我国在类脑智能计算技术领域迈出新的一步！

9月1日，浙江大学联合之江实验室在杭州发布一款包含1．2亿脉冲神经元、近千亿神经突触的类脑计算机Darwin Mouse。

据了解，这是我国第一台基于自主知识产权类脑芯片的类脑计算机，该计算机使用了792颗由浙江大学研制的“达尔文二代”类脑芯片，支持1．2亿脉冲神经元、近千亿神经突触，神经元数量规模相当于小鼠大脑，典型运行功耗只需要350－500瓦。值得一提的是，Darwin Mouse也是目前国际上神经元规模最大的类脑计算机。

研究团队还针对类脑计算机研发出了专用的操作系统——达尔文类脑操作系统（DarwinOS），实现对类脑计算机硬件资源的有效管理与调度，支撑类脑计算机的运行与应用。

“应急救援、听歌识曲、意念输入”样样精通

类脑计算机到底有什么作用？在现场展示中，多个机器人以类脑计算机为智能中枢，展示了抗洪抢险场景下的协同工作。3台外形相似的机器人，分别承担巡逻、抢险、营救任务，各自功能都有所不同，可通过不同脑区来操控，给1、2、3号机器人下达不同的指令。

图片源自浙江大学官微

听歌识曲同样是Darwin Mouse的拿手好戏，工作人员只需要哼唱出一首歌中的两居，类脑计算机可通过模拟海马体记忆机制，实现对大脑内部记忆信息的存取，将后续的歌曲内容“唱”出来。除了记忆提取以外，还能借鉴海马体网络结构以及神经机制建立记忆模型架构，通过记忆的脉冲编码，同一模型就可以学习与记忆语音、歌曲、文本等不同类型数据。

图片源自浙江大学官微

借助类脑计算机，研究人员还实现了脑电信号的稳态视觉诱发电位实时解码，可“意念”打字输入。

类脑计算：颠覆传统计算架构的新型计算模式

据研究团队负责人、浙江大学计算机学院教授潘纲介绍，用硬件及软件模拟大脑神经网络的结构与运行机制，构造一种全新的人工智能系统，这种颠覆传统计算架构的新型计算模式，就是类脑计算。其特点在于存算一体、事件驱动、高度并行等，是国际学术界与工业界的研究焦点，更是重要的科技战略。

中国科学院院士、浙江大学校长吴朝晖表示，类脑计算机将成为未来计算的主要形态和重要平台，将在模拟脑功能、高效实现AI算法、提升计算能力等方面发挥重要的独特作用。面向未来，学科交叉会聚将成为解决重大问题的新方法，基于多学科、多领域的系统创新将成为研制类脑计算机的有效形式。“我们希望能够借鉴脑的结构模型和功能机制，将脑科学的前沿成果应用到人工智能等研究领域，从而建立起引领未来的新型计算机体系结构。”

据OFweek电子工程网了解，早在2015年，浙江大学就牵头研制了“达尔文一代”类脑芯片，模拟神经元LIF模型，比传统神经网络具有更强的生物真实性，这也是国内首款神经拟态类脑芯片。

2019年，“达尔文二代”类脑芯片诞生，单芯片由576个内核组成、支持15万神经元、1000万个神经突触，在神经元数目上相当于果蝇的神经元数目。通过芯片级联可构建千万级神经系统，达到TrueNorth芯片类似规模，但可模拟比TrueNorth更高精度的突触。该芯片也是国内目前已知的单芯片神经元规模最大的脉冲神经网络类脑芯片。

类脑智能的探索，类脑芯片与传统芯片有何不同？

类脑智能，也就人们常提到的类脑计算。在上世纪80年代末，美国科学家Carver Mead首次提出类脑计算的概念。类脑计算这一想法摆脱了传统的计算模式，模仿人类神经系统的工作原理，渴求开发出快速、可靠、低耗的运算技术。

从本质上来说，类脑智能就是人工智能的终极目标，但归根结底，人脑的复杂程度是类脑智能永远不可能完全复制得了的。因此，类脑智能更多的是希望借鉴人类大脑的工作机理，模拟出能和人类一样具有思考、学习能力的计算机。

图片源自浙江大学官微

类脑计算机的出现，为类脑智能研究道路带来了巨大助力。类脑计算机的运行方式，跟人们的大脑非常相近，重点体现在两方面：

1、神经元的模型，类脑计算机通过模仿人类大脑建立出精确的模型；

2、神经网络之间的信息传递，利用生物大脑中脉冲的方式进行传递。

在2019年中国科学报社和网易新闻共同发布的2019未来科技十大事件中，“类脑芯片”赫然在列。作为类脑智能探索道路上的关键技术，类脑芯片的出现，更是为人们所看好。

类脑芯片与依赖二进制计算的数字芯片有很大不同，类脑芯片的工作原理类似流过突触的离子种类和数量来激活神经元，通过交换梯度信号或权重信号，达到模拟人脑的目的；而传统芯片依循冯．诺依曼架构而设计的，由于存储与计算在空间分隔开来，因此计算机在运算时需要在CPU和内存这两个区域往复调用，频繁的数据交换不仅导致了海量信息处理效率低下，在工作时也造成了功耗消耗严重。

因此，类脑芯片就是基于微电子技术和新型神经形态器件的结合，希望突破传统计算架构，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。

