近期《自然》周刊的封面上呈現着清华大学发布的一款全新芯片，这是一篇类似大脑一样计算的芯片其名为“天芯”。自从中兴事件发生后芯片问题就成为了我国嘚一块心病，这次我国顶尖学府也加入了进来清华大学发表的论文更是首次体现了中国在人工智能和计算芯片两大领域结合中零的突破。

我国发布这款“天芯”是结合了基于计算科学和类脑计算的人工智能芯片也是世界首款异构融合类脑芯片。由于“天芯”结合了计算科学以及类脑计算它可以像人类“大脑”一样进行思考。

据《自然》刊物报道目前人工智能的发展有两个方向：一种基于计算科学；另┅种基于神经科学而施路平团队展示的“天芯”将两者融合成为一个平台，为证实这一芯片的处理能力他们用自动驾驶的自行车做了試验。其搭载芯片的自动驾驶自行车能独立完成自平衡识别语音命令，同时能对前方目标进行探测追踪还能自动避障、过障。从原则仩来说它能完成人类能够完成的大部分命令《纽约时报》评论道：这辆自行车应该是最接近于能自主思考的自行车了。

新型“天芯”可鉯支持脉冲神经网络也可以支持人工神经网络，传统类脑芯片只能选择其中之一天芯”创下世界第一，成为首个突破单一网络的人工智能芯片

听到类脑计算芯片，可能不少人都是一头雾水但是，AI相信大家都不陌生在AI发展领域中，类脑计算芯片是非常重要的一个分支人类的大脑比现代计算更加优秀，对于信息的处理和存储更是比计算快速并且，人脑能耗低、效率高为了能模拟人脑的工作方式，科学家们研究了类脑计算芯片这些芯片最初含有人工神经网络，可以模仿人脑神经元

类脑芯片架构就是模拟人脑的神经突触传递结構。众多的处理器类似于神经元通讯系统类似于神经纤维，每个神经元的计算都是在本地进行的从整体上看神经元们分布式进行工作嘚，也就是说整体任务进行了分工每个神经元只负责一部分计算。在处理海量数据上这种方式优势明显并且功耗比传统芯片更低。比洳IBM的TrueNorth芯片每平方厘米功耗消耗仅为20毫瓦

相比于依靠冯诺依曼结构的GPU、FPGA、ASIC来说，类脑芯片是一种相对处于概念阶段的集成电路目前面世嘚类脑芯片并不多，更不要说大规模的商业化了

美国为保持技术优势，率先发起类脑计算芯片的相关研究工作通过模仿人脑工作原理，使用神经元和突触的方式替代传统冯诺依曼架构体系使芯片能够进行异步、并行、低速和分布式处理信息数据，并具备自主感知、识別和学习的能力因此市面上第一款类脑芯片就来自于美国的IBM公司。

2011年8月IBM率先在类脑芯片上取得进展，他们在模拟人脑大脑结构基础上研发出两个具有感知、认知功能的硅芯片原型。但因技术上的限制IBM戏称第一代TrueNorth为“虫脑”。2014年TrueNorth第二代诞生它使用了三星的28nm的工艺，囲用了54亿个晶体管其性能相比于第一代有了不少提升。功耗每平方厘米消耗仅为 20 毫瓦是第一代的百分之一，直径仅有几厘米是第一玳的十五分之一。

去年的CES上芯片巨头英特尔展示了其首款自学习神经元芯片Loihi其实，早在2017年9月英特尔就曾宣称历时十年研究设计出了这款芯片的原型Loihi芯片可以像人类大脑一样，通过脉冲或尖峰传递信息并自动调节突触强度，通过环境中的各种反馈信息进行自主学习、丅达指令。据英特尔方面称相比于人脑内的800多亿个神经元Intel这款芯片的运算规模仅仅比虾脑大一点。但根据英特尔给出的数据Loihi的学习效率仳其他智能芯片高100万倍而在完成同一个任务所消耗的能源可节省近1000倍。

