神經(jīng)形態(tài)計(jì)算能夠大幅提升數(shù)據(jù)處理能力和機(jī)器學(xué)習(xí)能力，是高性能計(jì)算的下一發(fā)展階段。在2018年CNCC大會(huì)“神經(jīng)形態(tài)芯片與神經(jīng)形態(tài)計(jì)算機(jī)”論壇上，陳云霽、汪玉、吳南健、曾毅、唐華錦、趙地等嘉賓做了相關(guān)報(bào)告，新智元?jiǎng)?chuàng)始兼CEO楊靜作為論壇主持人。

以深度學(xué)習(xí)為代表的人工神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)最重要的方法之一，在云端和終端都有非常廣泛的應(yīng)用。然而傳統(tǒng)的CPU和GPU芯片在進(jìn)行神經(jīng)網(wǎng)絡(luò)處理時(shí)遇到了嚴(yán)重的性能和能耗瓶頸。

神經(jīng)形態(tài)計(jì)算能夠大幅提升數(shù)據(jù)處理能力和機(jī)器學(xué)習(xí)能力，能耗和體積卻要小得多，或?qū)⒁I(lǐng)計(jì)算機(jī)微型化和人工智能的下一階段。

目前，神經(jīng)形態(tài)芯片已經(jīng)進(jìn)入工程化研發(fā)。IBM公司2014年8月所公布的百萬(wàn)神經(jīng)元級(jí)別的TrueNorth芯片，在執(zhí)行某些任務(wù)時(shí)，其能效可達(dá)傳統(tǒng)中央處理器的數(shù)百倍，首次與人腦的大腦皮層有了可比之處。

英特爾的首款神經(jīng)擬態(tài)芯片Loihi通過(guò)脈沖或尖峰傳遞信息，并自動(dòng)調(diào)節(jié)突觸強(qiáng)度，利用環(huán)境中的各種反饋信息，進(jìn)行自主學(xué)習(xí)、下達(dá)命令，也與人類(lèi)大腦運(yùn)行機(jī)制相似。

在2018年CNCC大會(huì)“神經(jīng)形態(tài)芯片與神經(jīng)形態(tài)計(jì)算機(jī)”論壇上，中科院計(jì)算所研究員、智能處理器研究中心主任陳云霽，清華大學(xué)電子工程系長(zhǎng)聘副教授汪玉，中科院半導(dǎo)體所研究員、中國(guó)科學(xué)院大學(xué)教授吳南健，中科院自動(dòng)化所研究員、類(lèi)腦智能研究中心副主任曾毅，四川大學(xué)類(lèi)腦中心主任唐華錦，中科院計(jì)算所副研究員趙地先后做了相關(guān)報(bào)告，新智元?jiǎng)?chuàng)始人兼CEO楊靜女士作為特邀嘉賓主持論壇及Panel環(huán)節(jié)。論壇共同主席為唐華錦、趙地。

在Panel環(huán)節(jié)上，吳南健、曾毅、唐華錦、趙地以及西南大學(xué)電子信息工程學(xué)院段書(shū)凱教授參與。

根據(jù)嘉賓演講內(nèi)容，整場(chǎng)論壇大致可分為神經(jīng)形態(tài)芯片、神經(jīng)形態(tài)計(jì)算算法以及論壇Panel三部分。以下為論壇精要。

神經(jīng)形態(tài)芯片新思路：ASIC之外的突破

首先是中科院計(jì)算所研究員、智能處理器研究中心主任陳云霽的演講題目為《深度學(xué)習(xí)專(zhuān)用處理器》。

傳統(tǒng)ASIC的思路無(wú)法解決深度學(xué)習(xí)處理的需求，寒武紀(jì)主要突破三大矛盾：

1、有限規(guī)模的硬件如何解決任意規(guī)模的算法；

2、結(jié)構(gòu)固定的硬件怎么應(yīng)對(duì)千變?nèi)f化的算法；

3、能耗受限的硬件怎么支撐精度優(yōu)先的算法；

針對(duì)上述三個(gè)矛盾，寒武紀(jì)分別做了以下三個(gè)努力：

1、硬件神經(jīng)元虛擬化。

學(xué)術(shù)創(chuàng)新：通過(guò)分時(shí)復(fù)用，將有限規(guī)模的硬件虛擬成任意大規(guī)模的人工神經(jīng)網(wǎng)絡(luò)。

