看點：模仿低功耗、高運算力人腦的類腦芯片，能給機器帶來人類智能嗎？

導語：最近半年以來，人工智能的發展重心逐漸從云端向終端轉移，相伴而生的是全新一代的計算芯片產業全面崛起。智東西歷經數月，首次對包括AI芯片在內的新一代計算芯片全產業鏈上下近百間核心企業進行報道，覆蓋國內外各大巨頭玩家、新興創企、場景應用、代工生產等，全面深入地對芯片產業發展、創新創業進行了追蹤報道。此為智東西新一代計算芯片產業系列報道之一。

國內外有許多公司和機構正在類腦芯片研發上投入大量精力，美國在此項研究上開始較早，2014年IBM就推出了業內首款類腦芯片TrueNorth。國內最近幾年在芯片研發上也不甘示弱，也有西井科技這樣的初創公司投身到類腦芯片的研發中來，清華等知名高校也紛紛建立類腦研究中心。

相比于傳統芯片，類腦芯片的確在功耗上具有絕對優勢，拿英特爾在本次CES上展出的自我學習芯片Loihi來說，不僅其學習效率比其他智能芯片高100萬倍，而且在完成同一個任務所消耗的能源比傳統芯片節省近1000倍。類腦芯片的集成度也非常高，拿浙大推出的“達爾文”芯片來說，其面積為25平方毫米，也就是說邊長只有0.5厘米，但內部卻能包含500萬個晶體管。隨著行業對計算力要求越來越高，馮氏瓶頸將越來越明顯，顛覆傳統架構的類腦芯片已為芯片行業開啟了一扇新的大門。

傳統芯片遇馮·諾依曼瓶頸 模擬神經元成新思路

人腦神經元在接受到刺激后，其細胞膜內外帶電離子分布將發生變化，因而形成電位差，電位差將沿著神經細胞軸突、樹突雙向傳導，形成脈沖電流。而當該電信號傳遞到突觸時，突觸前神經元將釋放神經遞質（如多巴胺、腎上腺素）由突觸后神經元接受神經遞質產生興奮（該過程單向傳遞），并向下傳遞作用與人體反應器并發生反應。

2011年8月，IBM率先在類腦芯片上取得進展，他們在模擬人腦大腦結構基礎上，研發出兩個具有感知、認知功能的硅芯片原型。但因技術上的限制，IBM戲稱第一代TrueNorth為“蟲腦”。2014年TrueNorth第二代誕生，它使用了三星的28nm的工藝，共用了54億個晶體管，其性能相比于第一代有了不少提升。功耗每平方厘米消耗僅為 20 毫瓦，是第一代的百分之一，直徑僅有幾厘米，是第一代的十五分之一。

▲IBM Truenorth芯片

每個核都簡化模仿了人類大腦神經結構，包含256個“神經元”（處理器）、256個“軸突”（存儲器）和64000個突觸（神經元和軸突之間的通信）?？傮w來看，TrueNorth芯片由4096個內核，100萬個“神經元”、2.56億個“突觸”集成。此外，不同芯片還可以通過陣列的方式互聯。

IBM稱如果 48顆TrueNorth芯片組建起具有4800萬個神經元的網絡，那這48顆芯片帶來的智力水平將相似于普通老鼠。

從2014年亮相后，這款芯片一直沒有大的動作。不久前，TrueNorth終于傳出了新進展，有報道稱IBM公司即將開發由64個“TrueNorth”類腦芯片驅動的新型超級計算機。這一計算機能進行大型深度神經網絡的實時分析，可用于高速空中真假目標的區分，并且功耗比傳統的計算機芯片降低4個數量級。如果該系統功耗可以達到人腦級別，那么理論上就可以在64顆芯片原型基礎上進一步擴展，從而能夠同時處理任何數量的實時識別任務。

2、英特爾Loihi芯片

▲英特爾神經擬態芯片Loihi

國內也開始了類腦芯片的研究，除清華等知名高校開設研究院外，也出現了專注類腦芯片研發的創企，代表企業如上海的西井科技。

4、西井科技DeepSouth芯片

西井科技是國內研究類腦強人工智能的公司，目前西井已推出了自主研發的擁有100億規模的神經元人腦仿真模擬器（Westwell Brain）和可商用化的5000 萬類腦神經元芯片（DeepSouth）兩款產品。 DeepSouth 是一款可商用化的芯片，它能模擬出高達 5000 萬級別的“神經元”，總計有 50 多億“神經突觸”。據西井CEO譚黎敏稱，該芯片除了具備“自我學習、自我實時提高”的能力外，還可以直接在芯片上完成計算，不需要通過網絡連接后臺服務器，可在“無網絡”情況下使用。

能耗方面，DeepSouth 在同一任務下的功耗僅為傳統芯片的幾十分之一到幾百分之一。

5、浙大“達爾文”類腦芯片

▲浙大和杭州電子科技共同研發的“達爾文”芯片

2015年一群來自浙江大學與杭州電子科技大學的年輕的研究者們研發出一款成為達爾文的類腦芯片。這款芯片是國內首款基于硅材料的脈沖神經網絡類腦芯片。“達爾文”芯片面積為25平方毫米，比1元硬幣還要小，內含500萬個晶體管。芯片上集成了2048個硅材質的仿生神經元，可支持超過400萬個神經突觸和15個不同的突觸延遲。

據研發團隊介紹說，這款芯片可從外界接受并累計刺激，產生脈沖（電信號）進行信息的處理和傳遞，這如我們前面提到的人類神經元間的信息傳遞一樣。研發人員還為“達爾文”開發了兩款簡單的智能應用。一是這款芯片可識別不同人手寫的1-10這10個數字，二是“達爾文”在接受了人類腦電腦后，可控制電腦屏幕上籃球的移動方向。在熟悉并學習了操作者的腦電波后，“達爾文”會在后續接受相同刺激時做出同樣反映。

人腦的這三大特性始終是計算機無法比擬的：一是低能耗，人腦的功率大約為20瓦，而目前計算機功耗需要幾百萬瓦；二是容錯性，人腦時刻都在失去神經元，而計算機失去一個晶體管就會破壞整個處理器；三是無需編程，大腦在于外界交互過程中自發學習和改變，并非遵循預先設計好的算法。

中國也十分重視類腦研究，并將類腦計算作為國家戰略發展的制高點。中國不僅在2015年將腦計劃作為重大科技項目列入國家“十三五”規劃，還發布了關于腦計劃“一體兩翼”的總體戰略：一體即認識腦：以闡釋人類認知的神經基礎為主體和核心；兩翼即保護腦：預防、診斷和治療腦重大疾病和模擬腦：類腦計算。

中國的學術界也展開了對類腦的研究，2015 年中科院、清華、北大，相繼成立“腦科學與類腦智能研究中心”，2017年5月在合肥成立了類腦智能技術及應用國家工程實驗室。這些實驗室將借鑒人腦機制攻關人工智能技術，推進類腦神經芯片、類腦智能機器人等新興產業發展。

結語：類腦芯片或將賦予機器智能

目前，搭載神經網絡引擎的芯片層出不窮，芯片巨頭和初創們都在原有的馮諾依曼架構上爭相利用神經網絡優化芯片計算力。從目前這類AI芯片的表現上看，FPGA的靈活性較好但開發難度大，ASIC因其功耗低、開發難度適中將在終端AI芯片上具有較大優勢。