電子發燒友網報道（文/李彎彎）近年來，深度神經網絡（DNN）取得了令人矚目的成績，基于DNN的深度學習AI芯片業成為市場主流，然而深度學習所基于的大腦模型，是極度簡化了的大腦神經元及其連接電路，與人腦相比，他們在效率方面的表現仍然不夠好。

而與之相比，模仿大腦結構的芯片具有更高的效率和更低的功耗，模仿這類大腦行為的神經網絡被稱為神經形態網絡，其代表為脈沖神經網絡（SNN），神經形態網絡的特征是使用更忠實地模仿大腦行為的模型，其對應的芯片是類腦芯片。類腦芯片被視為人工智能的終極目標，被稱為下一代人工智能。

早在2011年IBM率先在類腦芯片上取得進展，不過因為技術限制，第一代TrueNorth芯片的性能并不高。2014年該公司推出了第二代TrueNorth芯片，采用三星28nm工藝，由54個晶體管組成，片上網絡有4096個神經突觸核心。加載了神經網絡模型的TrueNorth芯片可作為實時感知流推理引擎使用，而且能夠在快速、準確分類的同時保持超低功耗。

清華大學也在2012年早早瞄準人工智能發展，2014年成立聯合了七個院系的類腦計算研究中心，施路平為類腦計算研究中心主任，2015年第一代類腦芯片天機芯問世，2017年團隊研發出第二代天機芯，第二代天機芯具有高速度、高性能、低功耗的特點，制程縮小至28納米，第二代天機芯相比于當時世界先進的IBM的TrueNorth芯片，功能更全、靈活性和擴展性更好，密度提升20%，速度提高至少10倍，帶寬提高至少100倍。

據介紹，搭載天機芯的自行車，實現了實時視覺目標探測、目標追蹤、自動過障和避障、自適應姿態控制、語音理解控制、自主決策等功能。2019年由清華大學類腦計算研究中心施路平教授所帶團隊開發出了全球首款異構融合類腦計算芯片天機芯，登上最新一期Nature封面。天機芯把人工通用智能的兩個主要研究方向，即基于計算機科學和基于神經科學這兩種方法，集成到一個平臺，可以同時支持機器學習算法和現有類腦計算算法。

英特爾也是類腦芯片的重要玩家，2017年發布第一代神經擬態芯片Loihi，2021年9月30日發布第二代芯片Loihi 2，Loihi芯片是為新一代AI而設計的神經擬態芯片，具備更強的持續學習和在線學習能力，不僅讓機器學習更快更高效，對于計算力的需求也更小，且可以滿足眾多新模型需求。據介紹，英特爾已經與合作伙伴一起，將Loihi芯片應用在機械臂、嗅覺傳感、人造皮膚等應用上。

英特爾第二代Loihi芯片，結合了英特爾最新制程技術、異步時鐘設計模式等技術。除了神經擬態處理速度變得更快，Loihi2芯片在可編程性和容量方面也有很大提升，在功耗和時延受限的智能計算應用方面也更強大。它能為新型神經啟發算法和應用提供10倍的處理速度，每個芯片最多有100萬個神經元，資源密度達15倍。

國內致力于類腦芯片研究的還有時識科技和靈汐科技。靈汐科技是一家類腦計算技術科技公司，這家公司也推出了類腦芯片，并且還發布了基于類腦芯片的類腦計算板卡和服務器、軟件工具鏈和系統軟件。靈汐科技的類腦芯片KA200，基于全新的存算一體、眾核并行、異構融合架構，能高效支持深度學習神經網絡、生物神經網絡和大規模腦仿真，該芯片采用12nm工藝，單芯片集成25萬神經元和2500萬突觸，集成30個類腦計算核，支持混合精度計算。

時識科技的技術起源于蘇黎世大學與蘇黎世聯邦理工學院先進的數模混合神經形態處理器與神經形態算法研發成果，擁有完全自主知識產權。時識科技2017年2月成立于蘇黎世，2020年4月總部遷至中國。該公司開發的純數字以及數模混合神經形態處理器，克服了傳統馮·諾依曼計算機的局限性，提供低功耗和低延遲性能，為永遠在線的物聯網設備和邊緣計算應用，比如手勢識別、面部或物體檢測、定位、跟蹤和監視等，開發鋪平了道路。

類腦芯片的研究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。然而類腦芯片前景雖好，相比于依靠馮諾依曼結構的芯片來說仍處于研發階段，雖然已有一些產品面世，然而應用卻并不多見，如果要實現突破未來還需要更多投入。