从IBM研究到百度投资，探寻类脑芯片产业路上的丰收与荆棘

　　这款名为“达尔文”的芯片面积比硬币还小，它就像一个简化的大脑，上面集成了2048个用硅材料制成的仿生神经元，可支持超过400万个神经突触和15个不同的突触延迟。“达尔文”芯片的工作方式非常接近人脑，它通过外界接收并积累刺激，产生脉冲信号来传递和处理信息。芯片最多可支持2048个神经元、400多万个神经突触及15个不同的突触延迟。

　　据了解，这款芯片即将应用于智能硬件、机器人、神经信号处理、脑机融合系统等领域，它可作为脉冲神经网络模型与算法高效的硬件运行载体，建立类脑智能系统。

　　2017年5月，清华大学微电子所钱鹤、吴华强课题组发表了题为《使用电子突触阵列实现人脸识别》的研究成果，里面提到将氧化物忆阻器的集成规模提高了一个数量级，首次实现了基于1024个氧化物忆阻器阵列的类脑计算。

　　这项成果的一大突破是在最基本的单个忆阻器上实现了存储和计算的融合，采用完全不同于传统“冯·诺依曼架构”的体系，可以使芯片更加高效地完成计算任务，使能耗降低到原千分之一以下。

　　如今，国内的寒武纪神经网络芯片、深鉴科技的DPU等产品都是类脑科技在芯片上的应用。可以毫不夸张的说，未来企业想成为AI领域的领导者，没有类脑芯片技术的加持，将举步维艰。

　　虽然类脑科技有着很好的应用前景，目前也取得了很多成就，但是它离真正的产业化仍有很大的距离。

     当前类脑芯片产业化面临的痛点

　　对于类脑芯片产业而言，目前主要面临的难题来自于四个方面，一是类脑芯片的单晶硅材料和忆阻器等技术有待突破;二是对脑的观测和工作机制了解不够;三是类脑芯片的研究门槛高，人才和企业队伍缺失;四是类脑芯片的工程化难题。

　一、类脑芯片材料的缺失

　　目前类脑芯片研制的挑战之一是在硬件层面上模仿人脑中的神经突触，在设计人造突触时通常用施加电压的方式来模拟神经元中的信息传输。但这种技术存在一个难题，由于大多数由非晶材料制成的人造突触中，离子通过的路径有无限种可能，难以预测离子究竟走哪一条路，造成不同神经元电流输出的差异。

　　科学家们研究了基于CMOS和忆阻器实现人工神经网络，但对忆阻器的逻辑完备性、计算复杂度、级联、可重构等性能要求很高，从忆阻器理论出发，神经元模型中的钙离子和钾离子通道由易失性忆阻器构成，对忆阻器的频率依赖严重，满足类脑芯片的单晶硅和忆阻器等材料技术仍有待突破。

　　二、对脑的观测和认识不够

　　类脑芯片的研究在于直接在微芯片上模拟生物神经元和突触的属性，做到这一点面临的主要挑战，是配置由人造神经元组成的网络，让其能执行特定的任务。类脑芯片的架构是模拟人脑的新型芯片编程架构，这种芯片的功能类似于大脑的神经突触，处理器类似于神经元，而其通讯系统类似于神经纤维，通过这种神经元网络系统，计算机可以感知、记忆和处理大量不同的情况。

　　因为人脑是由140亿个脑细胞组成，每个脑细胞可生长出2万个树枝状的树突用来计算信息，人脑神经细胞功能间每秒可完成信息传递和交换次数达1000亿次。用半导体材料模拟脑细胞和突触的功能来设计芯片，由于人类对于脑的研究远远不够，这样的芯片在性能上远远达不到“人脑”的要求。

　　三、类脑芯片的研究门槛高，人才和企业队伍缺失

　　类脑芯片技术有很多难点，它本身有着很强的技术门槛，据不完全统计，目前从事类脑芯片研究队伍(包括企业和研究机构)不到一百家，整个团队仍不强大，全球研究这门技术人才远远不够撑起整个产业。

　　必须承认的是，类脑芯片是一门涉及电子、人工智能、材料、神经学等多学科的综合技术，对顶层设计人才的全面要求很高，目前行业很缺这样的人才。

　　四、类脑芯片的工程化难题

　　因为类脑芯片的脉冲神经网络特性决定了异步电路是脉冲神经网络神经元间大量互联以及通讯的最有效形式，对于某些需要复杂模型的SNN网络，模拟运算以及数模混合电路会是最优的解决方案。

　　aiCTX公司CEO乔宁博士认为，当前类脑芯片在走向应用的过程中面临着工程化的难题。对于不同的应用，类脑芯片处理器的产业化进程会有所不同，这对于中下游企业而言，芯片在不同场景下的兼容性和性能也会有所不同，目前尚未出现真正产业化的通用类脑芯片。  

     aiCTX公司对国内厂商的启示

　　类脑芯片产业的前景不可估量，但同时也给企业带来很大的挑战，毕竟有很多现实的难题需要去解决。对于国内厂商而言，挑战和机遇并存，国内对类脑芯片的研究仍处在起步阶段，还需要很长时间的技术积累，但aiCTX公司的发展给行业带来了很好的启示。创业型企业亦可成为推动类脑芯片产业化的中坚力量，这从aiCTX公司的发展就可以看出来。

　　乔宁博士表示，作为一家初创企业，aiCTX公司没有理由碾压IBM，这并不现实，IBM和英特尔的芯片是做基础研究和通用架构。aiCTX公司的优势是针对具体应用的专用芯片，因而在应用场景上，功耗，性能以及集成度方面会有很大提升。

　　类脑芯片的出现是为了帮助我们解决生活中遇到的难题，其最终的理想状态是应用到生活中各个领域，如手势或语音控制的智能家居、面部识别的移动设备、实时的ECG健康检测、无人车的目标识别等，这些场景都需要类脑芯片的支持。

　　要实现类脑芯片的产业化，除了需要上面提到的行业巨头和科研机构，也需要更多国内企业的加入，让类脑芯片技术早日改变我们的生活。

　　总结：

　　自从人工智能的概念被提出，人们对芯片算力和智能的要求更高，类脑芯片的横空出世让研究人员眼前一亮，很多企业和研究机构积极推动产业的发展，甚至有人认为它是人工智能的终极目标。一直以来，神经形态计算领域的研究人员都希望能将人脑的能力“复制”到计算机芯片。这样的于人脑芯片与现在基于二进制进行计算的数字芯片不同，其元件将以模拟的方式进行工作，通过交换梯度信号或权重信号来激活，非常类似神经元依靠流过突触的离子种类和数量来激活。

　　类脑芯片的本质是模拟人脑工作原理实现深度学习，进而解决极其复杂的计算问题。目前类脑芯片离真正成熟的商用还有一段距离，甚至在产业化中面临很大的风险系数，但从长期来看，它可能带来计算机体系的革命和架构的变革。正是上面这些科研机构和企业的推动，它们的成果让这个想法变成了现实。类脑芯片非常具有想象空间，就像专家说的那样，成熟的类脑芯片有可能长出眼睛，像人一样辨别图像，这真是太神奇了。未来，笔者相信会有更多的企业和人才加入到这个产业之中，一起推动类脑芯片的产业化，让这门技术早日改变我们的生活。