異構+融合，探索類腦計算芯片的藍海市場

• 什么是類腦計算

• 突破能耗痛點，看類腦芯片的獨特優(yōu)勢

• 類腦芯片的應用場景

• 國內外產業(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，他們在類腦計算領域也有一定的話語權，能夠產出資深的觀點。接下來有請北京靈汐科技的副總經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專門從事類腦計算的芯片企業(yè)，目前我們已經量產了類腦計算芯片KA200，現(xiàn)在正在進行產業(yè)化的推進和部署。KA200是目前國內第一顆異構融合的類腦計算芯片，在國際上處于領先地位。非常感謝能有機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）：其實在學術界里，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。它是把生物科學計算和計算機科學計算這兩個學科融合在一起的新興學科。從本質上來講，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、類腦學習計算框架、類腦應用等，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，因為在計算機出現(xiàn)之前就有了“類腦計算”這個概念和詞匯，只不過當時不是用計算機的形式，而是其他的形式，包括結合解剖學方面的原理來做的理論推導、涉及相應的數(shù)學演算等等。計算機發(fā)展之后，加速了人們在計算方面向腦科學的學習與融合，例如把解剖學、生物學的東西結合進來，形成一種新的計算機系統(tǒng)。

上個世紀80年代，加州理工學院（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)在這個領域產出成果，一直保持相對領先的水平，尤其是2006年英國的曼徹斯特大學推出了SpiNNaker芯片，它是基于純ARM架構的類腦計算芯片，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，引起了學術界的廣泛關注。

類腦芯片歷史發(fā)展進程 （來源：靈汐科技提供）

從整體發(fā)展歷程來看，從上世紀九十年代初一直到現(xiàn)在，類腦芯片產品一直是國外在做，那國內的情況是什么樣呢？

2013年開始，清華大學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”芯片，2017年出了第二代，目前已經是第三代。靈汐科技擁有核心技術與專利，是“天機”類腦芯片從基礎研究成果轉化成應用技術、再到產業(yè)化落地的企業(yè)。對比國內外的情況，基本處于同步發(fā)展階段。盡管我國起步較晚，但類腦計算領域整體的技術水平，尤其是異構融合方面實際上已經領先國外了。

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，似乎國內離最先進產品的距離也不是特別遙遠。那么從技術實現(xiàn)性上來說，它的難度大不大？當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。隨著算法被設計的越來越復雜、算力越做越大，產生的數(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”。在當前雙碳經濟社會中，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，它帶來的最大負面影響就是能耗。所以，國家發(fā)改委、工信部對能耗指標都有要求，比如PUE指標必須低于1.25以下才能建。人腦的功耗是20瓦，相當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習，在提高算力的同時又降低功耗。

人腦與電腦的關系映射 （圖源：靈汐科技提供）

人腦可以舉一反三，但計算機做不到舉一反三，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。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)復雜的計算和處理。比如靈汐科技前不久量產的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，能夠達到2TOPS/W以上。

此外，類腦計算芯片還可以助力構建新的計算系統(tǒng)，像人腦一樣進行神經元計算和生物動力學計算。人腦的神經元是多少呢？850億個，類腦計算要在硅基上做碳基神經元的模擬。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分非常強，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）：類腦計算設計之初瞄準的主戰(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，如神經元、突觸、離子通道等進行生物建模，構建神經網絡復雜的數(shù)學系統(tǒng)，實現(xiàn)大規(guī)模腦仿真。

這里有很多問題需要解決，比如生物腦動力學的計算，一億以上的神經元如何大規(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，能夠更快更準地實現(xiàn)場景模擬。比如使用超級計算機或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度。我們并不是去解決生物學或者醫(yī)學中的學術問題，而是給生物學和醫(yī)學提供一個加速研究的平臺，借助這個平臺，在腦仿真領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，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)在已經有團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現(xiàn)實。

