指向更快更節能的下一代人工智能，類腦芯片推動強智能應用落地

電子發燒友網報道（文/李寧遠）我們正處于人工智能的大爆發之中，在過去十年中，人工智能已經從理論和小型測試發展到企業級用例。尤其是近幾年人工智能時代中的智能化已經取得了長足的進步，但這仍然和我們電影中看到的那種智能化程度相去甚遠。目前的人工智能基于大量的數據訓練給出更為準確的回答，但不是智能地思考。

類腦技術正是為了解決人工智能思考的難題，模擬人類大腦處理信息的機制使得計算芯片及相應的硬件系統能夠像人類一樣思考，成為真正意義上的人工智能。

不久前，IBM基于此前TrueNorth類腦芯片的基礎上推出了NorthPole，新的原型設備表現出比目前市場上任何其他芯片更高的能效、更高的空間效率和更低的延遲，并且比TrueNorth 快了近4000倍，能夠幫助終端設備實現神經網絡模仿類似大腦的行為邏輯。

NorthPole，IBM官網

類腦芯片，更高性能下一代人工智能

類腦技術最早起源于八十年代的美國，當時一位生物學家和一位化學家通過半導體晶體管模仿神經元的形態，進而理解生物大腦的工作機制，這是類腦技術的起源。類腦芯片是實現類腦技術的基礎硬件，是基于神經網絡的新的數據存儲和計算技術，通過模擬大腦的工作機理，突破傳統計算處理大型問題時遇到的馮諾依曼瓶頸，可以在顯著提高信息處理速度的同時大幅降低功耗，并且具有自我學習和自適應的能力。

自半導體產業誕生以來，計算芯片主要遵循相同的基本結構，其中處理單元和存儲待處理信息的存儲器是離散存儲的。雖然這種結構帶來了簡單的設計，幾十年來能夠很好地擴展，但它造成了所謂的馮諾依曼瓶頸，需要時間和精力在內存、處理和芯片內的任何其他設備之間不斷來回洗牌數據。

馮諾依曼架構的優勢在于處理串行邏輯和數學問題，但內存和處理器之間的數據傳輸受總線能力的限制。遇到大型處理事件就會出現馮諾依曼瓶頸，需要的處理器要有極高的時鐘頻率并且能耗巨大。我們也看到現在用于運行人工智能系統的硬件的確是越來越強大，但其成本、能耗也是在飆升。

IBM研究院表示，“NorthPole開辟了一條與馮諾依曼架構完全不同的道路”。這顆芯片的速度和效率的大提升來自它所有的內存都在芯片上，每個核心都可以同樣輕松地訪問芯片上的存儲器。這是一個完整的芯片網絡，不再有馮諾依曼瓶頸。該架構模糊了計算和內存之間的界限，根據IBM研究院的說法，“在單個內核的層面上，NorthPole表現為近計算的內存，而從芯片外部的輸入輸出層面，它表現為活動內存”。

根據已經發布的芯片信息，NorthPole采用12納米節點工藝制造，在800平方毫米內包含220億個晶體管。NorthPole一共有256個內核，每個內核單周期內可以執行8bit精度的2048次操作。

基于12納米節點工藝的類腦芯片，性能究竟如何？根據《科學》雜志上公布的測試結果，NorthPole在每焦耳功率所需的幀數上比常見的12納米GPU和14納米CPU的能源效率高出了25倍。每十億個晶體管每秒處理幀數上，NorthPole在延遲和計算所需的空間方面也更出色。在流行的ResNet-50圖像識別和YOLOv4目標檢測模型的測試中，NorthPole表現出的性能均優于目前市面上所有主流架構，包括英偉達4納米工藝GPU。

NorthPole的優勢得益于模糊了計算和內存之間的界限，但這也是限制，任何板載內存的處理都能輕松地實現加速處理，而對其他來源的數據，處理性能則會受限。所以目前來說具有代表性的類腦芯片NorthPole展現出的性能也并不是萬能的，不過它呈現出的效果也指明了一條更快更節能的人工智能道路。

國內類腦芯片進展，推動強智能應用落地

作為更快更節能的下一代人工智能技術，類腦芯片在國內同樣備受重視，近年來一直有不少科研機構和企業在這條賽道上持續突破。上月，中國科學技術大學院士團隊就制備出了基于二氧化釩相變薄膜的類腦神經元器件，并利用金剛石中氮-空位（NV）色心作為固態自旋量子傳感器，探測了神經元突觸在外部刺激下的動態連接，展示了類腦神經系統中多通道信號傳遞和處理過程。

北京靈汐科技作為一家類腦計算技術公司，基于領啟KA200正在大力推進類腦應用的落地，靈汐科技去年曾宣布開始類腦感知端芯片、下一代類腦計算芯片的研發，今年類腦感知芯片工程樣片Lyncam也已經成功點亮。

SynSense時識科技去年加速推動代表產品迭代，今年也開始大力推動類腦芯片在消費電子、智能穿戴、工業檢測等應用領域全面落地。同時，SynSense時識科技延續在類腦視覺技術方面的積累，仍然在繼續深挖高速動態視覺處理技術。今年，SynSense時識科技也推出了基于神經元時序編碼的全新ANN-SNN轉換方法，克服了類腦芯片上因傳統頻率編碼造成突觸操作數過多而導致的較高能耗問題，能夠大大降低類腦芯片上有效突觸操作和存儲訪問，從而顯著降低了類腦芯片的實時推理功耗及延遲。

從目前類腦芯片在應用表現出的性能來看，其高算力低功耗是很突出的，類腦計算會更趨近于強智能應用，它更適用于多模態信息的處理，基于多模態的傳感信息來做端側的推理，對環境進行感應和交互。

獨立供電，由電池驅動，并且會攜帶大量的傳感器，需要做復雜的多模態傳感信息的處理與環境和人進行交互的應用是目前類腦芯片最契合的應用場景。如SynSense時識科技的“感算一體”類腦芯片Speck今年與智能玩具、智能家居等合作伙伴的量產交付計劃正在駛入快車道，微瓦級超低功耗類腦芯片Xylo則在消費電子、智能穿戴、工業檢測等應用領域賦能眾多智能傳感器市場，在無人機、自動駕駛、機器人領域，類腦芯片高速動態視覺處理也在拓展類腦在高速視覺任務/跟蹤、定位、避障等方面的應用空間。

當然，在傳統的數據中心大算力應用上，國內廠商的類腦芯片也在進行相關應用的落地。靈汐科技基于領啟KA200開發的模組、計算加速卡、計算服務器以比傳統GPU更高的計算能效比和較強的模型兼容能力正在大力推進AI＋IDC的產業融合。

前段時間馬斯克旗下的腦機接口公司Neuralink帶火了一波人體植入式設備的熱潮，人體植入式設備應用需要一個既有算力能耗又極低的處理器，未來這也是類腦芯片很有優勢的應用領域。

小結

目前類腦技術的發展非?？?，相關產品的也在不斷實現出現，不過距離其全面落地還存在一些挑戰，成本上還是偏高，同時雖然類腦技術展現出了低功耗和高效處理能力但在成像質量、穩定性等方面存在一些問題。前沿技術的落地總是伴隨著這些困擾，成熟應用落地尚需時日，但可喜的是類腦芯片已經為下一代人工智能指明了一條更快更節能的技術道路。