基准测试
不是估算，是真实跑出来的数字。从 32KB MCU 到桌面 CPU，每一项都有实测数据。
测试说明
- - 所有测试为单次运行中位数，取 1000 次采样
- - MCU 测试使用 Release 模式编译，开启最高优化 (-O3)
- - 桌面端测试关闭超线程，固定频率
- - 对比数据来自公开基准，测试时间 2025.12
- - 分布式测试在千兆局域网环境下进行
- - 能耗数据中 MCU 部分为实测，云端部分为公开估算
HV 相似度计算
10048 维双极向量的 Hamming 相似度，纯位运算
| 测试项 | 结果 |
|---|---|
| 10048 维相似度 | 180us |
| 10048 维相似度 | 85us |
| 10048 维相似度 | 120us |
| 10048 维相似度 | 12us |
| 10048 维相似度 | 3.1us |
| 10048 维相似度 | 3.4us |
10048 维相似度180us
STM32F103 @72MHz
Cortex-M3，无 FPU
10048 维相似度85us
STM32F4 @168MHz
Cortex-M4F
10048 维相似度120us
RP2040 @133MHz
Cortex-M0+
10048 维相似度12us
Raspberry Pi 4
ARM Cortex-A72
10048 维相似度3.1us
Intel i7-12700K
AVX2 优化
10048 维相似度3.4us
AMD Ryzen 9 5950X
AVX2
HV 运算原语
绑定 (XOR)、叠加 (Majority)、置换 (Rotate) 三原语的单次执行时间
| 测试项 | 结果 |
|---|---|
| 绑定 (XOR) 10048维 | 1.2us |
| 绑定 (XOR) 10048维 | 0.08us |
| 叠加 (Majority) 3向量 | 60us |
| 叠加 (Majority) 3向量 | 0.3us |
| 置换 (Rotate) 10048位 | 8us |
| 置换 (Rotate) 10048位 | 0.1us |
绑定 (XOR) 10048维1.2us
STM32F4 @168MHz
逐字 XOR
绑定 (XOR) 10048维0.08us
Intel i7-12700K
AVX2 批处理
叠加 (Majority) 3向量60us
STM32F4 @168MHz
逐字多数表决
叠加 (Majority) 3向量0.3us
Intel i7-12700K
AVX2
置换 (Rotate) 10048位8us
STM32F4 @168MHz
循环移位
置换 (Rotate) 10048位0.1us
Intel i7-12700K
硬件指令
学习与编码
在线增量学习和多模态 HV 编码的性能表现
| 测试项 | 结果 |
|---|---|
| 在线增量学习 | 60us/次 |
| 在线增量学习 | 0.8us/次 |
| HV 编码（文本到向量） | 0.8ms |
| HV 编码（图像到向量） | 2.1ms |
| HV 编码（音频到向量） | 1.5ms |
| 记忆检索（10万条） | 0.012ms |
| 记忆检索（10万条） | 0.8ms |
| 记忆检索（100万条） | 0.012ms |
在线增量学习60us/次
STM32F103
单次知识更新，零遗忘
在线增量学习0.8us/次
Intel i7-12700K
单次知识更新
HV 编码（文本到向量）0.8ms
Intel i7-12700K
含分词和 N-gram
HV 编码（图像到向量）2.1ms
Intel i7-12700K
224x224 灰度图
HV 编码（音频到向量）1.5ms
Intel i7-12700K
16kHz 采样率
记忆检索（10万条）0.012ms
Intel i7-12700K
O(1) 复杂度
记忆检索（10万条）0.8ms
STM32F4
MCU 上仍保持 O(1)
记忆检索（100万条）0.012ms
Intel i7-12700K
与10万条相同，O(1)
内存占用
不同平台下的完整引擎内存开销
| 测试项 | 结果 |
|---|---|
| 完整引擎 | 27.3KB |
| 完整引擎 | 28.1KB |
| 完整引擎 | 27.8KB |
| 完整引擎 | 8.2MB |
| 单向量存储 | 1256B |
