattare il proprio comportamento in ambienti complessi. Questo tipo di tecnologia potrebbe trovare applicazione in dispositivi mobili, automazione industriale, ricerca medica e produzione editoriale. Resta aperta la domanda filosofica e scientifica: quanto un sistema del genere potrà davvero comprendere ciò che elabora? Per ora, Wukong è la dimostrazione più concreta che la distanza tra cervello e silicio si sta accorciando rapidamente.
(Avvertenza: “Wukong” indica due progetti cinesi diversi, il supercomputer neuromorfico della Zhejiang University, trattato in questo articolo, e un assistente AI sulla stazione spaziale Tiangong)
Fonti:
- Zhejiang University – World’s first 2-billion-neuron brain-inspired computer “Wukong”
- ZJU School of Computer Science – World’s First! ZJU Launches “Wukong”!
- Xinhua – Chinese researchers build computer that thinks like a brain
- PubMed/PMC – Darwin3: a large-scale neuromorphic chip with a novel ISA and on-chip learning
- arXiv – DarwinWafer: A Wafer-Scale Neuromorphic Chip
- South China Morning Post – How China’s new “Darwin Monkey” could shake up future AI
- LiveScience – China’s “Darwin Monkey” is the world’s largest brain-inspired supercomputer
- InsideHPC – Chinese Researchers Unveil “Brain-Like” Computer with 2 Billion Pulsed Neurons, 100 Billion Synapses
- eWeek – China’s Darwin Monkey: First Brain-Like Supercomputer
- Global Times – Chinese researchers unveil world’s largest-scale brain-like computer