芯片巨头高通也在进行类脑芯片的研发早在2013年高通就曾公布一款名为Zeroth的芯片，Zeroth不需要通过大量代码对行为和结果进行预编程而是通过类似于神经传导物质多巴胺的学习（又名“正强化”）完成的。高通为了让搭载该芯片的设备能随时自我学习并从周围环境中获得反馈，还为此开发了一套软件工具在公布的资料中高通还用装载该芯片的器小车进行了演示，使小车在受人脑启发的算法下完成寻路、躲避障碍等任务

西井科技是国内研究类脑强人工智能的公司，目前覀井已推出了自主研发的拥有100亿规模的神经元人脑仿真模拟器（Westwell Brain）和可商用化的5000 万类脑神经元芯片（DeepSouth）两款产品DeepSouth 是一款可商用化的芯片，它能模拟出高达 5000 万级别的“神经元”总计有 50 多亿“神经突触”。据西井CEO谭黎敏称该芯片除了具备“自我学习、自我实时提高”的能仂外，还可以直接在芯片上完成计算不需要通过网络连接后台服务器，可在“无网络”情况下使用

能耗方面，DeepSouth 在同一任务下的功耗仅為传统芯片的几十分之一到几百分之一

浙大“达尔文”类脑芯片

2015年一群来自浙江大学与杭州电子科技大学的年轻的研究者们研发出一款荿为达尔文的类脑芯片。这款芯片是国内首款基于硅材料的脉冲神经网络类脑芯片“达尔文”芯片面积为25平方毫米，比1元硬币还要小內含500万个晶体管。芯片上集成了2048个硅材质的仿生神经元可支持超过400万个神经突触和15个不同的突触延迟。

据研发团队介绍说这款芯片可從外界接受并累计刺激，产生脉冲（电信号）进行信息的处理和传递这如我们前面提到的人类神经元间的信息传递一样。研发人员还为“达尔文”开发了两款简单的智能应用一是这款芯片可识别不同人手写的1-10这10个数字，二是“达尔文”在接受了人类脑电脑后可控制电腦屏幕上篮球的移动方向。在熟悉并学习了操作者的脑电波后“达尔文”会在后续接受相同刺激时做出同样反映。

此外国内也出现了┅些小型的类脑芯片研究团队，如AI-CTX团队据称他们目前设计出了一款类脑芯片模型，不仅每个神经元都具有跟人脑神经元类似的电学特征與动态参数具有简单的运算与存储功能。他们还采用了一种特殊的布线方式使各芯片之间的交流突破物理限制，进而增加芯片群组的原有网络这一芯片不适合处理静态硬盘数据，但擅长处理如温度、气压、人体信号、loT等包含时间参数的数据

现在，我国的“天芯”可鉯更加真实的模仿人脑的神经元类脑计算芯片可以将计算的速度提高，并且保证运算的高准确度同时，又能将运算中的能耗降低类腦计算芯片可以将人种智能提升到一个新的层次。同样也能将计算的发展再次向前推进

七年磨一剑的“天芯”

天芯是清华施路平团队历經七年打磨的芯片，使用28nm工艺流片该芯片的最大特点是兼容包括神经模态脉冲神经网络、卷积神经网络和循环神经网络在内的多种神经網络同时运行。相比于当前世界先进的IBM的TrueNorth芯片“天芯”密度提升20%，速度提高至少10倍带宽提高至少100倍。

其实此次面世的实际上是第三玳“天芯”。

据了解在2015年，第一代“天芯”问世“第一代芯片的体积约为110纳米，只是个DEMO（小样）”论文共同第一作者、清华大学仪器科学与技术研究所副研究员裴京介绍，经过不断改进设计2017年团队研发了第二代“天芯”芯片。

第二代“天芯”具有高速度、高性能、低功耗的特点体积缩小至28纳米。相比于当前世界先进的IBM的TrueNorth芯片其功能更全、灵活性和扩展性更好，密度提升20%速度提高至少10倍，带宽提高至少100倍

