• 什么是類腦計算

• 突破能耗痛點，看類腦芯片的獨特優(yōu)勢

• 類腦芯片的應(yīng)用場景

• 國內(nèi)外產(chǎn)業(yè)布局及未來前景

點擊收聽大咖談芯現(xiàn)場實錄↓↓↓

什么是類腦計算？

幻實（主播）：本期非常開心能夠通過云連線的方式和來自北京的聽眾溝通，這位聽眾所在的企業(yè)和類腦芯片有關(guān)，他們在類腦計算領(lǐng)域也有一定的話語權(quán)，能夠產(chǎn)出資深的觀點。接下來有請北京靈汐科技的副總經(jīng)理華總來給大家打招呼！

華寶洪（嘉賓）：大家好，我是華寶洪。靈汐科技是一家國內(nèi)專門從事類腦計算的芯片企業(yè)，目前我們已經(jīng)量產(chǎn)了類腦計算芯片KA200，現(xiàn)在正在進(jìn)行產(chǎn)業(yè)化的推進(jìn)和部署。KA200是目前國內(nèi)第一顆異構(gòu)融合的類腦計算芯片，在國際上處于領(lǐng)先地位。非常感謝能有機(jī)會跟大家在云上見面。

幻實（主播）：剛剛您提到了類腦這個詞，我已經(jīng)迫不及待想讓您給大家科普一下什么叫做類腦計算？什么又是類腦計算芯片？

華寶洪（嘉賓）：其實在學(xué)術(shù)界里，類腦計算和傳統(tǒng)的計算是有區(qū)別的，英文名稱是Brain Inspired Computing,更前沿的叫法是Neuromorphic Computing。它是把生物科學(xué)計算和計算機(jī)科學(xué)計算這兩個學(xué)科融合在一起的新興學(xué)科。從本質(zhì)上來講，類腦計算是一個綜合的計算系統(tǒng)。狹義理解，它是支持腦科學(xué)的一種計算方法或計算系統(tǒng)；廣義理解，它包括了類腦芯片、底層編譯器、高層編譯器、類腦學(xué)習(xí)計算框架、類腦應(yīng)用等，是一個從上到下的完整計算體系或者計算系統(tǒng)。

狹義和廣義上的類腦計算 （圖源：智源社區(qū)）

幻實（主播）：這個技術(shù)對我們來說算不算很新？它的發(fā)展的時間有多久？

華寶洪（嘉賓）：從類腦計算本身的角度來說發(fā)展歷程其實挺長的，因為在計算機(jī)出現(xiàn)之前就有了“類腦計算”這個概念和詞匯，只不過當(dāng)時不是用計算機(jī)的形式，而是其他的形式，包括結(jié)合解剖學(xué)方面的原理來做的理論推導(dǎo)、涉及相應(yīng)的數(shù)學(xué)演算等等。計算機(jī)發(fā)展之后，加速了人們在計算方面向腦科學(xué)的學(xué)習(xí)與融合，例如把解剖學(xué)、生物學(xué)的東西結(jié)合進(jìn)來，形成一種新的計算機(jī)系統(tǒng)。

上個世紀(jì)80年代，加州理工學(xué)院（California Institute of Technology ,Caltech）教授卡弗·米德(Carver Mead)最早提出類腦計算的神經(jīng)形態(tài)芯片這一概念，到目前為止，市面上陸陸續(xù)續(xù)已經(jīng)出現(xiàn)了很多種類的類腦芯片。

最開始出現(xiàn)的是1990年美國斯坦福的Si Neuron。從2005年到2008年，以美國為代表的西方國家陸陸續(xù)續(xù)在這個領(lǐng)域產(chǎn)出成果，一直保持相對領(lǐng)先的水平，尤其是2006年英國的曼徹斯特大學(xué)推出了SpiNNaker芯片，它是基于純ARM架構(gòu)的類腦計算芯片，給后續(xù)的類腦計算做出了非常好的表率。

2011年，德國海德堡大學(xué)推出了一款類腦芯片叫做BrainScaleS。在2013年前后，IBM推出了TrueNorth。這幾款都是類腦計算芯片里比較有代表性的產(chǎn)品。2018年前后，X86頭部企業(yè)Intel推出了他們的第一款類腦計算芯片Loihi，引起了學(xué)術(shù)界的廣泛關(guān)注。

