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。