華寶洪（嘉賓）：舉一個有意思的例子，我們在跟復旦大學馮老師團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會被數(shù)字腦孿生出來，當某一天人腦衰老時，數(shù)字腦依然年輕。這或許是我們做腦仿真或者腦科學計算領域最夢幻的一個夢想。

在健康領域，未來腦疾病的治療將可能有重大突破。國外已經有在研究和部署腦機接口了，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元、動力學計算等領域有哪些改變？可以通過哪些藥物來進行針對性的治療？搞清楚形成機制、機理，將來的治療手段才會更加準確和高效。這是第一個應用。

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、腦科學領域之外，在傳統(tǒng)AI領域，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用都可以遷移過來。這是第二個應用。

第三個應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結合起來的計算，即異構融合，融合生物神經網絡和傳統(tǒng)人工神經網絡。融合之后能處理比如高速動態(tài)場景的小樣本學習，以及在線學習等場景，而這些目前仍是傳統(tǒng)人工智能領域面臨的一個痛點。

國內外產業(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)在的產業(yè)化程度怎么樣了？國內往這個方向發(fā)展的公司進展如何，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。從本質看，它是非傳統(tǒng)架構的計算；從未來的產業(yè)發(fā)展趨勢看，異構融合是走向人工通用智能的一個重要方法和重要手段。清華大學類腦計算研究中心推出的“天機”一代，是最早的在一顆類腦計算芯片里把傳統(tǒng)人工智能和腦科學的脈沖神經網絡融合在一起的芯片，這是世界的首創(chuàng)。“天機”二代異構融合的架構在2019年登上了nature的封面，引起了全球的關注。

《自然》雜志當期封面圖 （圖源：網絡）

英特爾在2018年推出了Loihi，它只能做傳統(tǒng)的生物神經網絡計算，由128個Neuromorphic Core （神經形態(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Loihi2，參考了天機二代的異構融合架構，在支持傳統(tǒng)的生物神經網絡的基礎上，也開始支持人工神經網絡。

被譽為ARM之父的Steve Furber也在歐洲自然科學基金的資助下開發(fā)了神經形態(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的生物神經網絡，也支持傳統(tǒng)的人工神經網絡。國際大廠Intel和ARM都延續(xù)了天機芯的異構融合概念，可以看出國內外一致認為異構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、異構計算等老生常談的概念。這些概念從本質上講，并不能從根本上解決高能效比、小樣本學習等問題。在行業(yè)導向和市場需求的雙重驅動下，傳統(tǒng)的馮·諾依曼架構和非馮·諾依曼架構的異構融合架構，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。另外一方面是非馮·諾依曼架構的芯片，通過架構的創(chuàng)新來滿足生物神經網絡、傳統(tǒng)人工網絡和新型混合神經網絡等領域的規(guī)?；褂眯枨螅o用戶提供更具性價比和競爭力的產品。

類腦系統(tǒng)的框架 （圖源：智源社區(qū)）

我國在計算領域里面有兩個顛覆性的技術，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領域所投資的資產，包括算法、模型、數(shù)據(jù)，希望把更多的資產用起來。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域里引入異構融合的概念，去解決小樣本學習、在線學習等傳統(tǒng)AI面臨的挑戰(zhàn)。我們希望能給大家提供軟件技術平臺、硬件技術平臺和路線圖，讓更多的合作伙伴在這個領域里去做更好的延伸。

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

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，您會倡導什么？

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。

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習，這是現(xiàn)在類腦計算一直在追求的目標。

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，引領人工智能的新變革。當前，盡管類腦計算行業(yè)還處在突圍階段，但市場前景已經愈發(fā)明朗。根據(jù)Yole預測，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，類腦芯片應扎根端側智能市場，發(fā)揮自身低功耗、高能效的優(yōu)勢，開發(fā)并創(chuàng)造更多的應用場景；長期來看，想要迎來商業(yè)價值的釋放，不但要在產業(yè)端進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)結構上發(fā)展類腦計算的完備性，向通用計算領域優(yōu)化拓展。