類腦芯片歷史發(fā)展進(jìn)程 （來源：靈汐科技提供）

從整體發(fā)展歷程來看，從上世紀(jì)九十年代初一直到現(xiàn)在，類腦芯片產(chǎn)品一直是國外在做，那國內(nèi)的情況是什么樣呢？

2013年開始，清華大學(xué)類腦計算研究中心開始著手此類研究，2015年推出了第一款“天機(jī)”芯片，2017年出了第二代，目前已經(jīng)是第三代。靈汐科技擁有核心技術(shù)與專利，是“天機(jī)”類腦芯片從基礎(chǔ)研究成果轉(zhuǎn)化成應(yīng)用技術(shù)、再到產(chǎn)業(yè)化落地的企業(yè)。對比國內(nèi)外的情況，基本處于同步發(fā)展階段。盡管我國起步較晚，但類腦計算領(lǐng)域整體的技術(shù)水平，尤其是異構(gòu)融合方面實際上已經(jīng)領(lǐng)先國外了。

突破能耗痛點，看類腦芯片的獨特優(yōu)勢

幻實（主播）：聽您這樣說，似乎國內(nèi)離最先進(jìn)產(chǎn)品的距離也不是特別遙遠(yuǎn)。那么從技術(shù)實現(xiàn)性上來說，它的難度大不大？當(dāng)年有一件火爆到出圈兒的事件就是Alpha Go和李世石的圍棋爭霸戰(zhàn)，人工智能在與人腦的博弈中具備了更優(yōu)秀的表現(xiàn)，可是這種成績是建立在1202個CPU、176個GPU、150KW的能耗基礎(chǔ)上才取得的。在低碳節(jié)能的時代，不可能用這樣大的能耗去做這種處理和計算，那么類腦芯片是否也是類似于Alpha Go的方案？它對能源的消耗又是怎樣的？

華寶洪（嘉賓）：這是個很好的問題，也是現(xiàn)在類腦計算需要解決和突破的問題。目前我們處在人工智能發(fā)展的新階段，但面臨的問題以及在未來會遇到的挑戰(zhàn)都是很明顯的。

人工智能發(fā)展到今天，大家都在討論一個問題：為什么人工智能可以取得很多成就？歸結(jié)起來無非是三個因素——三駕馬車：算法、大數(shù)據(jù)、算力。隨著算法被設(shè)計的越來越復(fù)雜、算力越做越大，產(chǎn)生的數(shù)據(jù)量也越來越多，只要有足夠多的算力、數(shù)據(jù)和算法，就能用人工智能來解決很多問題。

但代價是什么呢？是巨大的功耗。超算中心的功耗非常大，動輒兆瓦起步。有一個很形象的比喻，“開一個超算中心能‘吃掉’半個核電站的電能”。在當(dāng)前雙碳經(jīng)濟(jì)社會中，要提高能耗比，在單位功耗里就得盡可能地有效輸出計算能力。這給現(xiàn)有的人工智能發(fā)展帶來很大的挑戰(zhàn)，現(xiàn)在的大數(shù)據(jù)、各種層出不窮的算法并沒有從根本上解決人工通用智能的問題，它帶來的最大負(fù)面影響就是能耗。所以，國家發(fā)改委、工信部對能耗指標(biāo)都有要求，比如PUE指標(biāo)必須低于1.25以下才能建。人腦的功耗是20瓦，相當(dāng)于一只電燈泡的功耗，而我們卻能用這20瓦去做很多算力不能做的工作。所以未來的人工智能發(fā)展，我認(rèn)為重點不是要去解決大算力和多算法的問題，而是要思考如何向人腦學(xué)習(xí)，在提高算力的同時又降低功耗。

人腦與電腦的關(guān)系映射 （圖源：靈汐科技提供）

人腦可以舉一反三，但計算機(jī)做不到舉一反三，它只能舉一反一。讓計算系統(tǒng)具備像人腦一樣的思考問題和解決問題的能力，是人工通用智能的終極目標(biāo)。人腦是碳基的，電腦芯片是硅基的，我們希望在硅基上實現(xiàn)碳基人腦思考的能力。這也是做類腦芯片的出發(fā)點，希望能夠模擬人腦低功耗的特點，去實現(xiàn)復(fù)雜的計算和處理。比如靈汐科技前不久量產(chǎn)的KA200類腦芯片，單芯片功耗低于15瓦，整個芯片的能效比輸出非常高，能夠達(dá)到2TOPS/W以上。