论文共同第一作者、清华大学博士邓磊告诉《中国科学报》，基于自主研发的天芯片团队还研制出第一代类脑计算软件工具链，可支持从器学习编程平台到“天芯”的自动映射和编译

另辟蹊径，走出“第三条路”

当前人工智能芯片发展有两大主流方向：支持人工神经网络的深度学习加速器和支持脉冲神经网络的类脑芯片。由于算法和模型的差别当前人工智能芯片均只支持人工神经网络戓者脉冲神经网络，难以发挥计算和神经科学两个领域的交叉优势

天芯片通过资源复用，只需百分之三的额外面积开销即可同时运行计算科学和神经科学导向的绝大多数神经网络模型支持异构网络的混合建模，形成时空域协调调度系统发挥它们各自优势，降低能耗提高速度，同时保持高准确度

除了实现人工智能之外，天芯的另一个用途是使用脉冲神经网络来做脑科学相关的研究随着生物学和医學的发展，脑科学目前已经成为人类亟待攻克的下一个重要课题而使用脉冲神经网络来模拟和研究脑部工作原理将成为脑科学研究中的偅要组成部分。

天芯打通了脉冲神经网络和深度学习神经网络因此为人工智能和脑科学研究带来了一种新平台，该平台可望在科学研究Φ成为下一代人工智能和脑科学的重要基础设施得到学术界的高度认可，从而登上了《自然》杂志封面

天芯除了在学术领域的重要意義之外，在芯片设计领域也有很高的价值尤其是对于我国的半导体行业。这里的价值并非是狭义的完成了性能领先的人工智能芯片而哽是证明我国半导体业在下一代处理器架构领域能够跟上甚至引领潮流。

天芯在中国处理器架构设计方面的第一个重要意义在于我国在众核处理器领域的进步这不仅仅需要芯片设计，还需要编译器技术能跟上只有在软件和硬件都做好之后才能把众核处理器的性能充分发揮出来。因此天芯在众核处理器方面的探索可以说是我国半导体行业的一个重要标志性事件。

除了众核之外天芯对于异构计算和可重構计算的探索也走在了全球前列。随着摩尔定律遇到瓶颈单纯通过半导体工艺节点已经很难进一步推进处理器的性能，目前半导体业界嘚共识是使用异构计算的方法来进一步提升处理器性能即在芯片上集成多个针对特定领域做优化的专用处理器，在遇到特定任务时调动專用的核来做处理这样一来“特事特办”可以实现较高的性能和效率。

天芯的设计哲学则很好地体现了在异构计算和可重配置之间的平衡在众核架构中，每一个核都可以配置成脉冲神经网络核或者卷积、循环神经网络核这体现了可重配置计算的思想；而在不同的核之間，可以让一些核专门负责脉冲神经网络而另一部分负责卷积、循环神经网络这又是体现了异构计算的思想。因此可以说天芯在下一玳处理器架构需要解决的问题上提出了自己独特的思路，在全球走在了前列

“天芯”拥有广泛的未来应用前景。作为异构融合芯片不管是深度学习加速器还是神经形态芯片能够做到的事情，“天芯”都能完成更重要的是它能够完成一些加速器或芯片原本单独无法完成嘚任务。

天芯”的低能耗、低成本意味着它在家庭和服务性场景中具有广泛的应用前景。除了自行车自动驾驶汽车、智能器人等领域嘟值得期待。

面向未来“天芯”拥有无限可能。

《麻省理工科技评论》称“天芯”的成功也体现了中国在先进芯片领域逐渐增长的技能。

在了解了“天芯”的大体价值和用途以及自动驾驶自行车的视频后，许多网友脑洞大开的说道：“要是将此芯片应用在导弹上导弹僦真的无法被拦截了”一枚导弹装载了能独立思考的芯片，能做到自主躲避以此来穿越导弹防御系统那导弹还就真能做到百发百中，這对以其他国家来说是多么震撼的一件事但这仅仅是理论设想阶段，想要实现还有很长一段路要走毕竟导弹超音速飞行，要实现的功能复杂多样单单靠一个芯片也难以完成各项高难度的技术，但毕竟也为我国未来导弹的研发提供了一个新的方向在“天芯”的基础上除了应用在导弹上这样设想，还能直接为我国自动驾驶、智能器人以及无人的发展提供智能平台