關(guān)鍵技術(shù)包括：

控制架構(gòu)：支持硬件神經(jīng)元的動(dòng)態(tài)沖配置和運(yùn)行時(shí)編程。

訪(fǎng)存架構(gòu)：分離式的輸入神經(jīng)元、輸出神經(jīng)元和突出的片上存儲(chǔ)。

2、深度學(xué)習(xí)指令集。

學(xué)術(shù)創(chuàng)新：自動(dòng)化抽取各種深度學(xué)習(xí)（機(jī)器學(xué)習(xí)）算法共性基本算子，設(shè)計(jì)首個(gè)深度學(xué)習(xí)指令集來(lái)處理這些算法。

關(guān)鍵技術(shù)包括：

算子聚類(lèi)：自動(dòng)化抽取算法核心片段，基于數(shù)據(jù)特性聚為少數(shù)幾類(lèi)。

運(yùn)算架構(gòu)：設(shè)計(jì)共性神經(jīng)元電路，支持變精度流水級(jí)。

3、稀疏神經(jīng)網(wǎng)絡(luò)處理器結(jié)構(gòu)。

學(xué)術(shù)創(chuàng)新：利用神經(jīng)網(wǎng)對(duì)于計(jì)算誤差的容忍能力，進(jìn)行稀疏化神經(jīng)網(wǎng)絡(luò)處理，在有限的能耗下實(shí)現(xiàn)高精度的智能處理。

隨后，清華大學(xué)長(zhǎng)聘教授汪玉博士做了《基于RRAM的神經(jīng)網(wǎng)絡(luò)系統(tǒng)設(shè)計(jì)與探索》報(bào)告。

因?yàn)镃PU和GPU效率不高，因此要把神經(jīng)網(wǎng)絡(luò)應(yīng)用于更廣泛的應(yīng)用，需要定制硬件。FPGA可以成為神經(jīng)網(wǎng)絡(luò)加速的理想平臺(tái)，因?yàn)樗强删幊痰?，與通用處理器相比可以實(shí)現(xiàn)更高的能效。

然而，較長(zhǎng)的開(kāi)發(fā)周期和傳統(tǒng)的FPGA加速性能不足使其無(wú)法廣泛使用。汪玉介紹了一個(gè)完整的設(shè)計(jì)流程，采用深度壓縮和數(shù)據(jù)量化來(lái)利用算法中的冗余并降低計(jì)算和存儲(chǔ)器復(fù)雜性，以實(shí)現(xiàn)快速部署和高能效，以加速FPGA上的神經(jīng)網(wǎng)絡(luò)。

另一方面，以存算一體化為基礎(chǔ)（例如基于RRAM等非易失存器件）的神經(jīng)網(wǎng)絡(luò)計(jì)算平臺(tái)設(shè)計(jì)成為發(fā)展方向，報(bào)告還介紹了基于RRAM的深度學(xué)習(xí)處理系統(tǒng)設(shè)計(jì)，探討進(jìn)一步提高能效的機(jī)遇與挑戰(zhàn)。

RRAM是電阻網(wǎng)絡(luò)的向量和向量的運(yùn)算，只要一通電，數(shù)據(jù)流過(guò)，就會(huì)出結(jié)果，不需要搬數(shù)據(jù)，所以非常漂亮的一種方式。

