類腦芯片是人工智能芯片中的一種架構。它模擬人腦進行設計，相比于傳統芯片，在功耗和學習能力上具有更大優勢。類腦芯片的研究就是基于微電子技術和新型神經形態器件的結合，希望突破傳統計算架構，實現存儲與計算的深度融合，大幅提升計算性能、提高集成度、降低能耗。

8月底，由新氦類腦智能主辦的“2019新氦AI芯片論壇暨國際智能電子與系統學術討論會”在上海市楊浦區長陽創谷隆重召開。期間，國內外20多位產學研各方向專家、企業家針對“人工智能與類腦智能的趨勢”、“算法與芯片的發展方向“展開了深度探討。

類腦計算——人工智能的新基石

類腦計算借鑒大腦中進行信息處理的基本規律，在硬件實現與軟件算法等多個層面，對于現有的計算體系與系統做出本質的變革，從而實現在計算能耗、計算能力與計算效率等諸多方面的大幅改進。作為一種借鑒人腦結構存儲、處理信息方式發展起來的新技術，類腦計算將是人工通用智能的基石。

在本次論壇中，四川大學類腦計算研究中心主任唐華錦為我們介紹了大腦進行編碼的原理，與超級計算機對比，類腦計算擁有百億個神經元、百萬億個突觸，還有大量平行的尖峰神經元，計算能力更強。

立足于類腦計算前沿，類腦計算研究中心主要進行類腦計算、感知信息處理核智能硬件、大規模腦認知計算網絡、類腦計算芯片和軟件、智能機器人的研究，并且與國際和國內頂尖類腦研究機構建立了密切合作關系，以期帶動以類腦計算為核心的人工智能算法、類腦芯片和感知器、智能機器人的技術創新。

如今人工智能產業發展快速，邊緣計算已經成為驅動因素之一，并且希望盡可能的實現對人腦結構的模擬，極力將機器打造得像人一樣思考和工作，讓決策更加擬人化、更加精確。藍海智能總裁John Rowland認為NVM的下一代技術將會進一步實現功耗下降，在未來還會有很多其他新的領域，但無論何種解決方案，低功耗、高效率都將是不變的主題。

斯坦福大學托馬斯·李教授通過美國通訊領域的歷史，為我們展望了半導體行業的未來，他講到“我們希望能夠做全運用的加速，而并不是特定的場景加速而已，因為畢竟在未來場景是隨時出現的，我們希望所有場景都能實現實時的場景，能全面的提升。”同時托馬斯·李教授還對邊緣計算的實時性，延遲性等等發表了自己的看法及觀點，具體的演講視頻及演講內容，歡迎關注“Neuhelium新氦”公眾號進行觀看。

來自法國新能源與原子能委員會的艾哈邁德·杰拉亞主任也論壇中講到技術與產業的應用，通過幾個實例介紹了如何做到更快更小更低功耗的半導體技術。有關邊緣AI的運用，提到類腦的接口，包括甚至可以讓截癱的人再次行走的實際應用。

類腦智能——未來人工智能的發展方向

類腦智能有著很好的應用前景，國內很多優秀企業在類腦芯片的研發、量產以及AI架構等方面都有不錯的成果。

信息通信技術革命經歷了由電學、數字，到網絡再到智能的過程，如今的計算機越來越小，摩爾定理即將終結，物理限制效應越來越明確。會上，上海智能電子與系統研究院院長鄭立榮為我們介紹了他們的研究成果：CNN專用處理芯片（Wolong）、CNN專用處理芯片（Log量化版），而且芯片的面積還可以進一步縮減。

不管是智慧家庭、智慧城市、還是智慧醫療、智能機器人等人工智能應用，AI芯片都是人工智能產業的核心部件。聯合微電子中心（香港）致力于提升AI芯片的功能，研發的機器學習硬件加速器和DNN加速器，基于GPU的應用程序，通過深度學習顯著提高準確性，可以廣泛應用于物體識別、行為識別、人臉識別，并且擁有人臉識別、智能零售、自動駕駛、室內監控、地面監控等廣泛的應用場景。

汽車電子發展也離不開芯片的支持。隨著智能網聯時代的到來，車規級芯片對可靠性、大算力、安全性、集成度、低功耗等方面的要求也越來越高，芯馳科技的首席執行官仇雨菁女士表示未來芯片的迭代速度會更快，芯片從量產至汽車上市的時間，這個周期在會被壓縮的更短，而這對于芯片廠家來說將是更大的挑戰。

不僅AI芯片重要，AI架構的地位也不可忽視，可以說一個好的AI架構是研發成功的第一步，只有更優質的AI架構才能開發出更優質的芯片產品。新思科技人工智能實驗室主任／MLPerf工作組主席廖仁億表示傳統的智能芯片的發展經過規范、設計、實施、檢驗、定案和驗證等過程，而新思的AI平臺從軟件到硅片，實現周期更短、質量更好，也更加安全，并且會使用一些新的工具去發展、支持AI芯片的發展。

藍海智能的總裁羅強先生就“邊緣計算訓練芯片”進行了演講，同時代表產業界表示，目前的技術邊緣計算快速的發展，是AI芯片進步的驅動因素之一，但是在未來，我們也將會取得更大的半導體領域的進展，半導體技術的進步也會給我們帶來更多的創新，我們很多制造商，會采用新的半導體技術，這些技術包括像臺機電等等，都在快速進行開發，他們可以為客戶有更加完整的解決方案，這些半導體技術，并不僅僅只增加性能，還可以降低功耗，并不是一個單位數的，而是指數級的，這是未來希望通過半導體技術所達到的效能。

