类脑芯片产业化困难重重，材料和技术都是发展限制

从类脑芯片的原理分析，类脑芯片的研究具有很大的积极意义。但是类脑技术的研究尚且存在很多问题，其产业化道路还有很远。

国内外在类脑芯片上的研究成果

作为全球最早研究类脑芯片技术的企业，IBM公司早在2011年就取得了一些成绩，通过模拟人脑大脑结构，IBM研发了两个具有认知和感知功能的硅芯片原型，当时它们给这个芯片取名为“虫脑”。在2014年的时候，IBM再接再厉又研制出升级版的“虫脑”芯片，性能大大提升。据OFweek了解到，这款芯片使用了54亿个晶体管，功耗每平方厘米仅消耗20 毫瓦，直径仅几厘米，表现相当出色。

同样是在2014年，高通原本打算发布一版电子芯片，2013年高通曾公开此款芯片，将其命名为Zeroth。据OFweek了解，这款芯片是一款类似大脑的计算机芯片，高通将它称作“神经处理装置”。

Zeroth芯片的的终极目标是实现新型处理架构的创建、定义和标准化，高通称之为“神经处理器”(NPU)。它们设想NPU用于各种不同设备，在SoC里与其它模块并存，因此既能用传统编程语言开发程序，也能随时调用NPU来训练设备，使之具备人脑一样的交互和行为。

近日，英特尔中国研究院表示它们已研发出类人脑的神经拟态LOIHI芯片，这款芯片以人脑为模型，包括模拟大脑基本机制的数字电路，它有1024个人造神经元和1.3亿个突触连接。

全球最大的神经形态超级计算机SpiNNaker日前首次启用，它拥有100万个处理器内核，每秒可执行200万亿次操作，能够达到人脑百分之一的比例，是世界上第一个低功耗、大规模人脑数字模型。谷歌、英伟达、Facebook等巨头也在加大类脑芯片的研究。前几年大火的Google AlphaGo和英伟达的GPU以及Facebook大脑等，无一不借鉴或采用了最新的类脑芯片技术。

类脑芯片的产业落地过程

追溯类脑芯片的真正落地，还要从TrueNorth说起。TrueNorth 是 IBM 潜心研发近 10 年的类脑芯片。美国 DARPA 计划从 2008 年起就开始资助 IBM 公司研制面向智能处理的脉冲神经网络芯片。

IBM公司不仅仅沉浸在实验室研究类脑芯片技术，它们还积极地推动产业的发展，2014年IBM将研制出的模拟人脑芯片应用在潜水系统上，用这款芯片制作的超级计算机来探测海啸和海底环境。不久前，美国空军研究实验室与IBM公司合作研发的AI超级计算机引起关注，这款机器最大亮点是采用模拟人脑神经网络的芯片，处理能力相当于六千四百万个神经细胞和一百六十亿个神经突触的类脑功能，机器学习性能超过当前任何硬件模型。除了算力，这款芯片的低能耗优势让人眼前一亮，其每个芯片耗能只相当于十瓦灯泡。目前它们正在探索这款芯片系统在可穿戴、飞机和自动化设备等领域的应用。

16年，IBM又公布了与美国空军研究实验室、美国陆军研究实验室、以及劳伦斯•利物莫国家实验室在TrueNorth芯片应用方面合作的最新成果，包括手指识别、情绪识别、图像分类和对象追踪等。

与 TrueNorth 和Loihi不同， 高通公司开展研究的是Zeroth “认知计算平台”，曾在业界引起了巨大的震动。原因就在于它可以融入到高通公司量产的 Snapdragon处理器芯片中，以协处理的方式提升系统的认知计算性能，并可实际应用于手机和平板电脑等设备中，支持诸如语音识别、图像识别、场景实时标注等实际应用并且表现卓越。

这些芯片能够用于支持类似Siri和Google Now的数码助手来控制机器人四肢、无人机以及无人汽车。Zeroth芯片模仿人脑结构，由数十亿协力合作的神经细胞组成，此款芯片在特定领域的计算速度比普通计算机更快、更有效。

类脑芯片产业化存在的问题

1. 类脑芯片材料的缺失

目前类脑芯片研制的挑战之一是在硬件层面上模仿人脑中的神经突触，在设计人造突触时通常用施加电压的方式来模拟神经元中的信息传输。但这种技术存在一个难题，由于大多数由非晶材料制成的人造突触中，离子通过的路径有无限种可能，难以预测离子究竟走哪一条路，造成不同神经元电流输出的差异。科学家们研究了基于CMOS和忆阻器实现人工神经网络，但对忆阻器的逻辑完备性、计算复杂度、级联、可重构等性能要求很高，从忆阻器理论出发，神经元模型中的钙离子和钾离子通道由易失性忆阻器构成，对忆阻器的频率依赖严重，满足类脑芯片的单晶硅和忆阻器等材料技术仍有待突破。

2. 对脑的观测和认识不够

类脑芯片的研究在于直接在微芯片上模拟生物神经元和突触的属性，做到这一点面临的主要挑战，是配置由人造神经元组成的网络，让其能执行特定的任务。类脑芯片的架构是模拟人脑的新型芯片编程架构，这种芯片的功能类似于大脑的神经突触，处理器类似于神经元，而其通讯系统类似于神经纤维，通过这种神经元网络系统，计算机可以感知、记忆和处理大量不同的情况。因为人脑是由140亿个脑细胞组成，每个脑细胞可生长出2万个树枝状的树突用来计算信息，人脑神经细胞功能间每秒可完成信息传递和交换次数达1000亿次。用半导体材料模拟脑细胞和突触的功能来设计芯片，由于人类对于脑的研究远远不够，这样的芯片在性能上远远达不到“人脑”的要求。

3. 类脑芯片的研究门槛高，人才和企业队伍缺失

类脑芯片技术有很多难点，它本身有着很强的技术门槛，据不完全统计，目前从事类脑芯片研究队伍(包括企业和研究机构)不到一百家，整个团队仍不强大，全球研究这门技术人才远远不够撑起整个产业。必须承认的是，类脑芯片是一门涉及电子、人工智能、材料、神经学等多学科的综合技术，对顶层设计人才的全面要求很高，目前行业很缺这样的人才。

4. 类脑芯片的工程化难题

因为类脑芯片的脉冲神经网络特性决定了异步电路是脉冲神经网络神经元间大量互联以及通讯的最有效形式，对于某些需要复杂模型的SNN网络，模拟运算以及数模混合电路会是最优的解决方案。当前类脑芯片在走向应用的过程中面临着工程化的难题。对于不同的应用，类脑芯片处理器的产业化进程会有所不同，这对于中下游企业而言，芯片在不同场景下的兼容性和性能也会有所不同，目前尚未出现真正产业化的通用类脑芯片。

在类脑芯片概念提出至今，国内外投入研究的企业数量也很多，对于国内的芯片企业来说，这也是一次位于同一级别研究的跑道，是一次重要的发展机会。