此外，類腦計算芯片還可以助力構(gòu)建新的計算系統(tǒng)，像人腦一樣進(jìn)行神經(jīng)元計算和生物動力學(xué)計算。人腦的神經(jīng)元是多少呢？850億個，類腦計算要在硅基上做碳基神經(jīng)元的模擬。研發(fā)類腦計算芯片是希望去解決人工通用智能面臨的一些困境。第一個是算力的困境，第二個是場景的困境，現(xiàn)在的AI系統(tǒng)無法處理復(fù)雜的動態(tài)和不確定的場景，原因是現(xiàn)有的AI系統(tǒng)使用的是真實數(shù)據(jù)被處理后再被窮舉的辦法，然而真實的世界是不能被窮舉的；第三個要是能耗困境，目前通用計算使用的CPUGPU等，算力與能耗成正比。類腦計算就是要去解決這三種困境。

類腦芯片的應(yīng)用場景

幻實（主播）：未來的數(shù)據(jù)時代都會遇到這三種困境，但同時我們也知道芯片的細(xì)分非常強(qiáng)，有ASIC芯片，也有專門處理圖形的GPU等等，您談及的類腦芯片，在您看來在什么場景下或領(lǐng)域中會有特別獨到的優(yōu)勢？類腦芯片會“動別人的奶酪”嗎？

華寶洪（嘉賓）：類腦計算設(shè)計之初瞄準(zhǔn)的主戰(zhàn)場是什么？是類腦計算和大規(guī)模腦仿真。面向的是模擬生物腦動力計算等場景，類腦芯片通過對人類大腦的微觀單元，如神經(jīng)元、突觸、離子通道等進(jìn)行生物建模，構(gòu)建神經(jīng)網(wǎng)絡(luò)復(fù)雜的數(shù)學(xué)系統(tǒng)，實現(xiàn)大規(guī)模腦仿真。

這里有很多問題需要解決，比如生物腦動力學(xué)的計算，一億以上的神經(jīng)元如何大規(guī)模互聯(lián)建模？在毫秒級和亞毫秒級顆粒度下，如何實現(xiàn)快速腦仿真等。

下一步，是實現(xiàn)更實際的應(yīng)用。比如說探究腦疾病的形成過程，獲取生物腦的一些工作原理，比如嘗試研究人的記憶是怎樣產(chǎn)生的？人的情感受到哪些因素的影響……這些以往要靠動物實驗獲得的數(shù)據(jù)，我們希望能通過類腦計算芯片和類腦計算仿真平臺就能得到。

類腦芯片在腦仿真這方面有著得天獨厚的優(yōu)勢，能夠更快更準(zhǔn)地實現(xiàn)場景模擬。比如使用超級計算機(jī)或CPUGPU去做生物腦仿真的建模，1秒鐘生物腦活動可能需要200秒到500秒的時間才能做完，而用類腦計算芯片不會超過5秒。類似這種場景仿真速度可以提高一到兩個數(shù)量級，能加快人類對大腦的理解進(jìn)度。我們并不是去解決生物學(xué)或者醫(yī)學(xué)中的學(xué)術(shù)問題，而是給生物學(xué)和醫(yī)學(xué)提供一個加速研究的平臺，借助這個平臺，在腦仿真領(lǐng)域獲取更多的實驗數(shù)據(jù)和觀測數(shù)據(jù)。

幻實（主播）：聽起來好科幻，讓我想起了《三體》里邊的情節(jié)，有一個面壁人就是研究腦科學(xué)，描述了這樣一種方向。您在講述的時候我其實就在回想了，原來現(xiàn)在已經(jīng)有團(tuán)隊真的在做這件事了，讓我覺得有些震驚，原來科幻真的可以走進(jìn)現(xiàn)實。

華寶洪（嘉賓）：舉一個有意思的例子，我們在跟復(fù)旦大學(xué)馮老師團(tuán)隊合作做生物腦的數(shù)字孿生，借助大規(guī)模的腦仿真計算，讓人腦在電腦里實現(xiàn)數(shù)字化孿生。孿生出的數(shù)字腦能夠在情感表達(dá)和某些情緒反饋上，和真實的人腦會有80%相同或相近。這意味著什么呢？人的思維和情緒表達(dá)會被數(shù)字腦孿生出來，當(dāng)某一天人腦衰老時，數(shù)字腦依然年輕。這或許是我們做腦仿真或者腦科學(xué)計算領(lǐng)域最夢幻的一個夢想。

在健康領(lǐng)域，未來腦疾病的治療將可能有重大突破。國外已經(jīng)有在研究和部署腦機(jī)接口了，就是把芯片植入到腦里去，獲取腦活動信息、腦電波等信息來觀測大腦的健康信息。

