芯片结构层次改造，“类脑芯片”实现AI芯片颠覆式性能提高

类脑芯片领域的研究在近几年不断出现新突破，曼彻斯特大学团队的超级计算机此前就备受关注。美国的大型企业也在积极开发类脑类芯片。

类脑芯片的介绍

目前，传统的计算芯片主要基于冯•诺依曼结构。在这种结构中，计算模块和存储模块是分开的。CPU在执行命令时需要先从存储单位读取数据，这就产生延时及大量的功耗浪费。因此需要更为扁平化的结构能够更快，更低功耗的处理问题。而人脑的神经结构由于其强大的处理能力，动态可塑的性质，较低的能量消耗便成为了模拟对象，类脑芯片就此诞生。

类脑芯片结构非常独特，可以仿照人类大脑的信息处理方式进行感知、思考、产生行为。人脑中的突触是神经元之间的连接，具有可塑性，能够随所传递的神经元信号强弱和极性调整传递效率，并在信号消失后保持传递效率。而模仿此类运作模式的类脑芯片便可实现数据并行传送，分布式处理，并能够以低功耗实时处理海量数据。

类脑芯片优势和技术要求

类脑芯片是一类模仿人脑结构和运行机制的芯片，随着欧盟“人脑计划”等科研计划的实施，这类新一代芯片已成为全球关注的前沿科技领域。

相比其它AI架构，类脑架构的主要优势有：一、算力高;二、功耗低;三、存算一体，不需要外挂DDR，节省成本功耗和空间;四、算法的支持度灵活，既能高效支持人工神经网络算法，又能高效支持SNN算法;五、扩展性好，能得到极大算力的芯片阵列，而且算力效率不会下降;六，支持多核重组特性，可以实现多任务并行处理。

目前几乎所有的人工智能系统都需要进行人工建模，转化为计算问题进行处理再进行深度学习，而人脑却可以自动感知，进行问题分析和求解，决策控制等。因此类脑芯片也有望形成有自主认知的水平，可自动形式化建模。

类脑芯片的发展取决于很多方面的因素，首先是算法的突破，类脑芯片要既高效支持人工神经网络算法，又高效支持SNN算法，而不能像现在这样，ANN算法发展很好，而SNN并没那么好。Tianjic之所以高效支持SNN，就是想给大家提供一个好的平台，供大家积累这方面的经验，希望能为SNN的突破出一份力;其次是材料、新器件、新工艺的突破，它们都会对类脑芯片的进步提供相当大的助力;最后是架构突破，由于新材料的突破需要比较长的时间，如何在现有的工艺基础上，挖掘出更好的性能是我们需要面对的现实问题，Tianjic芯片的架构已经做了突破，但还有性能提高的空间。

类脑芯片将大幅度提升性能

脉冲神经网络芯片是一种典型的类脑芯片。这种颠覆性技术旨在模仿人脑的结构和运行机制，有望实现比目前主流芯片能效更高、可塑性更强的计算。冯•诺依曼型计算机的计算模块和存储模块是分开的，CPU(中央处理器)执行命令时，要先从存储模块读取数据，这就产生了大量的功耗浪费。人脑的计算频率虽然远不如冯•诺依曼型计算机，但功耗要低几个数量级，仅为20瓦左右，功率密度仅为15毫瓦/立方厘米左右。这种优势源自人脑的结构：它有850亿—1000亿个神经元，通过海量的突触传递神经信号。这种网状结构具有扁平化、并行化特点，以神经信号传导为中心，从而形成了能耗低、可塑性强等优势。

随着摩尔定律“尺缩”难度日益增大，许多科学家开始模拟人脑，研发脉冲神经网络芯片与系统、存算一体化架构、利用忆阻器实现神经拟态计算等新兴技术。其中，脉冲神经网络芯片与系统是未来神经拟态计算机的基础，它用大规模并行处理单元模拟神经元，并用网络化互联模拟突触。

类脑芯片也是AI芯片的一个重要的发展趋势，其在实现性能提升上的优势也是其能不断投入研究的保障。