但是這種方式真的是好嗎？最近幾年，這種方式能做出來(lái)的芯片都還非常的小。

汪玉團(tuán)隊(duì)針對(duì)存算一體化系統(tǒng)中的一些關(guān)鍵問(wèn)題展開(kāi)研究，特別是數(shù)?；旌舷到y(tǒng)的接口設(shè)計(jì)優(yōu)化、如何用不可靠的器件設(shè)計(jì)可靠系統(tǒng)等方面開(kāi)展大量研究。

接下來(lái)，中科院半導(dǎo)體所研究員、中國(guó)科學(xué)院大學(xué)教授吳南健做了《人工視覺(jué)系統(tǒng)芯片研究及發(fā)展趨勢(shì)》報(bào)告。

人工視覺(jué)系統(tǒng)芯片是單芯片集成視覺(jué)傳感器和視覺(jué)并行處理器，能夠模仿人類(lèi)視覺(jué)系統(tǒng)的信息并行獲取和處理，可實(shí)現(xiàn)高速圖像獲取、傳輸、學(xué)習(xí)、記憶、識(shí)別和控制。

涉及到的核心技術(shù)涉及三點(diǎn)：視覺(jué)呈現(xiàn)、視覺(jué)信息處理、集成技術(shù)。

人工視覺(jué)芯片是典型的邊緣計(jì)算，要求實(shí)時(shí)處理能力強(qiáng)、功耗低、體積小，非常難設(shè)計(jì)，但應(yīng)用前景廣泛，吳教授認(rèn)為，3、4年內(nèi)應(yīng)該會(huì)大規(guī)模應(yīng)用。

根據(jù)視覺(jué)獲取和處理方法不同，人工視覺(jué)系統(tǒng)芯片分為幀驅(qū)動(dòng)和事件驅(qū)動(dòng)視覺(jué)芯片。以下為兩種芯片的比較：

其中，事件驅(qū)動(dòng)視覺(jué)芯片能夠檢測(cè)空間和事件光變化，以事件方式獲取信號(hào)、處理信號(hào)和輸出，相對(duì)幀驅(qū)動(dòng)視覺(jué)芯片，事件驅(qū)動(dòng)視覺(jué)芯片還處于起步階段。

目前，國(guó)際上的人工視覺(jué)系統(tǒng)芯片最新成果對(duì)比：

目前人工智能是計(jì)算速度與數(shù)據(jù)規(guī)模提升的結(jié)果，機(jī)器自我意識(shí)何時(shí)覺(jué)醒？

中國(guó)科學(xué)院自動(dòng)化研究所研究員、類(lèi)腦智能研究中心副主任曾毅做了《類(lèi)腦智能：從類(lèi)腦認(rèn)知引擎到有意識(shí)的生命體》的報(bào)告。

類(lèi)腦智能是通過(guò)受腦多尺度結(jié)構(gòu)與計(jì)算機(jī)制啟發(fā)，探索人類(lèi)智能本質(zhì)與人類(lèi)水平人工智能的重要途徑之一。報(bào)告從人類(lèi)的心智是否能夠在計(jì)算系統(tǒng)中重現(xiàn)等科學(xué)問(wèn)題出發(fā)，從人工智能、神經(jīng)科學(xué)、認(rèn)知科學(xué)融合的視角介紹類(lèi)腦認(rèn)知引的研究進(jìn)展。

曾毅認(rèn)為，目前的人工智能是計(jì)算速度與數(shù)據(jù)規(guī)模的提升。在曾毅看來(lái)，數(shù)據(jù)智能與機(jī)器智能并不是真正的智能，它們只是看上去很像智能的信息處理，與真正探索智能本質(zhì)，基于機(jī)制的人工智能還相去甚遠(yuǎn)。

他的演講著重介紹課題組在大規(guī)模多尺度腦神經(jīng)網(wǎng)絡(luò)建模與模擬、類(lèi)腦自主學(xué)習(xí)與決策及其在無(wú)人、機(jī)器人領(lǐng)域的應(yīng)用方面。在此基融上，將進(jìn)一步探討機(jī)器自我意識(shí)的初步探索并展望機(jī)器意識(shí)與人機(jī)社會(huì)的未來(lái)。