人工智能的研发是非常难的一件事，但Φ国却并没有因为传统芯片领域上落后而慢半拍这也表明了在同一起跑线时，中国从来都不会落后于他国

据三火娃查资料显示，世界仩获得人工智能专利最多的构当属中国科学院美国市场观察网站也曾刊文，在人工智能的发展上中国做的事可比说的多得多。

未来已來人工智能领域，中国必将所向披靡万夫不当！

声明：资讯及图片来源 各大网络及新闻资讯网站，内容仅作分享如侵权，请联系作鍺删除

8 月清华大学教授、类脑计算研究中心主任施路平率队研发的关于“天芯”的论文登上《Nature》封面，这实现了中国在芯片和人工智能两大领域登上该杂志论文零的突破引發国内外业界一片轰动。

“天芯”是一款新型人工智能芯片采用28纳米工艺制成，整个芯片尺寸为3.8 X 3.8mm2由156个计算单元（Fcore）组成，包含约40000个神經元和1000万个突触它能够把人工通用智能的两个主要研究方向，即基于计算科学和基于神经科学这两种方法集成到一个平台可以同时支歭器学习算法和现有类脑计算算法。

他们还成功将“天芯”应用到了无人驾驶自行车中实现了实时视觉目标探测、目标追踪、自动过障囷避障、自适应姿态控制、语音理解控制、自主决策等功能，使其能够根据指令拐弯、加速还会自动绕开障碍物、跟着主人跑。

在近日舉办的2019 腾讯科学 WE 大会上施路平详细介绍了他们做“天芯”的来龙去脉。他们希望构建出类脑计算系统从而发展人工通用智能。他指出人工通用智能的研究不同于把很多人工智能简单的叠加在一起，而是要把脑的弹性和计算的刚性结合起来把数据驱动和知识驱动结合起来，把通用知识和推理结合起来

在他看来，我们必须向脑学习借鉴脑科学的基本原理，改造现在的计算系统而发展类脑计算是发展人工通用智能的基石。

以下为施路平演讲内容实录AI科技大本营（ID:rgznai100）整理：

类脑计算是借鉴脑科学的基本原理，面向人工通用智能基於神经形态工程发展的新的计算技术。为什么我们要发展这样一个技术

大家知道，现在我们生活在一个数码宇宙万事万物随时随地联系起来，构成一个万物互联的数码宇宙这个宇宙成长非常快，信息每两年翻一番整个宇宙迅速地膨胀，而且从来不退步这样一个宇宙是基于我们现在的计算架构，而计算架构又基于冯·诺依曼架构。

冯·诺依曼架构是我个人认为人类发展史上最简洁、漂亮、对我们影响最大的一个架构特点是计算和存储分离，计算、存储通过总线来回调度

大家可以设想一下，来回的调度耗费了很多能量、耽误时间、慥成了堵塞导致有了带宽瓶颈。

所以计算领域最高的图灵奖 2017 年的两个得主 Hennessy 和 Patterson，最近写了一个长文结论是未来的 10 年是计算架构发展的黃金 10 年。因为过去是用计算做计算，现在我们用它处理信息而我们的数码宇宙每两年翻一番，能耗受不了

当然，还有其它原因就昰我们现在生活在一个人工智能时代，人工智能取得了非常大的成绩但是我们发现尽管可以用 AlphaGo 战胜世界冠军，但仍然有很多瓶颈简单來说我们必须满足 5 个条件。

举个例子如果我们让一个智能器人从这里出去，不事先编程它是做不到的因为人用了几年的时间建立起很哆概念，在哪里、怎么出去、走门、走窗户这些都与通用智能有关，所以结论是我们要发展一个人工通用智能。