在AI芯片領域，中國的機會非常巨大，中國本身的市場很大，有數據、場景優勢，最重要的是我們國家把它作為戰略來發展，大力扶持芯片產業。

作為重要的前沿科技領域，類腦智能研究的大幕已經拉開，未來企業想成為AI領域的領導者，沒有類腦芯片技術的加持，將舉步維艱。

目前所面臨的挑戰

類腦智能的發展為我們帶來了新的機遇，比如在汽車行業，汽車亟需更多的電力、更加智能化應用等；與此同時，我們也面臨著更多新的挑戰。

主要挑戰是缺少人才。從算法、計算框架，到整個芯片的實現，我國人才都十分匱乏，需要全面、大力培養人才來支持AI產業。

現在的模型，比如說深度學習，要么做視覺識別，要么語音識別，只是模擬類似單一的腦區，而我們的大腦是由不同的腦區來完成不同的功能，多個腦區之間又有聯合學習的能力。為了真正讓類腦智能更加靈活，我們應該借鑒大腦復雜的多腦區結構，完成多腦區協同學習，只是現在還沒有統一的架構來滿足多腦區靈活學習需求，這將是未來的重要研究方向。

目前深度學習、人工智能所用的平臺工具都是開放、開源型，且基本上為國際企業所提供；需要國內企業努力，做出一個符合本土AI需求的框架，盡早彌補我國從研究、開發，到維護整個平臺工具鏈條這一薄弱環節。

開源降低了本土企業的研發門檻，但開源的背后是國外大企業的支持，話語權并不在我們手里；在類腦智能這個新領域里，中國企業或許可以一試。

未來市場巨大

從人臉識別、聲音識別、圖像識別，到游戲、自動駕駛等等，人工智能可以說無處不在，隨著5G的進一步普及，未來AI和5G市場潛力巨大。本土人工智能產業可利用海量數據引領全球AI行業發展。

由物聯網提供數據支撐，由AI提供解析方案，這將是從“萬物互聯”到“萬物智聯”的新途徑，其本質是實現機器對物理世界的智能化感知。芮啟智能首席執行官環宇翔先生表示AIoT的處理具有邊緣化、智能傳感、低延時、低功耗以及保證隱私安全等特征。展望未來，算法和專用硬件是基礎，行業場景和行業經驗是關鍵，而這一切的核心源于大量的數據，必須依賴于行業專家的支持經驗，把數據轉化成想要的AI能提取的智能信息，這是AI得以實現的關鍵。

現階段人們需要更高效的神經網絡硬件，以促進類腦芯片制造。斯德哥爾摩大學教授Anders Lansner表示，腦科學能夠幫助我們實現這一目標，如何充分真正了解人類大腦的運作機制，則需要結合神經科學以及認知心理學這兩個學科，對于未來新一代的人工智能而言，我們需要深入的了解這些學科本身的內容以及背后的概念。

全球電子產業鏈制造重心在中國，中國制造業產值占世界制造業產值的比重不斷增加，同時中國半導體產值的增速也高于制造業產值增速，5G、汽車電子等方面的大力發展催生半導體擁有新機會。計算力、算法的提升，大量數據的儲備，以及中國廣泛的資本四大因素促進了人工智能進入繁榮期，而人工智能帶來的產業變革大家都有目共睹。華登國際副總裁蘇東先生表示中國半導體產業的成功離不開政策、產業鏈、市場以及人才的鋪墊。

人工智能的應用除了我們所熟知的自動駕駛、智能家居等應用領域外，還能賦能升級線下零售。阿里、天貓、京東等線上零售的交易額非常巨大，而線下零售產值是線上的四倍多；另外，線下零售的流量更優質。Aibee算法科學家翁仁亮表示：線下場景數字化可以與線上數據打通，以及電子商務跟線下零售打通，這對于運營商來說，讓零售可以做得更為精確。

可以想象，未來“類腦智能”將形成新型智能形態，并且利用其強大的感知、記憶、推理、學習能力以及機器智能體的信息整合、搜索、計算能力為各行各業賦能，給我們的生產生活帶來更大的便利。

新氦類腦智能的啟示

從深度學習的角度來說，我們起步比國外晚很多，從平臺角度來說，都有自己的平臺，幾乎能夠統治深度學習的江山，然而在類腦智領域里面，還沒有出現一家獨大的情況，像新氦類腦智能，國內的類腦中心復旦大學，以及清華大學等高校和機構，已是中國類腦智能的領頭羊。作為類腦芯片產業的新生力量，新氦類腦智能公司正在加速推動產業化，充分發揮技術優勢，推動產業轉化，為各類型技術團隊及企業提供專家支持，行業資源，對接各類型人工智能應用場景。

新氦類腦智能研發與轉化功能型平臺由國際頂級芯片及人工智能行業專家領銜，配備前沿的芯片設計、仿真及測試驗證環境，加強應用基礎研究，拓展實施國家重大科技項目，突出關鍵共性技術、前沿引領技術、顛覆性技術創新，作為世界領先的技術平臺，立足上海面向全球。