電子發(fā)燒友網(wǎng)報(bào)道（文/李寧遠(yuǎn)）我們正處于人工智能的大爆發(fā)之中，在過去十年中，人工智能已經(jīng)從理論和小型測(cè)試發(fā)展到企業(yè)級(jí)用例。尤其是近幾年人工智能時(shí)代中的智能化已經(jīng)取得了長(zhǎng)足的進(jìn)步，但這仍然和我們電影中看到的那種智能化程度相去甚遠(yuǎn)。目前的人工智能基于大量的數(shù)據(jù)訓(xùn)練給出更為準(zhǔn)確的回答，但不是智能地思考。

類腦技術(shù)正是為了解決人工智能思考的難題，模擬人類大腦處理信息的機(jī)制使得計(jì)算芯片及相應(yīng)的硬件系統(tǒng)能夠像人類一樣思考，成為真正意義上的人工智能。

不久前，IBM基于此前TrueNorth類腦芯片的基礎(chǔ)上推出了NorthPole，新的原型設(shè)備表現(xiàn)出比目前市場(chǎng)上任何其他芯片更高的能效、更高的空間效率和更低的延遲，并且比TrueNorth 快了近4000倍，能夠幫助終端設(shè)備實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)模仿類似大腦的行為邏輯。

NorthPole，IBM官網(wǎng)

類腦芯片，更高性能下一代人工智能

類腦技術(shù)最早起源于八十年代的美國(guó)，當(dāng)時(shí)一位生物學(xué)家和一位化學(xué)家通過半導(dǎo)體晶體管模仿神經(jīng)元的形態(tài)，進(jìn)而理解生物大腦的工作機(jī)制，這是類腦技術(shù)的起源。類腦芯片是實(shí)現(xiàn)類腦技術(shù)的基礎(chǔ)硬件，是基于神經(jīng)網(wǎng)絡(luò)的新的數(shù)據(jù)存儲(chǔ)和計(jì)算技術(shù)，通過模擬大腦的工作機(jī)理，突破傳統(tǒng)計(jì)算處理大型問題時(shí)遇到的馮諾依曼瓶頸，可以在顯著提高信息處理速度的同時(shí)大幅降低功耗，并且具有自我學(xué)習(xí)和自適應(yīng)的能力。

自半導(dǎo)體產(chǎn)業(yè)誕生以來，計(jì)算芯片主要遵循相同的基本結(jié)構(gòu)，其中處理單元和存儲(chǔ)待處理信息的存儲(chǔ)器是離散存儲(chǔ)的。雖然這種結(jié)構(gòu)帶來了簡(jiǎn)單的設(shè)計(jì)，幾十年來能夠很好地?cái)U(kuò)展，但它造成了所謂的馮諾依曼瓶頸，需要時(shí)間和精力在內(nèi)存、處理和芯片內(nèi)的任何其他設(shè)備之間不斷來回洗牌數(shù)據(jù)。

馮諾依曼架構(gòu)的優(yōu)勢(shì)在于處理串行邏輯和數(shù)學(xué)問題，但內(nèi)存和處理器之間的數(shù)據(jù)傳輸受總線能力的限制。遇到大型處理事件就會(huì)出現(xiàn)馮諾依曼瓶頸，需要的處理器要有極高的時(shí)鐘頻率并且能耗巨大。我們也看到現(xiàn)在用于運(yùn)行人工智能系統(tǒng)的硬件的確是越來越強(qiáng)大，但其成本、能耗也是在飆升。

IBM研究院表示，“NorthPole開辟了一條與馮諾依曼架構(gòu)完全不同的道路”。這顆芯片的速度和效率的大提升來自它所有的內(nèi)存都在芯片上，每個(gè)核心都可以同樣輕松地訪問芯片上的存儲(chǔ)器。這是一個(gè)完整的芯片網(wǎng)絡(luò)，不再有馮諾依曼瓶頸。該架構(gòu)模糊了計(jì)算和內(nèi)存之間的界限，根據(jù)IBM研究院的說法，“在單個(gè)內(nèi)核的層面上，NorthPole表現(xiàn)為近計(jì)算的內(nèi)存，而從芯片外部的輸入輸出層面，它表現(xiàn)為活動(dòng)內(nèi)存”。

根據(jù)已經(jīng)發(fā)布的芯片信息，NorthPole采用12納米節(jié)點(diǎn)工藝制造，在800平方毫米內(nèi)包含220億個(gè)晶體管。NorthPole一共有256個(gè)內(nèi)核，每個(gè)內(nèi)核單周期內(nèi)可以執(zhí)行8bit精度的2048次操作。

基于12納米節(jié)點(diǎn)工藝的類腦芯片，性能究竟如何？根據(jù)《科學(xué)》雜志上公布的測(cè)試結(jié)果，NorthPole在每焦耳功率所需的幀數(shù)上比常見的12納米GPU和14納米CPU的能源效率高出了25倍。每十億個(gè)晶體管每秒處理幀數(shù)上，NorthPole在延遲和計(jì)算所需的空間方面也更出色。在流行的ResNet-50圖像識(shí)別和YOLOv4目標(biāo)檢測(cè)模型的測(cè)試中，NorthPole表現(xiàn)出的性能均優(yōu)于目前市面上所有主流架構(gòu)，包括英偉達(dá)4納米工藝GPU。

