立于百年機遇變革潮頭，數字經濟已成中國經濟高質量躍遷新引擎。加速數字產業化、產業數字化，是當下發展數字經濟及數字化轉型的重要命題。到底什么是數字經濟？數字經濟現處何種階段？數字經濟的發展方向在哪里？如何實現數字化轉型？……

江偉杰博士現任全球半導體聯盟亞太區執行長，擁有豐富的實際應用和芯片開發工程經驗。全球半導體聯盟擁有近400家成員公司，產值占半導體行業75％以上。

世界上最復雜的東西是什么？

答案不是機器，不是AI，是我們的大腦。

神經學家說，人腦是世界上最復雜的東西，它復雜得讓試圖解釋它的簡單模型可笑，讓精致的模型無用。生物學家說，人的大腦是否能理解它自己，是最古老的哲學問題。

在人工智能的發展中，一直存在著兩大技術路徑，一條是以模型學習驅動的數據智能，另外一條是以認知仿生驅動的類腦智能。前者即我們通常所指的“人工智能”技術，它已廣泛應用于人臉識別、機器視覺等各大領域；后者作為全新的技術才剛剛開始，具備巨大的想象空間。

近日，億歐EqualOcean采訪了新氦類腦智能平臺總經理江偉杰，試圖探究：類腦技術究竟意義何在？其未來將如何發展？

算法世界的成本瓶頸

先用一組數據來感知計算機世界和人腦世界的差距：

曾排名世界第一的超級計算機天河一號，裝有3．2萬顆主CPU和4．8萬個協處理器，其計算力相當于13億人同時用計算器算上1000年，但耗電量驚人，滿負荷下一天電費超30萬，一年費用超1億；

日本曾將算力排名世界第4的超級計算機與人腦作PK實驗，結果出乎意料地顯示，這臺超級計算機在模擬1％人腦活動的時候就消耗了將近40分鐘，而我們的大腦執行這樣的工作只需要1秒鐘；

人腦消耗的能量如果用電量來衡量的話，功率是25W，相比之下，標準計算機僅識別1000種不同的物體，就需要消耗250W的能量。

這些事實都指向一個問題：算法成本有多高？

聰明的算法模型固然提高了人們的工作效率，但要進一步發展以執行更復雜任務，將不可避免面臨高功耗、低效率所帶來的成本瓶頸。

計算機的世界里，這一切都源于“馮·諾依曼結構”。1946年，第一臺通用計算機ENIAC誕生，在它27噸的龐大身軀里，CPU負責加工處理數據，內存負責存儲。自此，存儲單元和運算單元分離，成為計算機的基本架構。

但兩相分離的產業格局，導致內存技術與處理器技術發展不同步。在過去的20多年中，處理器的性能以每年大約55％的速度快速提升，而內存性能的提升速度則只有每年10％左右。內存的存取速度嚴重滯后于處理器的計算速度，“內存墻瓶頸”導致高性能處理器難以發揮出應有的功效，對高性能計算形成極大制約。

但在人腦結構下，計算和存儲發生在同一神經突觸中，數以百萬億的神經元同時進行著存儲和計算，讓信息處理變得快速而高效。

怎樣模仿人類神經系統工作原理，開發出快速、可靠、低耗的運算技術？類腦技術即由來于此。

低功耗、高智能的類腦技術

類腦技術采用了和傳統計算機完全不同的架構，利用基于時序的脈沖神經網絡結構，處理復雜的計算任務。江偉杰舉了一個形象生動的例子，解釋基于時序的脈沖編碼和傳統二進制編碼的差別。

假設房間里裝了智能攝像頭，為了達到安防效果，它需要隨時在線，即使房間里大部分時間空空蕩蕩，它也必須一幀一幀拍攝下去。

但脈沖結構是事件驅動的，類腦技術的神經單元只有在接收或發出尖峰信號時才處于活躍狀態。這種結構下，系統只有在房間里有人闖入時才做出反應，若無事件發生，系統將保持閑置狀態，這將大大縮減計算量。

除此之外，類腦的計算原理與計算機二進制亦不同。江偉杰介紹，計算機二進制的世界是非黑即白的，只有對錯兩種選擇，但類腦的模擬計算世界不是簡單的二元論。

類腦芯片元件模擬了神經元被流過突觸的離子激活的工作原理，它通過交換梯度信號或權重信號激活，達到模擬人腦處理信息的目的。和人腦一樣，類腦芯片擅長的不是“粗暴”的二進制計算方式，而是高進制的復雜運算，例如推理、識別。

