在當(dāng)今科技飛速發(fā)展的時代，腦科學(xué)與人工智能的融合正催生出一項極具潛力的前沿技術(shù)——類腦計算，它有望開啟人類智能與機器智能深度融合的新紀(jì)元，徹底改變?nèi)伺c世界的交互方式以及對智能的認(rèn)知。

類腦計算是腦科學(xué)與人工智能深度融合的產(chǎn)物，它旨在借鑒大腦的神經(jīng)結(jié)構(gòu)和信息處理機制，構(gòu)建更加高效、智能的計算系統(tǒng)。類腦計算的核心理念是讓機器像大腦一樣思考和學(xué)習(xí)，通過模擬大腦的神經(jīng)元網(wǎng)絡(luò)和突觸可塑性，實現(xiàn)對復(fù)雜信息的并行處理和自適應(yīng)學(xué)習(xí)。

腦虎科技創(chuàng)始人兼CEO彭雷此前在接受第一財經(jīng)采訪表示，長遠(yuǎn)來看，腦機接口研究的終極目的就是AI（人工智能）與HI（人類智能）的深度融合，探索人類與機器之間更高效、更直接的交互方式。

類腦計算——下一代人工智能網(wǎng)絡(luò)：低能耗，高效率

本輪由ChatGPT引發(fā)的人工智能浪潮是基于人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANNs）架構(gòu)，通過龐大的訓(xùn)練數(shù)據(jù)集和高度復(fù)雜的結(jié)構(gòu)，讓人工智能在語言理解、生成以及推理方面取得了重大突破。

龐大的數(shù)據(jù)量意味著頻繁且大規(guī)模的運算，隨之而來的是對算力需求的迅猛增長，受制于硬件的供應(yīng)量，人工智能的進(jìn)一步發(fā)展面臨“算力荒”的瓶頸，優(yōu)化運行效率和降低計算資源消耗成為人工智能未來發(fā)展的一個關(guān)鍵方向。

事實上，人工神經(jīng)網(wǎng)絡(luò)是受大腦啟發(fā)，但在結(jié)構(gòu)、神經(jīng)計算和學(xué)習(xí)規(guī)則方面與大腦的生物神經(jīng)網(wǎng)絡(luò)有著根本的不同：大腦的神經(jīng)元連接是稀疏的，每個神經(jīng)元只與少數(shù)其他神經(jīng)元連接，這種稀疏連接方式使得大腦能夠在低能耗的情況下高效處理信息；人工神經(jīng)網(wǎng)絡(luò)通常采用完全連接的方式，每個神經(jīng)元與前一層和后一層的所有神經(jīng)元連接，這種連接方式雖然能夠模擬人腦處理信息的方式，但導(dǎo)致了極高的能耗。

人工神經(jīng)網(wǎng)絡(luò)的能耗非常高，尤其是大型模型。例如，訓(xùn)練GPT-3模型需要大約1287兆瓦時（128.7萬度）的電力，相當(dāng)于美國約121個家庭一整年的用電量。根據(jù)相關(guān)研究，大腦的總功耗僅為20瓦左右，卻能夠運行非常復(fù)雜且龐大的神經(jīng)網(wǎng)絡(luò)。

這意味著如果人工神經(jīng)網(wǎng)絡(luò)可以模仿大腦稀疏型的鏈接方式，優(yōu)化計算模型，將大幅降低能耗。類腦計算通過模擬生物大腦的工作方式，為實現(xiàn)低功耗、低成本且能夠?qū)崟r在線學(xué)習(xí)的人工智能系統(tǒng)提供了新的解決方案。

脈沖神經(jīng)網(wǎng)絡(luò)（Spiking Neural Network，SNN）作為類腦智能的核心計算架構(gòu)，其工作原理更接近生物神經(jīng)元的信號傳遞，以脈沖形式的信號和時間序列信息進(jìn)行通訊，支持異步且稀疏的事件驅(qū)動方式。相較于人工神經(jīng)網(wǎng)絡(luò)（ANN），脈沖神經(jīng)網(wǎng)絡(luò)（SNN）有低能耗的顯著優(yōu)勢。

類腦計算的核心目標(biāo)是通過學(xué)習(xí)生物神經(jīng)系統(tǒng)的結(jié)構(gòu)、功能和機制，進(jìn)而構(gòu)建相應(yīng)的計算理論、芯片體系結(jié)構(gòu)以及應(yīng)用模型與算法。不同于傳統(tǒng)馮·諾依曼存算分離的特性，類腦計算基于仿生的脈沖神經(jīng)元實現(xiàn)信息的高效處理，具有低功耗、低延遲的技術(shù)優(yōu)勢，在邊緣計算和實時控制等領(lǐng)域具有廣泛的應(yīng)用價值和潛力。

關(guān)鍵核心硬件——類腦芯片仍待技術(shù)突破

類腦計算的技術(shù)發(fā)展基于硬件平臺、軟件平臺、模型算法和基準(zhǔn)數(shù)據(jù)協(xié)同設(shè)計和應(yīng)用。其中硬件平臺的核心就是神經(jīng)形態(tài)芯片和新型存儲器。