我們現(xiàn)在做的更多的是通過大規(guī)模腦仿真來還原、仿真、模擬計算探究腦疾病。比如帕金森癥的形成過程，嘗試獲取在病變過程中生物神經(jīng)元、動力學(xué)計算等領(lǐng)域有哪些改變？可以通過哪些藥物來進(jìn)行針對性的治療？搞清楚形成機(jī)制、機(jī)理，將來的治療手段才會更加準(zhǔn)確和高效。這是第一個應(yīng)用。

類腦芯片的幾種不同類型 （圖源：智源社區(qū)）

除了獨特的腦仿真、腦科學(xué)領(lǐng)域之外，在傳統(tǒng)AI領(lǐng)域，類腦芯片也表現(xiàn)優(yōu)異，比如在常規(guī)的圖像視頻識別、自然語言理解等領(lǐng)域提供高能效比的解決方案。現(xiàn)在的智慧城市、智慧醫(yī)療包括智能制造等應(yīng)用都可以遷移過來。這是第二個應(yīng)用。

第三個應(yīng)用方向是新興的類腦計算。是將傳統(tǒng)的人工智能和腦科學(xué)結(jié)合起來的計算，即異構(gòu)融合，融合生物神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)。融合之后能處理比如高速動態(tài)場景的小樣本學(xué)習(xí)，以及在線學(xué)習(xí)等場景，而這些目前仍是傳統(tǒng)人工智能領(lǐng)域面臨的一個痛點。

國內(nèi)外產(chǎn)業(yè)布局及未來前景

幻實（主播）：聽完您說的我感到非常激動，類腦計算不管是從腦的計算和使用上，還是對于腦部疾病患者的福音上，都能提供一種很好的解決方案。那么我也想了解一下，它現(xiàn)在的產(chǎn)業(yè)化程度怎么樣了？國內(nèi)往這個方向發(fā)展的公司進(jìn)展如何，現(xiàn)實情況是什么？

華寶洪（嘉賓）：從誕生之初，類腦計算就承載著和傳統(tǒng)計算不一樣的歷史使命。從本質(zhì)看，它是非傳統(tǒng)架構(gòu)的計算；從未來的產(chǎn)業(yè)發(fā)展趨勢看，異構(gòu)融合是走向人工通用智能的一個重要方法和重要手段。清華大學(xué)類腦計算研究中心推出的“天機(jī)”一代，是最早的在一顆類腦計算芯片里把傳統(tǒng)人工智能和腦科學(xué)的脈沖神經(jīng)網(wǎng)絡(luò)融合在一起的芯片，這是世界的首創(chuàng)。“天機(jī)”二代異構(gòu)融合的架構(gòu)在2019年登上了nature的封面，引起了全球的關(guān)注。

《自然》雜志當(dāng)期封面圖 （圖源：網(wǎng)絡(luò)）

英特爾在2018年推出了Loihi，它只能做傳統(tǒng)的生物神經(jīng)網(wǎng)絡(luò)計算，由128個Neuromorphic Core （神經(jīng)形態(tài)的核心）外加3個低功耗的英特爾X86核心組成。 在2021年Intel發(fā)布了Loihi2，參考了天機(jī)二代的異構(gòu)融合架構(gòu)，在支持傳統(tǒng)的生物神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，也開始支持人工神經(jīng)網(wǎng)絡(luò)。

被譽為ARM之父的Steve Furber也在歐洲自然科學(xué)基金的資助下開發(fā)了神經(jīng)形態(tài)芯片SpiNNaker，其升級版SpiNNaker2也是借鑒了融合的概念，既支持生物腦動力學(xué)的生物神經(jīng)網(wǎng)絡(luò)，也支持傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)。國際大廠Intel和ARM都延續(xù)了天機(jī)芯的異構(gòu)融合概念，可以看出國內(nèi)外一致認(rèn)為異構(gòu)融合是走向人工通用智能的有效手段。

現(xiàn)在大家都在談芯片的封裝、芯片的制程、異構(gòu)計算等老生常談的概念。這些概念從本質(zhì)上講，并不能從根本上解決高能效比、小樣本學(xué)習(xí)等問題。在行業(yè)導(dǎo)向和市場需求的雙重驅(qū)動下，傳統(tǒng)的馮·諾依曼架構(gòu)和非馮·諾依曼架構(gòu)的異構(gòu)融合架構(gòu)，會是推動現(xiàn)有人工智能走向新一代的重要引擎。