“類腦模擬計算的密度比二進制大很多，但精度上有所欠缺。”江偉杰告訴億歐。

“很多人談到類腦技術，總是要把它定位成比人工智能更高級的存在，但這種態度我并不認同。”他直言，“人工智能在很多方面有非常獨特的優越性，類腦技術和人工智能的關系，應該是互補而不是替代的關系。在技術應用中，我們的態度很簡單，哪個好用就用哪個”。

舉例來說，AlphaGo用精妙的算法打敗世界冠軍李世石，展示了人工智能的巨大潛力。在9＊9的棋盤上，規則是固定的，系統只需要大量數據作為輸入，通過不斷訓練檢查結果，再校對調整參數，即能得到最優擬合方程。

“但下棋不會是類腦技術所涉獵的領域。”江偉杰說，“類腦擅長的是推理，是在小樣本、高噪聲環境下解決問題。”

如果說人工智能長于應對大樣本條件下的經典問題，那么類腦技術則是解決鮮有先例、不易總結的“疑難雜癥”。在現實應用中，兩種技術互為補充，讓各行各業更“智能”。

類腦前沿應用

2013年，歐盟人腦旗艦計劃發布，該項目如是表明類腦技術的重要性：“在未來10到20年內，誰要引領世界經濟，誰就必須在這個領域領先。”

在此后的多年里，類腦技術在全球取得了飛速進展。

2014年，美國IBM開發出與人腦類似的TrueNorth系統。它模仿人類大腦結構，每顆芯片內置100萬個模擬神經元和2．56億個模擬神經突觸，組成具有4800萬個神經元的網絡，智力水平抵得上一只小老鼠，而能耗僅為2．5瓦。

2019年7月，在美國國防部高級研究計劃局電子復興峰會上，英特爾隆重展示了其“Pohoiki Beach”芯片系統。它含有800多萬神經元，在人工智能任務中執行速度比傳統CPU快一千倍，能效提高一萬倍，已能勝任觸覺感知、假肢控制、玩桌足球等簡單任務。

時隔半月后，清華大學類腦計算研究中心施路平團隊發布“天機”芯片，登上《自然》（Nature）封面，實現了中國在芯片和人工智能兩大領域《自然》論文零的突破。這款芯片包含了大約4萬神經元和1000萬突觸，被搭載在自動行駛自行車上，能夠實現目標探測和追蹤、語音識別、避障、平衡控制、自主決策等多項功能。

“盡管芯片產業西方領先，但在類腦這一全新技術上，大家在同一起跑線上。”江偉杰說。

天機芯不僅是世界首款異構融合類腦芯片，也是首款既支持脈沖神經又支持人工神經網絡的智能芯片。它融合了計算機科學和腦科學領域的技術優勢，成為第六屆世界互聯網大會上15項世界互聯網領先科技成果之一。

在類腦技術研發上，中國比肩西方，甚至走在了前列。而在行業應用上，江偉杰所在的新氦類腦智能平臺，致力于為整個產業共享核心資源，孵化類腦技術的具體應用。

江偉杰向億歐介紹了幾個類腦技術的應用案例。

例如，某藥企在產品銷售過程中，經常發現有渠道利用規則漏洞作虛假交易，以騙取業績提成。傳統方法是請審計專家做風險提示，準確率大概在15％左右。后來藥企訴諸AI技術，但當專家測試交易模型后，卻發現結果的準確率僅達到5％，原因在于復雜的高噪聲環境中，算法模型準確性大大降低。

而當類腦技術被用于檢查虛假交易時，系統僅僅用最原始的個別交易記錄，通過本地學習、推理演繹，便將風險提示命中率提高到60％左右，大大節省了人工成本。

再例如，某些大型工廠需要檢查設備是否出現裂縫，由于數據量稀少，AI算法在小樣本環境下近乎失效。但類腦系統利用推理方式，可以通過已有的模型去適應這些樣本或小樣本場景，很好地解決了這一問題。

“在垂直應用上，類腦技術還有很大的發揮空間。”江偉杰說道。目前，類腦技術在個別高噪聲、小樣本場景下已有嘗試，對于經典人工智能算法表現好的場景，倒不見得有優勢。

“我們不僅要懂技術，更要理解中國廣闊的應用場景，理解社會環境。”當談到未來，江偉杰如是展望，“我相信未來10年，中國類腦技術一定會取得大發展。”

相比于計算機“單純”的零一世界，類腦的世界復雜、多樣，充滿了重重挑戰。當前，無論在前沿技術研發，還是垂直行業應用上，中國都取得了卓越的進步。在制度不斷完善、技術不斷改進的未來，人腦讀懂人腦，將不是夢想。

責任編輯：xj