當AlphaGo打敗韓國棋手李世石后，為了讓其能更好地訓練自己的系統，谷歌專為機器學習定制了“TPU”（Tensor Processing Unit）的ASIC芯片，專門針對TensorFlow進行優化，性能要優于英偉達的GPU。

　　從谷歌對于芯片的重視程度來看，芯片的性能對于人工智能訓練自身，進行機器學習的這一過程非常重要。在人工智能領域里，在CPU、GPU上運行深度神經網絡計算已不是什么新鮮事。對于芯片公司來說，未來人工智能會越來越多地運用到各個智能設備上，對芯片的傳感器、信息處理速度的要求越來越高。

　　這樣一來，科學家就需要采用專門的高效芯片來處理深度神經網絡帶來的海量數據。現在，利用神經形態計算，來模擬人類大腦處理信息的技術，正在成為人工智能領域的另一個技術方向。

　　“人工智能深度神經網絡的計算結構比較特殊，比如高度的并行化、時間域上的遞歸、中間的節點比較稀疏，所以如果能用專門的硬件來實現，會比在CPU上用軟件實現要高效，一般來說會提高2-3個數量級。”地平線機器人公司余凱在接受媒體采訪時說。

　　神經形態計算可以模擬人類大腦處理信息

　　馮·諾依曼

　　神經形態計算，也可以稱為是大腦刺激計算，對于科學家來說這個領域一直是誘人的目標。人腦運轉的高效性對于許多計算機來說，一直是無法企及的目標。除了能用更少的能耗來做更多的計算外，最為重要的是，神經形態計算擺脫了馮·諾依曼建立的計算結構，將模擬大腦處理、加工信息的過程集成到芯片上。這樣一來，裝了這種芯片的機器可以更快速、高效的學習數據。

　　但是，目前計算機使用的芯片大多還是依據馮·諾依曼體系結構，依靠中央處理器和存儲器來回處理信息，計算信息中的邏輯。這個方法非常適合處理數字，執行精確編寫的程序，但不能用于處理圖像或聲音。以谷歌公司為例，谷歌訓練人工智能識別視頻中的貓時，需要16000個處理器來支撐。

　　而神經形態計算，則希望通過模擬人類大腦處理信息的過程來達到高效的作用。它模擬了大腦數十億神經元和突觸，用以接受外來信息，如視覺、聽覺，隨后，接受到的信息、圖片和聲音又能改變神經元之間的聯系。這整個過程就是機器學習的過程。在神經形態計算中，納入了類似人類大腦啟發的模型，也可以稱為神經網絡。

　　IBM、高通布局神經形態計算芯片

　　神經形態計算最早由從事類腦研究的美國加州理工學院科學家Carver Mead，在上世紀80年代末提出。雖然在過去三十幾年中，業界仍以傳統的芯片為主，但國外已經有科技巨頭在朝這個方向努力，甚至還聯合了美國國防部先進研究項目局（DARPA）。

　　例如，IBM的TrueNorth項目。該項目在2014年8月推出，IBM以神經形態工程學設計了CMOS芯片，包含4096個硬件核心，每個核心包含256個可編程的神經元芯片，擁有超過一百萬的神經元。神經元上的突觸能接受信號并影響彼此之間的聯系。

　　TrueNorth的項目是DARPA（SyNAPSE）下的項目之一，這款芯片的計算能力已經大致等同于嚙齒動物的腦力。它也繞開馮·諾依曼架構的瓶頸，同時還非常節能，功耗僅70為毫瓦，能夠每秒能操作460億神經突觸。

　　如果說IBM的項目與軍方有關，不適合商用的話，那高通Zeroth項目的商業味道會更濃一些。Zeroth項目，不僅希望可以模仿類似人類的感知，而且還擁有學習生物大腦如何活動的能力。高通研發部門的高級主管和產品經理Tony Lewis認為他們的研究很有意義：“大腦之中充滿了電流活動和諸如意識、行為等活動模式，人們之前無法觀察這些活動，這些活動模式出錯了也不知道怎么去治療。借助于高通的研究成果，人們會看到人類大腦中復雜的活動模式，并能夠識別他們，進而研發出治療恢復的方法。”

　　目前高通還將自己的研究成果用于玩具機器人上，可以讓機器人在丟失了圖傳信號，或者斷網的情況，能自主地判別障礙物并主動繞行。未來，高通還希望建立Zeroth平臺，搭建更多的應用項目。

　　國內水平不差，未來可彎道超車

　　西井科技發布的首塊5000萬神經元類腦芯片

　　除了國外的科技公司在投入外，國內也有初創公司加入到神經形態計算芯片的研發中。上海西井信息科技公司成立于2015年。在今年5月份，公司對外推出了擁有100億“神經元”的人腦實時仿真模擬器“西井大腦”，同時還推出了5000萬神經元類腦商用芯片。西井信息科技CEO譚黎敏在接受澎湃新聞（www.thepaper.cn）采訪時說：“在無網絡情況下使用相對需要傳輸云端處理任務。我們之前做過相應測試，使用我們的芯片，在2秒內，8個神經元核心就完成了對6萬張圖片的學習。速度之快，大大超越了傳統的CPU。正是因為模擬人腦神經元的工作方式，而產生了這樣的優勢。”

　　據譚黎敏介紹，公司獨有的算法可以模擬人腦突觸的可塑性原理，也讓公司成為了做到“on-line learning”的硬件團隊。目前公司還在擴大技術隊伍，計劃在今年年末推出可量產的商用芯片。同時，該公司還計劃用類腦智能助力腦科學研究，以腦科學研究“反哺”類腦智能的方式與各國腦計劃團隊展開合作交流。

　　盡管神經形態計算的芯片在技術上有優勢，但也不得不指出，從目前的市場情況來說，仍以傳統的芯片為主。大多數的公司也還在摸索芯片的應用場景。

　　“神經形態計算還處于起步階段。”橡樹嶺國家實驗室研究員凱瑟琳·舒曼說，“我們還沒有確定我們將運行的特定架構。同時我們也還在尋找以不同的方式模擬神經元突觸。此外，還有如何實際使用這些設備的問題、編程方面等都需要花時間。”

　　譚黎敏在接受澎湃新聞采訪時，也談到了一些國內遇到的困難。他告訴澎湃新聞（www.thepaper.cn）：“除了緊缺技術人才，我們更缺的是硬件資源，我們做的芯片、硬件涉及半導體行業，這個行業在中國本身就需要迎頭追趕國外。但在人工智能的研究方面，中國與國外的差距其實沒有想象中那么大，只不過我們起步晚一些，未來‘彎道超車’應該比較快。”