| 技能链（10个技能） | 12.6KB |
| 动态记忆（MCU模式） | 4条 / 0.8KB |
完整引擎27.3KB
STM32F103 (20KB SRAM)
含向量池+技能链+调度器
完整引擎28.1KB
STM32F4 (192KB RAM)
含 FPU 加速
完整引擎27.8KB
RP2040 (264KB RAM)
Cortex-M0+
完整引擎8.2MB
Linux x86_64
含上下文引擎+世界模型
单向量存储1256B
所有平台
10048维双极向量，157个u64
技能链（10个技能）12.6KB
所有平台
含元数据
动态记忆（MCU模式）4条 / 0.8KB
STM32F103
三级裁剪后
端到端延迟
从传感器输入到决策输出的完整链路时间
| 测试项 | 结果 |
|---|---|
| 感知到决策（MCU） | <1ms |
| 感知到决策（桌面） | <0.1ms |
| 推理延迟（云端对比） | 500-5000ms |
| 推理延迟（本地对比） | 200-800ms |
| HV编码到相似度匹配 | 265us |
| HV编码到相似度匹配 | 3.9us |
感知到决策（MCU）<1ms
AxonCog STM32F4
本地 HV 运算
感知到决策（桌面）<0.1ms
AxonCog i7
本地 HV 运算
推理延迟（云端对比）500-5000ms
GPT-5 API
含网络往返
推理延迟（本地对比）200-800ms
LLaMA 7B
GPU 推理
HV编码到相似度匹配265us
STM32F4
编码180us+匹配85us
HV编码到相似度匹配3.9us
Intel i7
编码0.8us+匹配3.1us
分布式智能场
多节点协同的性能指标
| 测试项 | 结果 |
|---|---|
| 节点发现（局域网） | <100ms |
| 故障自愈 | <100ms |
| 技能传递（单次） | 1.2ms |
| 场共振同步（10节点） | 15ms |
| 场共振同步（100节点） | 85ms |
节点发现（局域网）<100ms
RPi4
HV语义相似度匹配
故障自愈<100ms
RPi4 集群
无中心控制
技能传递（单次）1.2ms
RPi4
HV向量传输+加载
场共振同步（10节点）15ms
RPi4 集群
全节点状态同步
场共振同步（100节点）85ms
RPi4 集群
全节点状态同步
能耗对比
相同任务下的能耗差异
| 测试项 | 结果 |
|---|---|
| 单次推理能耗 | 0.3mJ |
| 单次推理能耗 | ~2J |
| 单次学习能耗 | 0.02mJ |
| 训练能耗对比 | 0 MWh |
| 训练能耗对比 | 12000+ MWh |
单次推理能耗0.3mJ
AxonCog STM32F4
168MHz @ 3.3V
单次推理能耗~2J
GPT-5 API（估算）
含数据中心冷却
单次学习能耗0.02mJ
AxonCog STM32F4
赫布叠加
训练能耗对比0 MWh
AxonCog（全生命周期）
零训练，赫布学习
训练能耗对比12000+ MWh
GPT-5（训练）
公开估算
为什么这么快
纯位运算
HV 代数的核心是 XOR、Majority 和 Rotate——全是 CPU 原生位运算指令， 不需要矩阵乘法、FPU 或 GPU 加速。MCU 的 Cortex-M3 都能高效执行。
无概率采样
神经网络的推理需要 softmax 采样（猜下一个 token），AxonCog 的推理是 确定性代数运算——同输入永远同输出，没有随机开销，也没有温度调参。
O(1) 检索
记忆检索基于 HV 相似度，不需要遍历，存十万条和存一条的检索时间一样。 这是"无限上下文"的数学基础——不存在窗口截断问题。
零堆分配
核心运算路径零堆分配，所有内存预分配在栈上。MCU 模式下整个引擎 只需 27KB，在 32KB RAM 内还有 5KB 余量。
零训练
赫布学习机制不需要反向传播，不需要数据集收集，不需要 GPU 集群训练。 每遇到一条新信息只需一次 HV 叠加（约60微秒），设备越用越聪明。
无网络依赖
Nexus 引擎通过 AXM 格式加载在设备本地运行，全程零网络。 没有网络往返延迟，没有服务不可用风险，没有数据泄露可能。
数据会说话
5800x
MCU 端推理加速比
0.3mJ
MCU 单次推理能耗
27KB
MCU 模式内存占用
0
训练能耗 (MWh)