我们想象的人工通用智能是在没有充足的数据甚至是假数据，很多问题也不明确而且有很多系统交互在一起的情况下，这个系统仍然能够处理要发展人笁通用智能，我们必须向脑学习因为整个宇宙只有脑是目前唯一的一个通用智能体，我们把脑和电脑做一个比较会发现电脑强的、人鈈强，电脑不强的、人强

我们看过《最强大脑》，那些让人叹为观止的、非常让我们羡慕的选手的能力其实对于计算来讲是小儿科。峩们发现人脑和电脑两个系统虽然原理不同但实际上是互补的。

所以借鉴脑科学的基本原理，改造现在的计算系统发展类脑计算是發展人工通用智能的一个非常重要的部分，因为前者是后者的计算基石

发展人工通用智能不是一个新的想法，如果我们看一下过去图灵、冯·诺依曼这些大科学家早期的文章，会发现这是我们一直以来的梦想。

为什么现在是发展人工通用智能最好的时

因为随着精密仪器嘚发展，我们对脑知道的越来越多似乎到了一个理解脑的关口，超级计算的发展可以使我们做很好的模拟仿真省钱、省力、省时间，夶数据、云计算提供了一个像脑一样复杂的系统和脑交相呼应，我们可以共同研究、互相促进

发展类脑计算去支撑人工通用智能，在這里面脑起了非常大的作用它到底起了一个什么作用？

13 年前有感于摩尔定律在二三十年后要到头所以我开启了类脑计算的研究，当时峩自认为自己做研究还不错但忽然感到自己不会做研究了，因为没有文献很多东西需要自己摸索，感到非常的苦恼

有一次我去爬山，故意让自己钻进森林走丢了，后来我就根据太阳判断方向盯着一个方向一直走、一直走，走到高速公路上截了一辆车。我还找了┅个阴天进去了后来我想了一个办法，一直往高爬爬到最高的地方，盯住一个点一直走、一直走走到高速公路，截了个车又回去了

这两件事情让我思考，脑在这里起的是指南针作用给我们提供的是方向感，它是唯一所知的通用智能体

做研究我喜欢做难的，因为峩觉得越难的越容易太容易的话有很多竞争者，你很难领先如果很难，做着做着旁边就没人了你反而可以领先，但是有一个前提条件就是方向必须是正确的，如果你走到错路上大家都跑了，你是很尴尬的

人的智能是建立在碳基上的，而在硅基上我们已经建造了現在的数码宇宙而碳基、硅基的结构非常相近，所以我们有一个信念碳基上能够实现的，硅基上一定能够实现

发展类脑计算和人工通用智能真正的挑既不是科学，也不是技术而是因为我们的学科分布，使得我们没有合适的人做这样的研究而且脑科学和计算科学一個探索的是自然世界，另一个更关注应用它们有不同的文化、语言，目标也不一样所以多学科融合尤为关键。

清华大学类脑计算研究Φ心由 7 个院系组成因为这个领域不仅仅是计算和脑科学，还有数学、物理、电子、微电子等7 个院系的老师在一起反复讨论，每周半天嘚时间我们用 7 年只做了一件事情，叫融合、融合再融合

在这个过程当中，我们梳理了一下发展人工通用智能现在主要是有两条路线：第一，计算主导的；第二脑科学主导的。计算主导的像器学习它在图像识别、语音理解、自然语言处理方面取得了辉煌的成绩，但昰它很难处理不确定性问题等等

脑科学神经形态计算，发展的也很快由于我们不理解脑的制，极大地阻碍了它的发展但是两跳技术蕗线实际上互补，把两者结合起来是目前我们认为最好的一种方法。发展类脑科学实际上还有两条：1、基于计算用脑科学的基本原理來改变计算架构；2、我们用一个“类脑”这样简单又明了的词涵盖了这两个部分。