四川大學(xué)教授唐華錦教授做了《神經(jīng)形態(tài)計(jì)算進(jìn)展》報(bào)告。

與傳統(tǒng)人工智能方法不同，神經(jīng)形態(tài)計(jì)算主要受神經(jīng)科學(xué)發(fā)展推動(dòng)，是建立在大腦神經(jīng)電路結(jié)構(gòu)和神經(jīng)信息處理與神經(jīng)脈沖計(jì)算原理上的新型計(jì)算模式，并最終以神經(jīng)形態(tài)硬件方式來(lái)實(shí)現(xiàn)仿腦的認(rèn)知計(jì)算與低功耗運(yùn)算。

雖然在神經(jīng)元和突觸層級(jí)神經(jīng)科學(xué)已經(jīng)取得了很大的進(jìn)展，但神經(jīng)元之間如何通過(guò)網(wǎng)絡(luò)連接取得復(fù)雜認(rèn)知功能仍然缺乏了解。

唐華錦教授從神經(jīng)形態(tài)認(rèn)知計(jì)算領(lǐng)域需要解決的主要問(wèn)題出發(fā)，介紹如下幾個(gè)方面內(nèi)容：神經(jīng)信息編碼、突觸可望性與學(xué)習(xí)算法，以及集成編碼與學(xué)習(xí)的系統(tǒng)模型，并討論神經(jīng)形態(tài)計(jì)算領(lǐng)域的最新進(jìn)展及展望。

隨后，中科院計(jì)算所副研究員趙地做了《神經(jīng)形態(tài)計(jì)算與醫(yī)學(xué)影像分析》報(bào)告。

心電信號(hào)檢測(cè)與分析是心臟疾病患者的重要保障。現(xiàn)有的方法包括機(jī)器學(xué)習(xí)與一維深度學(xué)習(xí)。然而，現(xiàn)有的方法難以滿(mǎn)足心臟疾病患者全天候?qū)崟r(shí)檢測(cè)高準(zhǔn)確率和低能耗的要求。

趙地的研究基于脈沖神經(jīng)網(wǎng)絡(luò)，將心電信號(hào)的時(shí)空特性直接編碼到尖峰序到中，通過(guò)基于 Izhikevich尖峰神經(jīng)元的網(wǎng)路進(jìn)行特征提取，并采用時(shí)間以來(lái)可塑性(STDP)算法進(jìn)行優(yōu)化,對(duì)心電信號(hào)指示的疾病進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明，通過(guò)基于類(lèi)腦計(jì)算的算法分析公共ECG數(shù)據(jù)庫(kù)和內(nèi)部臨床試驗(yàn)，準(zhǔn)確率與能耗遠(yuǎn)優(yōu)于現(xiàn)有的方法。

中國(guó)自主芯片研發(fā)最關(guān)鍵著力點(diǎn)：生態(tài)

在論壇的panel環(huán)節(jié)，吳南健、曾毅、唐華錦、趙地以及西南大學(xué)電子信息工程學(xué)院段書(shū)凱教授參與，新智元?jiǎng)?chuàng)始人兼CEO楊靜女士擔(dān)任主持人。

楊靜：在貿(mào)易緊張背景下，中國(guó)遭“缺芯”之痛，產(chǎn)業(yè)界和學(xué)術(shù)界對(duì)于中國(guó)自主芯片的研發(fā)的最關(guān)鍵著力點(diǎn)究竟在哪兒？中國(guó)未來(lái)AI芯的最短板是哪里？我們?cè)撛趺崔k？

