半岛彩票近年来，以人工智能、集成电路、生命科学、类脑智能等学科领域为代表的新一轮科技革命和产业变革正在高速发展，重构全球创新版图甚至全球经济格局。在众多极具“颠覆性”的科技领域中，类脑计算无疑是最尖端和最前沿的，因此这个领域也是全球各大经济体之间的“兵家必争之地”，而类脑计算领域的长足发展离不开类脑芯片的大力支撑。类脑芯片技术的终极愿景是：使得计算机能够像人脑一样思考。
类脑计算（Brain-inspired Computing）又被称为神经形态计算（Neuromorphic Computing），是借鉴生物神经系统信息处理模式和结构的计算理论、体系结构、芯片设计以及应用模型与算法的总称。类脑计算以神经元与神经突触为基本单元，从结构与功能等方面模拟生物神经系统，进而构建“人造电子大脑”的新型计算形态。
类脑计算芯片（Neuro-inspired computing chips）就是用电路模拟人脑神经网络架构的芯片，它结合微电子技术和新型神经形态器件，模仿人脑神经系统计算原理进行设计，实现类似人脑的超低功耗和并行信息处理能力。随着新一代人工智能技术及半导体技术的发展，类脑计算芯片实现了对神经元的高度仿真建模计算。相比于传统芯片，类脑芯片在功耗和学习能力上具有更大优势，能够实现存储与计算的深度融合，大幅提升计算性能、提高集成度、降低能耗。
人工智能发展到今天，归结起来无非是三个影响因素——算法、算力、大数据。随着算法被设计的越来越复杂、算力越做越大，产生的数据量也越来越多，只要有足够多的算力、数据和算法，就能用人工智能来解决很多问题。但随之而来的代价是巨大的能耗，能耗成为了限制人工智能发展的决定性因素。类脑芯片在突破能耗痛点，降低功耗方面的独特优势使其更能适应未来人工智能的发展。
清华大学类脑计算研究中心施路平教授所带团队开发出了全球首款异构融合类脑计算芯片——“天机” ，于2019年8月1日在顶级学术期刊《Nature》杂志上发表《面向人工通用智能的异构“天机”芯片架构》并成为该期杂志的封面文章。
Tianjic芯片最大的创新点在于结合了SNN和ANN两种算法，ANN就是我们通常意义上的深度学习框架，主要运算是矩阵乘累加。SNN即脉冲神经网络，是模拟生物神经元连接和运行方式的模型，通过计算产生神经电脉冲进行信息传递。
由于Tianjic集成了两种方法，它可以提供混合、协同平台。通过资源复用，只需百分之三的额外面积即可同时运行计算机科学和神经科学导向的绝大多数神经网络模型，支持异构网络的混合建模，形成时空域协调调度系统，发挥它们各自的优势，既能降低能耗，提高速度，又能保持高准确度。
在Tianjic芯片的控制下，一辆普通自行车实现了识别语音指令、自动控制平衡等功能，还能对前方行人进行探测和跟踪，并自动避开障碍，在驾驶技术层面像真实的人类一样灵活。
2020年9月1日，浙江大学联合之江实验室共同成功研制了我国首台基于自主知识产权类脑芯片的类脑计算机，其包含792颗浙江大学研制的达尔文2代类脑芯片，支持1.2亿个脉冲神经元、720亿个神经突触，与小鼠大脑神经元数量规模相当，典型运行功耗只需350—500瓦，是目前国际上神经元规模最大的类脑计算机。
“达尔文2代”采用55nm标准CMOS工艺，单芯片由576个内核组成，每个内核支持256个神经元，通过系统级扩展，可构建千万级神经元类脑计算系统。一方面，达尔文可作为脉冲神经网络模型与算法高效的硬件运行载体，帮助建立特定功能的类脑智能系统；另一方面，达尔文有助于解码生物脑电信号，并与生物神经网络对接构建脑机融合系统。
目前，Darwin Mouse类脑计算机已经实现了多种智能任务。研究者将类脑计算机作为智能中枢，实现抗洪抢险场景下多个机器人的协同工作，经过训练的3台机器人分别担任了巡逻、救援、工程检修“特种兵”。同时，还用类脑计算机模拟了多个不同脑区，建立了丘脑外侧膝状核的神经网络模型，仿真了不同频率闪动的视觉刺激时该脑区神经元的周期性反应；借鉴海马体神经环路结构和神经机制构建了学习-记忆融合模型，实现音乐、诗词、谜语等的时序记忆功能。
据英特尔方面称Loihi内部包含了128个计算核心，每个核心集成1024个人工神经元，总计13.1万个神经元，彼此之间通过1.3亿个突触相互连接。