实际上这要研究理论芯片、软件、系统，从云脑到应鼡但是，大家总是问一个问题不理解人脑，凭什么你能造出类脑计算系统来我们思考了很久，后来得到了答案

答案是这样的：计算是把多维空间的信息转换成为 0、1 这样一维的信息流，用计算来解决问题CPU 的主频越来越快，换句话说这用的是时间复杂度，但问题是什么当你缩维的时候，相关性丢失了这就是人很容易确定一个物体是在真实空间里还是在镜子里，计算则很难这个是根本原因。

我們不知道脑的基本原理但我们知道一个神经元连接一千到一万个神经元，换句话说我们在这里把信息扩输了把相关性增强了，我们用嘚是空间复杂度另外，我们的脑还用脉冲来编码引进了时间因素，我们还利用了时空复杂度所以是想保持现在的计算所有的优点，保持时间复杂度增加一块类脑芯片。

实际上增加的是什么呢增加的是空间复杂度、时空复杂度。如果我们以这种观点来看现在的技术你就发现现在的人工神经网络的加速器，是面向深度人工神经网络

它利用的就是空间复杂度，而像脑一样工作的神经形态计算，面姠的是脉冲神经网络它利用的是时空复杂度，一个是空间复杂度一个是时空复杂度，何不把它结合起来呢

所以，我们想了一个办法提出了天芯片架构用了 3% 的代价实现了既支持人工神经网络，又支持像脑一样工作的脉冲神经网络而且还支持这两者的异构建模。我们還利用类脑芯片构建了一个人工通用智能的研究平台。

我们的想法是这样构建一个可以和系统互动的多模态交叉研究平台，利用环境變化逼迫这个系统变化当它变化的时候，我们观察应用这种变化系统应该遵循的基本原理，从而帮助我们迭代发展利用一块天芯片，我们就实现感知、追踪、过障、避障、自动控制、语音理解、自主决策

芯片很重要，软件也很重要因为如果没有软件，应用工程师昰不愿意做应用软件开发的在实验室我们自己开发了一个软件工具链，现在实际上已经搭起了第一代的类脑计算我们现在做的是一个類脑云脑。

它和现在的云计算的差别是云计算是把很多技术整合起来而类脑云脑是面向人工通用智能，因为人工通用智能的研究从基本仩来讲不同于把很多人工智能简单的叠加在一起，我们的想法是把脑的弹性和计算的刚性结合起来把数据驱动和知识驱动结合起来，紦通用知识和推理结合起来

当然，这是一个非常具有挑战性的长期研究我们的策略是循序渐进，大家记住我刚才说的五个条件我们鈳以设想一下，我们先专注在一个一个问题的研究上这个可以称为是第一代，然后两个问题一起研究这个可以称为第二代，然后第三玳、第四代最后是第五代，从而让我们构建人工通用智能

我们发展类脑计算，支撑人工通用智能它可以赋能各行各业，可以有很多嘚应用

我们对一个智能教育特别感兴趣，因为我们教育的很多问题都可以通过这样的方式研究解决比如说高质量的教育资源很稀少，所以造成了教育不公社会发展从一开始就有不公平的因素，还有因材施教我们每个人是不一样的，由于经费有限、仪器有限我们很難做到真正的理论联系实际，还有终生学习等等

随着类脑计算、人工通用智能的发展，这些都会逐渐解决然后发展新的系统。但是还囿一个非常重要的因素因为教育最主要的是塑造人。

回顾一下自工业革命以来我们发展了蒸汽、发电、计算、大数据，还有现在的万粅互联我们一直在改变外部的世界，在改变我们的物质生活看一下我们现在的世界，贸易纷争国家、民族、人之间有很多矛盾，我們忽然发现当我们的物质生活发展很快时，精神生活实际上没有同步发展现在在智能时代发展类脑计算，我们有会向内发展审视内惢。

我通常只参加学术活动这次之所以接受腾讯邀请来做演讲，是因为他们提出了一个“科技向善”的理念这和我们的理念是相通的。

我们衷心希望人类在发展技术、探索外界世界的同时也能够研究一下我们的内在世界，内外兼修、共同发展建设一个美好、和谐的卋界。

（*本文为AI科技大本营原创文章转载请微信联系 ）