隨著世界數據量不斷增加，目前摩爾定律下的處理器集成器件數量越發接近極限，當下急需通過架構的變化以應對大數據的需求。人工智能芯片也在此背景下崛起，目前已為大眾所熟知的主流AI芯片架構包括：GPU，FPGA，ASIC，而類腦芯片由于其極強的學習能力也被抱以極高的期待。本文將就類腦芯片介紹其發展情況。

一、類腦芯片的由來

目前，傳統的計算芯片主要基于馮諾依曼結構。在這種結構中，計算模塊和存儲模塊是分開的。CPU在執行命令時需要先從存儲單位讀取數據，這就產生延時及大量的功耗浪費。因此需要更為扁平化的結構能夠更快，更低功耗的處理問題。而人腦的神經結構由于其強大的處理能力，動態可塑的性質，較低的能量消耗便成為了模擬對象，類腦芯片就此誕生。

馮諾依曼結構

類腦芯片結構非常獨特，可以仿照人類大腦的信息處理方式進行感知、思考、產生行為。人腦中的突觸是神經元之間的連接，具有可塑性，能夠隨所傳遞的神經元信號強弱和極性調整傳遞效率，并在信號消失后保持傳遞效率。而模仿此類運作模式的類腦芯片便可實現數據并行傳送，分布式處理，并能夠以低功耗實時處理海量數據。

目前幾乎所有的人工智能系統都需要進行人工建模，轉化為計算問題進行處理再進行深度學習，而人腦卻可以自動感知，進行問題分析和求解，決策控制等。因此類腦芯片也有望形成有自主認知的水平，可自動形式化建模。

二、類腦芯片的產業化

追溯類腦芯片的真正落地，還要從TrueNorth說起。TrueNorth 是 IBM 潛心研發近 10 年的類腦芯片。美國 DARPA 計劃從 2008 年起就開始資助 IBM 公司研制面向智能處理的脈沖神經網絡芯片。

2011年8月，IBM公司通過模擬大腦結構，首次研制出兩個具有感知認知能力的硅芯片原型，可以像大腦一樣具有學習和處理信息的能力。這兩顆類腦芯片原型均采用45納米絕緣體上硅CMOS工藝制作，包含256個神經元和256個軸突(數據傳輸通道)。其中一個芯片包含65356個學習突觸，它能夠發現新的神經元連接路徑，可通過經驗進行學習，并根據響應對神經元連接路徑進行重組;而另一個芯片包含262144個可編程突觸，可以根據預先設定，通過強化或弱化神經元之間的連接，更迅速、更高效地處理信息。類腦芯片的每個神經元都是交叉連接，具有大規模并行能力。但因技術上的限制，被IBM戲稱為“蟲腦”。

2014年8月，IBM公司推出名為“TrueNorth”的第二代類腦芯片。它使用了三星的28nm的工藝，包括54億個晶體管和4096個處理核，相當于100萬個可編程神經元，以及2.56億個可編程突觸。其性能相比于第一代有了不少提升。功耗每平方厘米消耗僅為 20 毫瓦，是第一代的百分之一，直徑僅有幾厘米，是第一代的十五分之一。

“TrueNorth”的每個處理核包含了約120萬個晶體管，其中少量晶體管負責數據處理和調度，而大多數晶體管都用作數據存儲、以及與其它核心的通信方面。此外，每個核心都有自己的本地內存，它們還能通過一種特殊的通信模式與其它核心快速溝通，其工作方式非常類似于人腦神經元與突觸之間的協同，只不過，化學信號在這里變成了電流脈沖。IBM把這種結構稱為“神經突觸內核架構”，如果 48 顆TrueNorth芯片組建起具有 4800 萬個神經元的網絡，那這48顆芯片帶來的智力水平將相似于普通老鼠。

16年，IBM又公布了與美國空軍研究實驗室、美國陸軍研究實驗室、以及勞倫斯利物莫國家實驗室在TrueNorth芯片應用方面合作的最新成果，包括手指識別、情緒識別、圖像分類和對象追蹤等。

2017年，英特爾發布了Loihi芯片，它采用了一種新穎的方式通過異步脈沖來計算，同時整合了計算和存儲，模仿了大腦根據環境的各種反饋來學習如何操作的運作方式，可以利用數據來學習并做出推斷，隨著時間的推移也會變得更加的智能，并且不需要以傳統方式來進行訓練。

Loihi采用的是異構設計，由128個Neuromorphic Core(神經形態的核心)+3個低功耗的英特爾X86核心組成，號稱擁有13萬個神經元和1.3億個觸突。

與 TrueNorth 和Loihi不同， 高通公司開展研究的是Zeroth “認知計算平臺”，曾在業界引起了巨大的震動。原因就在于它可以融入到高通公司量產的 Snapdragon處理器芯片中，以協處理的方式提升系統的認知計算性能，并可實際應用于手機和平板電腦等設備中，支持諸如語音識別、圖像識別、場景實時標注等實際應用并且表現卓越。

三、中國的類腦芯片

中國也十分重視類腦研究，不僅在2015年將腦計劃作為重大科技項目列入國家“十三五”規劃，還發布了關于腦計劃“一體兩翼”的總體戰略：一體即認識腦：以闡釋人類認知的神經基礎為主體和核心;兩翼即保護腦：預防、診斷和治療腦重大疾病和模擬腦：類腦計算。

中國的學術界也展開了對類腦的研究，2015 年中科院、清華、北大，相繼成立“腦科學與類腦智能研究中心”，2017年5月在合肥成立了類腦智能技術及應用國家工程實驗室。這些實驗室將借鑒人腦機制攻關人工智能技術，推進類腦神經芯片、類腦智能機器人等新興產業發展。

同時，國內也出現了專注類腦芯片研發的初創團隊，像西井科技、AI-CTX、浙大的達爾文芯片等。

四、類腦芯片的最新進展

目前學術界有關類腦芯片也有了一些新的進展，17年清華大學微電子所錢鶴、吳華強課題組在《Nature Communications》在線發表了題為《使用電子突觸陣列實現人臉識別》的研究成果，將氧化物憶阻器的集成規模提高了一個數量級，首次實現了基于1024個氧化物憶阻器陣列的類腦計算。該成果在最基本的單個憶阻器上實現了存儲和計算的融合，采用完全不同于傳統“馮諾依曼架構”的體系，可以使芯片更加高效地完成計算任務，使能耗降低到原千分之一以下。

2018年，麻省理工的工程師設計了一種人造突觸，可以實現精確控制流過這種突觸的電流強度，即類似離子在神經元之間的流動。研究發表在《Nature Materials》上，這一成果也被認為是邁向用于模式識別和其它學習任務的便攜式低功耗神經形態芯片的重要一步。

五、總結

類腦智能研究已取得了階段性的進展，但是目前仍然沒有任何一個智能系統能夠接近人類水平，下一階段類腦芯片的研究重點是增強神經計算電路模塊的通用性，降低設計、制造的難度;此外，還需要迫切解決類腦計算芯片的功耗問題，比如探索超低功耗材料以及計算結構，為進一步提高類腦計算芯片的性能奠定基礎。

未來，我們期待類腦計算領域的重大突破，為信息產業提供革命性的發展機遇。

來源：半導體行業觀察

圖片來源：找項目網