NorthPole的優(yōu)勢(shì)得益于模糊了計(jì)算和內(nèi)存之間的界限，但這也是限制，任何板載內(nèi)存的處理都能輕松地實(shí)現(xiàn)加速處理，而對(duì)其他來源的數(shù)據(jù)，處理性能則會(huì)受限。所以目前來說具有代表性的類腦芯片NorthPole展現(xiàn)出的性能也并不是萬(wàn)能的，不過它呈現(xiàn)出的效果也指明了一條更快更節(jié)能的人工智能道路。

國(guó)內(nèi)類腦芯片進(jìn)展，推動(dòng)強(qiáng)智能應(yīng)用落地

作為更快更節(jié)能的下一代人工智能技術(shù)，類腦芯片在國(guó)內(nèi)同樣備受重視，近年來一直有不少科研機(jī)構(gòu)和企業(yè)在這條賽道上持續(xù)突破。上月，中國(guó)科學(xué)技術(shù)大學(xué)院士團(tuán)隊(duì)就制備出了基于二氧化釩相變薄膜的類腦神經(jīng)元器件，并利用金剛石中氮-空位（NV）色心作為固態(tài)自旋量子傳感器，探測(cè)了神經(jīng)元突觸在外部刺激下的動(dòng)態(tài)連接，展示了類腦神經(jīng)系統(tǒng)中多通道信號(hào)傳遞和處理過程。

北京靈汐科技作為一家類腦計(jì)算技術(shù)公司，基于領(lǐng)啟KA200正在大力推進(jìn)類腦應(yīng)用的落地，靈汐科技去年曾宣布開始類腦感知端芯片、下一代類腦計(jì)算芯片的研發(fā)，今年類腦感知芯片工程樣片Lyncam也已經(jīng)成功點(diǎn)亮。

SynSense時(shí)識(shí)科技去年加速推動(dòng)代表產(chǎn)品迭代，今年也開始大力推動(dòng)類腦芯片在消費(fèi)電子、智能穿戴、工業(yè)檢測(cè)等應(yīng)用領(lǐng)域全面落地。同時(shí)，SynSense時(shí)識(shí)科技延續(xù)在類腦視覺技術(shù)方面的積累，仍然在繼續(xù)深挖高速動(dòng)態(tài)視覺處理技術(shù)。今年，SynSense時(shí)識(shí)科技也推出了基于神經(jīng)元時(shí)序編碼的全新ANN-SNN轉(zhuǎn)換方法，克服了類腦芯片上因傳統(tǒng)頻率編碼造成突觸操作數(shù)過多而導(dǎo)致的較高能耗問題，能夠大大降低類腦芯片上有效突觸操作和存儲(chǔ)訪問，從而顯著降低了類腦芯片的實(shí)時(shí)推理功耗及延遲。

從目前類腦芯片在應(yīng)用表現(xiàn)出的性能來看，其高算力低功耗是很突出的，類腦計(jì)算會(huì)更趨近于強(qiáng)智能應(yīng)用，它更適用于多模態(tài)信息的處理，基于多模態(tài)的傳感信息來做端側(cè)的推理，對(duì)環(huán)境進(jìn)行感應(yīng)和交互。

獨(dú)立供電，由電池驅(qū)動(dòng)，并且會(huì)攜帶大量的傳感器，需要做復(fù)雜的多模態(tài)傳感信息的處理與環(huán)境和人進(jìn)行交互的應(yīng)用是目前類腦芯片最契合的應(yīng)用場(chǎng)景。如SynSense時(shí)識(shí)科技的“感算一體”類腦芯片Speck今年與智能玩具、智能家居等合作伙伴的量產(chǎn)交付計(jì)劃正在駛?cè)肟燔嚨?，微瓦?jí)超低功耗類腦芯片Xylo則在消費(fèi)電子、智能穿戴、工業(yè)檢測(cè)等應(yīng)用領(lǐng)域賦能眾多智能傳感器市場(chǎng)，在無(wú)人機(jī)、自動(dòng)駕駛、機(jī)器人領(lǐng)域，類腦芯片高速動(dòng)態(tài)視覺處理也在拓展類腦在高速視覺任務(wù)/跟蹤、定位、避障等方面的應(yīng)用空間。

當(dāng)然，在傳統(tǒng)的數(shù)據(jù)中心大算力應(yīng)用上，國(guó)內(nèi)廠商的類腦芯片也在進(jìn)行相關(guān)應(yīng)用的落地。靈汐科技基于領(lǐng)啟KA200開發(fā)的模組、計(jì)算加速卡、計(jì)算服務(wù)器以比傳統(tǒng)GPU更高的計(jì)算能效比和較強(qiáng)的模型兼容能力正在大力推進(jìn)AI＋IDC的產(chǎn)業(yè)融合。

前段時(shí)間馬斯克旗下的腦機(jī)接口公司Neuralink帶火了一波人體植入式設(shè)備的熱潮，人體植入式設(shè)備應(yīng)用需要一個(gè)既有算力能耗又極低的處理器，未來這也是類腦芯片很有優(yōu)勢(shì)的應(yīng)用領(lǐng)域。

小結(jié)

目前類腦技術(shù)的發(fā)展非?？?，相關(guān)產(chǎn)品的也在不斷實(shí)現(xiàn)出現(xiàn)，不過距離其全面落地還存在一些挑戰(zhàn)，成本上還是偏高，同時(shí)雖然類腦技術(shù)展現(xiàn)出了低功耗和高效處理能力但在成像質(zhì)量、穩(wěn)定性等方面存在一些問題。前沿技術(shù)的落地總是伴隨著這些困擾，成熟應(yīng)用落地尚需時(shí)日，但可喜的是類腦芯片已經(jīng)為下一代人工智能指明了一條更快更節(jié)能的技術(shù)道路。