傳統(tǒng)的深度學(xué)習(xí)芯片依賴于馮·諾依曼架構(gòu)，具有復(fù)雜的處理單元和相應(yīng)的存儲器層次結(jié)構(gòu)，專注于對ANN的執(zhí)行優(yōu)化。而神經(jīng)形態(tài)芯片則通常采用非馮·諾依曼分散式多核架構(gòu)，其中每個核心都將計算與內(nèi)存緊密耦合。

深度學(xué)習(xí)芯片追求的是“更快”，更多考慮提高處理速度和計算能力，即性能優(yōu)先；而神經(jīng)形態(tài)芯片追求“更省”，強調(diào)能效比，即效率優(yōu)先。

新型存儲器主要指憶阻器，它結(jié)構(gòu)簡單、集成密度高，理論上一個就可以實現(xiàn)神經(jīng)突觸的功能，可極大地提升突觸密度，是從硬件層面實現(xiàn)類腦神經(jīng)網(wǎng)絡(luò)的高效方式之一。

目前神經(jīng)形態(tài)芯片可分為兩大類，一類是僅支持SNN架構(gòu)，例如IBM TrueNorth、英特爾Loihi、達(dá)爾文芯片等；另外一類則支持SNN和ANN的混合計算架構(gòu)，例如天機芯、英特爾Loihi2、領(lǐng)啟KA200等。

其中達(dá)爾文芯片、天機芯、領(lǐng)啟KA200是由浙江大學(xué)、清華大學(xué)、中科院牽頭研發(fā)的類腦芯片。

由浙江大學(xué)牽頭研發(fā)的達(dá)爾文3芯片于2023年發(fā)布，相比較達(dá)爾文2大幅提升了突觸密度和規(guī)模，單芯片能夠支持超過200萬個神經(jīng)元和1億個神經(jīng)突觸。

在異構(gòu)融合類腦芯片領(lǐng)域，由清華大學(xué)類腦計算研究中心研發(fā)的天機芯是全球首款異構(gòu)融合類腦芯片。該芯片于2019年8月1日作為封面文章發(fā)表在國際頂級學(xué)術(shù)期刊《自然》（Nature）上，實現(xiàn)了中國在芯片和人工智能兩大領(lǐng)域《自然》論文的零突破。

神經(jīng)形態(tài)芯片雖具優(yōu)勢，但取代傳統(tǒng)深度學(xué)習(xí)芯片還為時過早。

首先，人類對大腦的架構(gòu)和功能仍知之甚少，現(xiàn)有的神經(jīng)元和突觸模型可能忽略了大腦功能的重要方面，這種對生物系統(tǒng)的不完全理解使得神經(jīng)形態(tài)芯片的設(shè)計目標(biāo)存在不確定性，增加了研發(fā)的難度和成本。

其次，神經(jīng)形態(tài)芯片需要模擬生物神經(jīng)元和突觸的行為，但現(xiàn)有技術(shù)難以同時滿足高性能和低功耗的要求。例如，憶阻器雖然能夠模擬突觸的可塑性，但其非線性電阻變化和器件集成的復(fù)雜性仍是未來需要解決的問題。此外，大規(guī)模突觸陣列的實現(xiàn)也受到器件設(shè)計難度和集成復(fù)雜度的限制。

短期看，神經(jīng)形態(tài)芯片制造成本高，生態(tài)系統(tǒng)尚未完全成熟，大規(guī)模推廣仍面臨挑戰(zhàn)。通用計算和大型模型訓(xùn)練中，CPU/GPU仍不可或缺，未來神經(jīng)神態(tài)芯片與深度學(xué)習(xí)芯片將互補發(fā)展。

中國移動集團首席專家錢嶺在接受第一財經(jīng)采訪時表示，類腦計算目前僅適用于實時處理和低功耗計算等特定領(lǐng)域，且大都處于實驗室階段，離大規(guī)模實用化仍有距離。

類腦計算下游應(yīng)用不斷拓展

盡管目前類腦計算仍處于早期階段，但隨著人工智能技術(shù)的不斷成熟和普及，類腦計算作為一種傳統(tǒng)計算的高能效替代方案，對于推動人工智能時代的下一波浪潮具有巨大潛力。

據(jù)產(chǎn)業(yè)研究機構(gòu)中研普華的《2023-2028年中國類腦計算行業(yè)深度分析與發(fā)展前景預(yù)測報告》，2022年全球類腦計算芯片市場規(guī)模約為1.78億元人民幣，中國市場規(guī)模也相當(dāng)可觀，并且呈現(xiàn)出快速增長的趨勢。預(yù)計到2030年，中國類腦計算芯片市場規(guī)模將接近98億元人民幣(約14億美元)。

隨著類腦芯片的技術(shù)突破、大規(guī)模仿真平臺的構(gòu)建，類腦計算的下游應(yīng)用也將從低維度信息處理和高速視覺處理向端側(cè)可穿戴設(shè)備、攝像頭和終端設(shè)備拓展。

在醫(yī)療領(lǐng)域，類腦計算可用于治療神經(jīng)系統(tǒng)相關(guān)的疾病并幫助殘疾人士恢復(fù)行動能力；在智能家居、自動駕駛、機器人等領(lǐng)域，類腦計算也將發(fā)揮重要作用。在此基礎(chǔ)上，未來將加入在復(fù)雜環(huán)境中的實時決策能力，在無人機和自動駕駛領(lǐng)域有很大的應(yīng)用前景。