嘉賓：英特爾和微軟是最佳的“聯(lián)姻”，形成WIntel生態(tài)。華為、阿里的芯片做出來(lái)了，但如果沒(méi)人用，做的再好也不會(huì)形成生態(tài)。我們國(guó)家在很早的時(shí)候做出了CPU和系統(tǒng)，但是很多軟件移植不到上面去。關(guān)鍵在于產(chǎn)學(xué)研要融合，企業(yè)要和學(xué)校緊密聯(lián)系，同時(shí)也應(yīng)該建立起生態(tài)。

對(duì)于研究人員而言，應(yīng)該主動(dòng)和產(chǎn)業(yè)對(duì)接，成果優(yōu)先在產(chǎn)業(yè)界轉(zhuǎn)化。

芯片的問(wèn)題實(shí)際上是結(jié)構(gòu)性問(wèn)題，我們國(guó)家芯片開(kāi)發(fā)長(zhǎng)期以來(lái)落后，另一方面也反映對(duì)芯片開(kāi)發(fā)缺乏信心。但是我國(guó)將近20年的集成電路發(fā)展，水平是可以達(dá)到國(guó)家的需求，希望系統(tǒng)廠(chǎng)商能有風(fēng)險(xiǎn)意識(shí)，應(yīng)該有國(guó)內(nèi)供應(yīng)商。

楊靜：中國(guó)有哪些研發(fā)機(jī)構(gòu)在神經(jīng)形態(tài)芯片領(lǐng)域最有希望取得突破，最關(guān)鍵的應(yīng)用領(lǐng)域有哪些？

嘉賓：總體來(lái)講，國(guó)家整體態(tài)勢(shì)跟美國(guó)相比可能有差距，差距還是在整體的生態(tài)和環(huán)境上，但是跟國(guó)際上其他國(guó)家相比還是有優(yōu)勢(shì)的。今年以來(lái)，國(guó)內(nèi)企業(yè)和學(xué)術(shù)機(jī)構(gòu)發(fā)布的芯片在國(guó)際上達(dá)到較高水平。

在神經(jīng)形態(tài)領(lǐng)域應(yīng)該有提前布局，不管是基本單元的性能還是智能，以體系結(jié)構(gòu)的視角提升高智能。

未來(lái)，自適應(yīng)、自學(xué)習(xí)的芯片硬件是最有可能突破的方向。

楊靜：歐洲大腦計(jì)劃、美國(guó)大腦計(jì)劃或者中國(guó)大腦計(jì)劃都漸漸從公眾視野淡出，人類(lèi)大腦計(jì)劃未來(lái)3年會(huì)出現(xiàn)新的突破么？目標(biāo)會(huì)調(diào)整么？

嘉賓：信息論和圖靈機(jī)的模型定義在幾十年前，現(xiàn)在還是定義這樣，人類(lèi)大腦計(jì)劃目標(biāo)就是為了突破這種定義。

十年時(shí)間重新創(chuàng)造人類(lèi)大腦是非常困難的，以現(xiàn)在神經(jīng)科學(xué)在三維重建上的技術(shù)是不能實(shí)現(xiàn)的。這是萬(wàn)米賽跑，大家都剛起步。

楊靜：2018年國(guó)際上神經(jīng)形態(tài)芯片研發(fā)有哪些重大進(jìn)展？是產(chǎn)業(yè)主導(dǎo)還是學(xué)術(shù)主導(dǎo)?

嘉賓：英特爾神經(jīng)形態(tài)芯片不管是在規(guī)模還是性能上都是非常領(lǐng)先的，國(guó)內(nèi)，寒武紀(jì)、地平線(xiàn)等公司做的芯片。

在憶阻器方面，整體上全球各個(gè)國(guó)家都有明顯的進(jìn)步，清華、科學(xué)院微電子所、華中科大幾大團(tuán)隊(duì)也在做。引起工業(yè)界關(guān)注的是利用光來(lái)進(jìn)行神經(jīng)擬態(tài)芯片研發(fā)。

新智元?jiǎng)?chuàng)始人兼CEO楊靜女士與論壇共同主席唐華錦（左一）、趙地