2026年4月7日，arXiv上线了一篇题为《神经计算机》的论文，作者团队由Mingchen Zhuge等19人组成。
论文提出了神经计算机（NCs）这一前沿机器形态，把计算、内存与I/O整合到学习型的运行时状态中。不同于执行显式程序的传统计算机、与外部环境交互的智能体，或是学习环境动态变化的世界模型，NCs的核心目标是让模型自身成为可运行的计算机。
研究的长期目标是实现完全神经计算机（CNC）——成熟的通用版本，拥有稳定执行、显式重编程及持久复用能力等特性。在初步探索阶段，团队尝试仅通过I/O轨迹（无需对程序状态进行仪器化处理）学习早期NC原语，并将NCs实例化为视频模型，在CLI和GUI场景下，根据指令、像素信息及可用的用户操作生成屏幕帧。
实验结果表明，学习得到的运行时能够掌握I/O对齐、短视距控制等早期接口原语，但常规复用、受控更新与符号稳定性仍是亟待解决的挑战。针对这些挑战，团队提出了迈向CNC的路线图，一旦这些问题得到解决，CNC有望构建出超越现有智能体、世界模型和传统计算机的全新计算范式。
论文相关资源包括：数据管道的GitHub链接（https://github.com/metauto-ai/NeuralComputer），以及博客文章链接（https://metauto.ai/neuralcomputer/index_eng.html）。
快报