一方面，傳統(tǒng)的馮·諾依曼架構(gòu)芯片會繼續(xù)往前走，從7nm到5nm，制程越來越高，封裝也會越來越先進(jìn)。另外一方面是非馮·諾依曼架構(gòu)的芯片，通過架構(gòu)的創(chuàng)新來滿足生物神經(jīng)網(wǎng)絡(luò)、傳統(tǒng)人工網(wǎng)絡(luò)和新型混合神經(jīng)網(wǎng)絡(luò)等領(lǐng)域的規(guī)?；褂眯枨螅o用戶提供更具性價比和競爭力的產(chǎn)品。

類腦系統(tǒng)的框架 （圖源：智源社區(qū)）

我國在計算領(lǐng)域里面有兩個顛覆性的技術(shù)，一個是量子計算，另一個就是類腦計算。如何讓現(xiàn)有的芯片去滿足用戶已有的投資？

用戶已有的投資是什么？就是在傳統(tǒng)的AI領(lǐng)域所投資的資產(chǎn)，包括算法、模型、數(shù)據(jù)，希望把更多的資產(chǎn)用起來。類腦芯片在表現(xiàn)出能效比和性價比會更高，同時我們也會在計算這個領(lǐng)域里引入異構(gòu)融合的概念，去解決小樣本學(xué)習(xí)、在線學(xué)習(xí)等傳統(tǒng)AI面臨的挑戰(zhàn)。我們希望能給大家提供軟件技術(shù)平臺、硬件技術(shù)平臺和路線圖，讓更多的合作伙伴在這個領(lǐng)域里去做更好的延伸。

在面向腦科學(xué)和腦計算領(lǐng)域。我們國家啟動了中國腦計劃項目。我們也做了很多工作，包括和科研機(jī)構(gòu)、高校一起探索并推進(jìn)如何構(gòu)建10億、100億和800億規(guī)模的神經(jīng)元集群。

類腦計算在未來會給大家?guī)砗芏嗥诖驼駣^人心的好消息，國內(nèi)外現(xiàn)在都在瞄著這個方向做。

幻實（主播）：如果讓您用一句話來做最終的倡導(dǎo)，您會倡導(dǎo)什么？

華寶洪（嘉賓）：施路平老師有句話，可以作為類腦計算宗旨：在碳基上實現(xiàn)的智能，硅基上一定也可以實現(xiàn)。這就是我們類腦計算所追求的目標(biāo)。

幻實（主播）：這是一個堅定的信念，不是單純的模擬芯片能夠概括的復(fù)雜度，我很期待。集成電路發(fā)展的時間雖然不長，但幾十年來造就了我們整個時代太多的神奇和奇跡般的感受，說不定未來人腦的構(gòu)成真的可以用硅基的方式解析出來，讓我們更加理解我們自身，理解人類的文明和人類的智慧。

華寶洪（嘉賓）：人腦其實是最有魅力的一個智能體。如何讓現(xiàn)有的計算系統(tǒng)向最完美的智能體去學(xué)習(xí)，這是現(xiàn)在類腦計算一直在追求的目標(biāo)。

幻實（主播）：好的，今天非常感謝華總跟我們分享了這么多，期待你們在這個領(lǐng)域能有更多的好消息，到時候歡迎再來芯片揭秘做客！

華寶洪（嘉賓）：感謝大家，我是北京靈汐科技的華寶洪，我在芯片揭秘等著你。

人腦是自然界中最完美的信息處理系統(tǒng)，而類腦計算則借鑒人腦處理信息的方式，以更少的器件、更低的功耗和更高的能效比來顛覆傳統(tǒng)計算范式，引領(lǐng)人工智能的新變革。當(dāng)前，盡管類腦計算行業(yè)還處在突圍階段，但市場前景已經(jīng)愈發(fā)明朗。根據(jù)Yole預(yù)測，2035年類腦計算市場將占據(jù)人工智能市場總收入的15%-20%，市場規(guī)模約200億美元。

短期來看，類腦芯片應(yīng)扎根端側(cè)智能市場，發(fā)揮自身低功耗、高能效的優(yōu)勢，開發(fā)并創(chuàng)造更多的應(yīng)用場景；長期來看，想要迎來商業(yè)價值的釋放，不但要在產(chǎn)業(yè)端進(jìn)一步控制類腦芯片的制造成本，還需要從科研端入手，從系統(tǒng)結(jié)構(gòu)上發(fā)展類腦計算的完備性，向通用計算領(lǐng)域優(yōu)化拓展。