Loihi采用英特尔主流的14 nm制造技术制造而成，Loihi没有深度学习硬件中普遍存在的浮点数和乘法累加器单元，没有片外内存接口。和大脑一样，所有计算都在芯片上进行，通过二进制脉冲信息和低精度信号，内存来源于芯片神经元之间的连接。Loihi采用同质架构，将许多小神经拟态核实例化，每个核的大小只有针头的一部分。部分机器人工作负载显示，Loihi 的功耗比传统解决方案低 40-100 倍。
相比传统计算机架构，Loihi芯片的神经拟态架构完全模糊了内存和处理之间的界限。和大脑一样，它利用的是数据连接、数据编码和电路活动中所有形式的稀疏。处理就发生在信息到达时，二者同步进行。Loihi的最新进展表明，未来的神经拟态设备，比如无人机，将可以像玄凤鹦鹉一样实时解决规划和导航问题。
首先，在健康领域，依靠类脑芯片，未来脑疾病的治疗将可能有重大突破。国外已经在研究和部署脑机接口了，就是把芯片植入到大脑中，获取脑活动信息、脑电波等信息来观测大脑的健康情况。现在做的更多是通过大规模脑仿真来还原、模拟、计算探究脑疾病。比如帕金森症的形成过程，尝试获取在病变过程中生物神经元、动力学计算等领域有哪些改变，可以通过哪些药物来进行针对性的治疗。弄清形成机理，将来的治疗手段才会更加准确和高效，这是类脑芯片的第一个应用。
其次除了独特的脑仿真、脑科学领域之外，在传统AI领域，类脑芯片也表现优异，比如图像识别、目标检测、无人机/机器人控制算法、嗅觉感知、触觉感知以及各类信号识别。这些下游任务可以在未来被广泛应用于医疗器械、工业生产、安防、智能驾舱、自动驾驶、无人机与机器人等多个领域，这是第二个应用。
第三个应用方向是新兴的类脑计算。是将传统的人工智能和脑科学结合起来的计算，即异构融合，融合生物神经网络和传统人工神经网络。基于存算一体的架构展示出巨大的潜力和前景，以更低的功耗和更强的功能集成发挥其不可替代的独特优势，推动人工智能的进步和创新。
2020年中国类脑计算芯片市场规模达到了0.10百万美元，预计2029年可以达到177.67百万美元，2021-2029期间年复合增长率(CAGR)为123.05%。2020年全球类脑计算芯片市场规模达到了6.36百万美元，预计2029年可以达到2664.52百万美元，2021-2029期间年复合增长率(CAGR)为94.71%。当前，尽管类脑计算行业还处在突围阶段，但市场前景已经愈发明朗。
地区层面来看，北美占据了全球的主要市场份额，2020年规模为2.87百万美元，占总市场的45.13%。欧洲市场位居第二，但是在过去几年增长速度有所放缓，2020年市场规模为2.27百万美元，约占全球的35.69%，而且预计2029年将达到928.85百万美元，届时全球占比将达到34.86%。
虽然各大国际厂商正争相推出自己的类脑芯片，但目前类脑芯片大规模商用化较为困难。近两年，我国类脑芯片研究逐步深入，类脑芯片市场也拥有者良好的发展机遇。灵汐科技是国内一家全球领先的类脑计算技术公司，它发布了第一代商业量产的类脑芯片——领启®KA200，它采用异构融合众核、存算一体的架构，单芯片集成25万神经元和2500万突触，每秒超过16万亿次突触计算，功耗近12瓦，实现了同时支持计算机科学和神经科学的神经网络模型，并支持两者融合的混合神经网络计算模型。
目前，美国是类脑芯片赛道的领跑者，学术研究领域中顶级会议相关论文的作者都来自美国，马斯克的Neuralink也走在脑机接口芯片商业化的最前沿。但我国的研发实力也在快速提升，在低噪声和低功耗设计方面已靠近全球一流水准，在学术研究领域已硕果累累，未来将持续推动类脑芯片商业化和规模化应用。
然而，从全球范围来看，虽然类脑计算领域是热门研究领域，但是类脑智能算法与类脑芯片并未实现大规模商业化落地。可想而知，类脑计算芯片在发展的道路上正面临着严峻的挑战。首先，脉冲神经网络算法的发展仍然处于早期阶段，虽然类脑计算系统在功耗上优于传统深度学习与GPU的组合，但在计算准确度与精度方面需要和传统神经网络融合才能体现出优势。其次，相较于深度学习领域，整个类脑计算领域的生态也较为封闭，发展十分缓慢。再次，相较于深度学习领域琳琅满目的学习资料和各类开源数据集，类脑智能算法领域暂无丰富的学习资源和评判体系，这也大大制约了类脑芯片的持续迭代与发展。
综上所述，笔者认为我国类脑芯片虽然面临来自技术、市场等方面的诸多挑战，但相比于传统芯片仍然具备较大优势，短期来看，应扎根端侧智能市场，发挥自身低功耗、高能效的优势，开发并创造更多的应用场景；长期来看，想要迎来商业价值的释放，不但要在产业端进一步控制类脑芯片的制造成本，还需要从科研端入手，从系统结构上发展类脑计算的完备性，向通用计算领域优化拓展。
