|
类脑芯片作为一种新兴技术，有着非常广阔的应用前景，相对于传统芯片，类脑芯片在功耗和集成度上的优势明显。近年来，全球领先的科研机构和企业均在积极地推动类脑芯片技术的研究和产业化，国外如IBM、高通、英特尔、麻省理工、牛津、斯坦福大学等都在研制类脑芯片的相关技术，并取得了非常可喜的成果；国内有西井科技、灵汐科技、中科院、清华、北大、浙大等也在推动类脑芯片的产业化，可以预见的是，未来在芯片领域必有类脑芯片的一席之地。 类脑芯片被频频看好 一直以来，人们希望研制出一款能够像人脑一样学习的电脑，目前，欧盟、美国和瑞士等国家正在研制模拟人脑的神经网络计算机，这种计算机的核心是类脑芯片。近日，瑞士类脑芯片厂商aiCTX公司获百度风投数千万元Pre-A轮融资，资金将用于类脑芯片研究与开发，并积极推动研究成果的产业化。OFweek电子工程网编辑在第一时间通过邮件联系到了aiCTX公司CEO乔宁博士，就全球类脑芯片的研究成果及当前产业面临的技术难题等进行了深入地探讨与交流。
据悉，aiCTX公司创办于2017年3月，在2017年底获得天使资本等120万美元种子轮融资。在成立不到两年的时间里能获得两次融资，可以看出业内对它们的认可。aiCTX公司之所以被很多业内人士看好，一方面是因为它们有着非常扎实的技术实力，另一方面也凸显了类脑芯片美好的未来。 “我们有着非常务实的团队，大约10个人，他们来自于世界各地。在短短一年多的时间里，我们创造的价值足以引起百度的关注。我们对类脑芯片有着深刻的理解和深厚的技术积累。可以毫不夸张的讲，aiCTX公司的技术在欧洲乃至世界都是处于领先的地位。”aiCTX公司CEO乔宁博士对OFweek电子工程网说道。 除了技术过硬，还得拿出实实在在的项目才能让投资人安心。aiCTX公司在成立不到一年就拿到了欧洲H2020脑机接口项目，这充分证明了欧洲对aiCTX公司技术的认可。乔宁博士表示，作为一家芯片研发公司，aiCTX对类脑芯片有着足够的执着与信心，准备花五年左右的时间潜心研究类脑芯片技术并将它推向市场。他还提到，由于aiCTX公司处于瑞士苏黎世这样良好的科研环境，临近苏黎世大学、苏黎世联邦理工、洛桑理工等世界顶级知名高校，强大的人才资源为公司发展提供了源源不断的支持。 aiCTX公司作为类脑芯片产业的新生力量，正在加速推动产业化，让技术早日实现商用。
回顾国内外在类脑芯片上取得的研究成果 类脑芯片概念的提出时间虽不长，却吸引了很多科研机构和企业的加入，多年来他们一直在推动类脑芯片产业的发展。IBM、高通、英特尔等巨头对类脑芯片的研究相对较早，也取得了令人可喜的成绩。令人欣慰的是，对类脑芯片的研究上，国内这一次和国外巨头们站在了同一起跑线，并不断取得技术上的突破。 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。 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。 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”。 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。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。据悉，这款神经元芯片模型从神经元的沟通和学习中吸取灵感，使用可以根据时机进行调制的尖峰和塑料突触，以帮助计算机根据模式和协调自行组织和作出决策。它可以实现片上学习，也就是整个学习的训练和推理过程都将在单个芯片上完成，且芯片可以自动进行数据的实时更新，而不用等待从云端或是互联网上数据库的更新和传输。 使用Loihi芯片可以加速机器学习，同时将功耗要求降低到现有芯片的千分之一。与刺激神经网络相比，该芯片的操作速度提高了一百万次；与卷积神经网络和深度学习神经网络技术相比，Loihi测试芯片在相同任务中使用的资源要少得多。对于该芯片，英特尔表示：“该芯片的自学习能力具有巨大的潜力，可以改善汽车和工业应用以及个性化机器人，即任何可以在非结构化环境中受益于自主操作和持续学习的应用程序。” 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。 国内在类脑芯片上的成绩 近年来，国内在类脑芯片的研究上也取了很多的进展，如西井科技的脑神经元芯片、浙大的“达尔文”类脑芯片、清华大学的电子突触阵列技术等。 西井科技是国内较早研究类脑芯片的企业，目前它们已推出了自主研发的拥有百亿规模神经元人脑仿真模拟器和可商用化五千万类脑神经元芯片DeepSouth两款产品。神经元人脑仿真模拟器类似于飞行员训练用的飞行模拟器，虽然人脑模拟器不能取代活体实验，但可以大大减少活体消耗。它可以通过接受医学上大脑神经元脉冲放电数据，以更直观方式呈现人脑的脉冲形态，帮助人类更清晰更直观的研究人脑的症状，同时采集数据反馈回大脑仿真模拟器检验药物及治疗效果。 