H+ 杂志在 2009 年写了一个估计，这似乎与我所见过的其他事物大致可比；他们认为人类的大脑大约是 37 petaflops。今天有一台比 37 petaflop 估计还要大的超级计算机。

但是仿真很难。请参阅有关硬件仿真的 SO question或有关仿真 SNES 的这篇文章，其中它们需要SNES 芯片的140 倍处理能力才能使其正确。这篇 2013 年的文章声称，在 10 petaflop 的计算机上模拟一秒钟的人类大脑活动需要 40 分钟（减速2400 倍，而不是人们可能天真期望的 4 倍减速）。

而这一切都假设神经元是相对简单的对象！可能是我们为单个神经元建模所需要做的数学量实际上比上面的 flops 估计要多得多。或者，可以进行戏剧性的简化，如果我们知道大脑实际上想要完成什么，我们就可以更清晰、更简单地完成它。（例如，人工神经网络的一个优势是它们的计算精度比我们预期的生物神经元要高得多。但这意味着仿真更难，而不是更容易，而替换更容易。）

人脑包含大约 1000 亿个神经元（$10^{11}$）和大约一百万亿个突触（$10^{14}$）。每个神经元每秒可以发射大约 100 次。如果我们将大脑建模为一个简单的神经网络，那么它就相当于一台需要每秒 1016 次计算和 1013 位内存的机器。

来自维基百科

Kurzweil 引入了“上传”特定大脑的想法，每个大脑过程都完好无损，并在“适当强大的计算基板”上进行实例化。他写道，一般建模需要每秒 1016 次计算和 1013 位内存，但随后解释说上传需要额外的细节，可能多达 1019 cps 和 1018 位。Kurzweil 说，到 2040 年，实现这一目标的技术将可用。

根据这里的网站：

使用 NEST 软件框架，由 Markus Diesmann 和 Abigail Morrison 领导的团队成功创建了由 10.4 万亿个突触连接的 17.3 亿个神经细胞的人工神经网络。虽然令人印象深刻，但这只是每个人脑所包含的神经元的一小部分。科学家认为我们都携带 80-1000 亿个神经细胞

K 计算机中 82,944 个处理器的组合肌肉花费了 40 分钟，仅获得 1 秒的生物大脑处理时间。在运行时，模拟占用了大约 1PB 的系统内存，因为每个突触都是单独建模的。

随着晶体管的缩小，计算能力将继续提高，这可能使超级计算机实时进行真正的神经模拟。

SpiNNaker是一种多核计算机架构，旨在模拟人脑。计划使用 100 万个 ARM 处理器（目前为 50 万个）。完成的设计将容纳 100,000 个内核

在这段视频中，他们展示了一个完整的机架，它有 100,000 个核心模拟 2500 万个神经元（在$\frac{1}{4}$效率——最终每个核心将运行 1,000 个神经元）。

不仅仅是多少，而是什么样的处理能力：有特制的专用芯片，并且有实际应用，所以它不是一个仅限实验室的项目