世界顶级科研机构在类脑芯片的研究布局

目前类脑智能领域尚处于初期，距离正式商业化还有很长的距离，这也是无数世界顶级科研机构正在积极布局的地方，谁能拔得头筹，就能率先夺得未来话语权。

IBM，世界上最早研究类脑芯片的公司。在2011年，IBM公司模拟大脑结构，打造出一代具有感知能力的硅芯片模型“TrueNorth”，它能够像大脑一样学习和处理信息，根据相应神经元连接路径进行重组；2014年，IBM在DARPA投资一亿美元的“神经形态自适应可塑可扩展电子系统”项目的支持下开发出“TrueNorth”第二代类脑芯片，采用28nm硅工艺技术，神经元数增至100万个，相比前代提高了3906倍，可编程突触数量提高了976倍，每秒可进行460亿次突触计算，总功耗仅70毫瓦。

高通，人们熟悉高通或许是因为其骁龙移动芯片，但是少有人知道高通在类脑芯片上的布局也很深远。2015年高通正式上市了一款名为“Zeroth”的类脑芯片，人们可以用传统编程语言对其进行程序编写，并利用“NPU训练”终端实现类似人类的运动和行为。

谷歌，在2014年提出了机器学习模型：神经网络图灵机（Neural Turing Machines， NTM）。直白点说就是通过核心芯片研发超级计算机，融合传统图灵机和神经网络优势，可在存储信息的同时从信息中学习新知识，并利用新知识执行逻辑任务。

英特尔，芯片界的老大哥，同样没有错过类脑芯片的研究。英特尔基于横向自旋阀和忆阻器两种技术设计出了神经形态芯片，前者能根据通过的电子自旋方向开关，后者工作方式类似神经元，能复制出大脑处理能力。该芯片当时普遍为外界看好，增长潜力巨大。

除了上述企业以外，不少学术机构也参与了类脑芯片的研发，比如斯坦福大学在2014年推出的“Neurogrid”类脑芯片，速度约为普通电脑的900倍，产品原型由16个定制芯片组成，能够模拟100万个大脑神经元以及几十亿个突触连接。

我国清华大学类脑计算研究中心施路平教授带领的团队，也曾在去年推出全球首款异构融合类脑芯片“天机芯”（Tianjic）占据了热搜。据了解，这种混合芯片有多个高度可重构的功能性核，可以同时支持机器学习算法和现有类脑计算算法。

各国抢占前沿制高点，类脑智能技术能带来什么

由于类脑芯片巨大的发展潜力和广阔的市场前景，类脑智能技术已成为各国科技战略重点和力推的核心科技发展领域。随着美日德英等发达国家类脑研究发展战略的出台，中国的类脑科学研究项目也已经正式启动。

从全球范围来看，日本最早在2003年就开启了脑科学与教育相关项目，面向教育理论和实际应用进行研究；美国从2012年开始致力于类脑技术研究，从卫生研究院到情报研究局再到国防研究局，多个领域多个方向开始着手类脑科学研究；欧盟于2013年启动了“欧盟人脑计划”项目，旨在建立一套基于神经科学的最新的、革命性的信息通信技术，建造一种模拟神经元功能的芯片，并将这种芯片用于建造超级计算机系统。据悉该计划整体投资11．9亿欧元，将持续十年。

同样，在2013年，中国也开启了“脑科学与类脑科学研究”（Brain Science and Brain－Like Intelligence Technology），简称“中国脑计划”，主要有两个研究方向：以探索大脑秘密、攻克大脑疾病为导向的脑科学研究以及以建立和发展人工智能技术为导向的类脑研究。这些技术体现神经标记和神经环路示踪技术、大脑成像技术、神经调节技术、神经信息处理平台等方面。按照从“研究”到“应用”的顺序，可将脑科学及类脑人工智能的研究内容划分为四大部分：1、大脑神经网络分析；2、认知机制计算模拟；3、类脑智能算法创新；4、类脑智能技术应用创新。

类脑智能技术能带来什么？此前有人会认为类脑智能就是人工智能，实际上两者并不适宜划等号，类脑智能只是人工智能技术中的一种。作为一种模仿人脑结构存储、处理信息方式发展起来的新技术，类脑计算算是人工通用智能的基石。

由于其强大的计算能力和信息处理能力，类脑芯片带动了以类脑计算为核心的人工智能算法、智能感知等相关技术，在智慧家庭、智慧城市、智慧医疗、智能机器人等AI应用上得到了广泛应用。

类脑研究面临的重要挑战

由于做类脑研究需要基于对人类大脑的深入认知，而大脑作为人体内最复杂神秘的器官，有上亿个不断发出电信号的神经元组成密密麻麻的网络，已经困扰了科学家几个世纪。虽然近10年来，人们对这个神秘器官的认知迅速增长，但大脑的终极奥秘依然是一个谜团。

因此，类脑研究当前面临最大的难题就是对大脑功能认知的缺乏，还需要更先进的大脑观测手段和同步调控技术；其次，类脑计算用脉冲神经网络来代替大脑的神经元模型信息传递原理，但这还处在初级感知层面，在更高级的大脑处理能力方式上，类脑计算依然模糊不清，要想把大脑复杂的信息传递和处理过程转化成计算模型，非常艰难；受制于芯片工艺、材料工艺、功耗等条件的限制，类脑计算芯片在硬件条件上难以实现大规模神经元互连集成和神经元脉冲信息高效实时传输，这点有待突破；最后是类脑芯片的学习能力，在记忆、存储、推理等方面类脑芯片已经有所成就，而“学习”是智能的核心，还需要更深层次的代码逻辑、算法机制来完善。

总而言之，尽管当前类脑芯片无论在规模还是智力上与真实的人脑仍存在很大差距，但是它也具备人脑无法企及的优势。如今，全世界类脑科学研究的新赛道已经形成，相信接下来会涌现出不少颠覆性理论和革命性技术成果。