据OFweek获悉，DeepSouth是一款可商用化的芯片，它能模拟出高达五千万个神经元，有五十多亿个神经突触，该芯片除了具备自我学习、自我实时提高的能力外，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。值得一提的是，DeepSouth芯片在同一任务下的功耗仅为传统芯片的几十分之一到几百分之一。 2015年12月，由浙江大学牵头的联合研究小组在国内首次研制出支持脉冲神经网络的类脑芯片，它们取名为达尔文芯片。据相关人士介绍，这款芯片借鉴大脑神经网络结构与原理，创造出更省电、高效、智能的计算系统，与传统人工神经网络相比，其在结构与原理上都更加接近生物神经系统。 这款名为达尔文的芯片面积比硬币还小，它就像一个简化的大脑，上面集成了2048个用硅材料制成的仿生神经元，可支持超过400万个神经突触和15个不同的突触延迟。达尔文芯片的工作方式非常接近人脑，它通过外界接收并积累刺激，产生脉冲信号来传递和处理信息。芯片最多可支持2048个神经元、400多万个神经突触及15个不同的突触延迟。据了解，这款芯片即将应用于智能硬件、机器人、神经信号处理、脑机融合系统等领域，它可作为脉冲神经网络模型与算法高效的硬件运行载体，建立类脑智能系统。 2017年5月，清华大学微电子所钱鹤、吴华强课题组发表了题为《使用电子突触阵列实现人脸识别》的研究成果，里面提到将氧化物忆阻器的集成规模提高了一个数量级，首次实现了基于1024个氧化物忆阻器阵列的类脑计算。 这项成果的一大突破是在最基本的单个忆阻器上实现了存储和计算的融合，采用完全不同于传统“冯·诺依曼架构”的体系，可以使芯片更加高效地完成计算任务，使能耗降低到原千分之一以下。如今，国内的寒武纪神经网络芯片、深鉴科技的DPU等产品都是类脑科技在芯片上的应用。可以毫不夸张的说，未来企业想成为AI领域的领导者，没有类脑芯片技术的加持将举步维艰。 虽然类脑科技有着很好的应用前景，目前也取得了很多成就，但是它离真正的产业化仍有很大的距离。 当前类脑芯片产业化面临的痛点 对于类脑芯片产业而言，目前主要面临的难题来自于四个方面，一是类脑芯片的单晶硅材料和忆阻器等技术有待突破；二是对脑的观测和工作机制了解不够；三是类脑芯片的研究门槛高，人才和企业队伍缺失；四是类脑芯片的工程化难题。 一、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。 二、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。 三、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。 四、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。aiCTX公司CEO乔宁博士认为，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。 aiCTX公司对国内厂商的启示 类脑芯片产业的前景不可估量，但同时也给企业带来很大的挑战，毕竟有很多现实的难题需要去解决。对于国内厂商而言，挑战和机遇并存，国内对类脑芯片的研究仍处在起步阶段，还需要很长时间的技术积累，但aiCTX公司的发展给行业带来了很好的启示。创业型企业亦可成为推动类脑芯片产业化的中坚力量，这从aiCTX公司的发展就可以看出来。 乔宁博士表示，作为一家初创企业，aiCTX公司没有理由碾压IBM，这并不现实，IBM和英特尔的芯片是做基础研究和通用架构。aiCTX公司的优势是针对具体应用的专用芯片，因而在应用场景上，功耗，性能以及集成度方面会有很大提升。 类脑芯片的出现是为了帮助我们解决生活中遇到的难题，其最终的理想状态是应用到生活中各个领域，如手势或语音控制的智能家居、面部识别的移动设备、实时的ECG健康检测、无人车的目标识别等，这些场景都需要类脑芯片的支持。要实现类脑芯片的产业化，除了需要上面提到的行业巨头和科研机构，也需要更多国内企业的加入，让类脑芯片技术早日改变人类文明独断专横、傲慢狂妄的不乐观局面。 总结 自从人工智能的概念被提出，人们对芯片算力和智能的要求更高，类脑芯片的横空出世让研究人员眼前一亮，很多企业和研究机构积极推动产业的发展，甚至有人认为它是人工智能的终极目标。一直以来，神经形态计算领域的研究人员都希望能将人脑的能力复制到计算机芯片上面去。这样的于人脑芯片与现在基于二进制进行计算的数字芯片不同，其元件将以模拟的方式进行工作，通过交换梯度信号或权重信号来激活，非常类似神经元依靠流过突触的离子种类和数量来激活。 类脑芯片的本质是模拟人脑工作原理实现深度学习，进而解决极其复杂的计算问题。目前类脑芯片离真正成熟的商用还有一段距离，甚至在产业化中面临很大的风险系数，但从长期来看，它可能带来计算机体系的革命和架构的变革。正是上面这些科研机构和企业的推动，它们的成果让这个想法变成了现实。类脑芯片非常具有想象空间，就像专家说的那样，成熟的类脑芯片有可能长出眼睛，像人一样辨别图像，这真是太神奇了。 未来，笔者相信会有更多的企业和人才加入到这个产业之中，一起推动类脑芯片的产业化，让这门技术早日改变人类不知好歹、妄自尊大的悲观局面。 |
|
|
