電子發燒友網報道（文/李彎彎）近年來，智能化發展越來越迅速，服務機器人、智能座艙、自動駕駛等設備逐漸深入人們的生活，而這些設備都需要跟人交互，需要有很好的感知能力，包括視覺、聽覺、甚至觸覺，而多模態交互將會是類腦技術的一個發展方向。

根據市場研究機構Yole報告顯示，2020年到2030年的十年里，類腦將會迎來快速發展，預計到2035年類腦智能將占到傳統人工智能的18%，突破200億美元市場規模。而且時識科技創始人兼CEO喬寧認為，類腦智能不只是做AI，還可以用于邏輯運算。

當前研究界和企業界都已經意識到類腦智能的優勢，然而業界人士普遍認為現在類腦智能離落地還差半步，那么類腦智能現階段在落地應用中遇到的挑戰是什么呢，如果解決了這些問題，未來將會率先在哪個賽道落地？日前多位行業專家就這些問題進行了全面探討。

類腦智能落地應用的挑戰是什么？

首先是目前來看成本還很高，武漢大學電子信息學院副教授博士生導師余磊表示，近幾年類腦技術的發展非常快，確實也能解決很多問題，然而存在的問題是，太貴了，他們在研究的過程中需要類腦相機，買一臺需要五萬五千元人民幣，買四臺就花費了二十多萬元人民幣。

其次是技術上還有提升空間，中國電子科技南湖研究院先進算法實驗室主任徐庶分析到，類腦技術從實驗室走向應用，主要有兩個方面：一是如果這個技術是為了替換現有技術，那就要看它用多大代價解決了主要問題；二是這個技術能不能解決現有技術完全解決不了的問題。

類腦技術應用落地還差那半步體現在哪里呢？類腦技術展現出來很多性能確實讓人眼前一亮，比如事件相機對動態的捕捉、對隱私的保護性等，確實表現出一些現有人工智能解決不了的問題，比如用非常低的功耗，可以進行高效的動作識別和處理，而目前還差的半步，主要是像素、成像質量、穩定性等問題，致使還不能解決更多場景遇到的問題，因此還沒能廣泛應用，因此在這些方面還需要提升。

第三是對大腦神經網絡的研究還不夠，清華大學博士鄧磊談到，他們在研究的時候，時常會思考一個問題，真正的類腦智能到底是什么？他們發現在研究中，很多時候只是完成了從數據輸入到輸出的一種映射關系，而他們希望的類腦智能是，能夠在更高的認知層面去體現智能，而這個問題在短期內解決不了。

鄧磊表示，研究神經網絡是希望能夠更多的知道大腦的運作模式，從而解釋人的行為，而現在研究的還只是大腦的冰山一角 ，研究難以應用落地，也在于研究的底層機制還太少，因此在這個基礎上做類腦智能還比較困難。

未來類腦智能會在哪個賽道率先落地？

如果目前的這些挑戰得以解決，那么未來類腦智能會率先在哪個賽道得到應用呢？徐庶認為，如果能夠把像素、成像質量、芯片計算性能等都提升上來的話，最早會在智能家居落地，因為類腦芯片的關注重點是低功耗，非常適合消費級場景，另外類腦對隱私的保護性非常好，在家居之后，各類智能機器人都是很好的賽道。

類腦智能包括感知層面和處理層面，從感知層面來看，有視覺、聽覺、觸覺等，余磊談到，目前視覺方面已經比較成熟，比如事件相機，反應快，基本是微妙級的，動態范圍也很好，在極端場景，比如運動、強弱光線下都有很好的表現，未來可以應用的場景很大。

如果上述談到的技術上的問題得以解決，那么類腦智能在技術上的瓶頸可能就不再是很大的問題，而困難的將會是生態，就像之前的ANN、NLP網絡等能夠應用起來，都離不開生態的建設，因此科研院所、企業等都需要有這個意識，從而真正推動類腦智能全面應用起來。

另外一位投資人認為，類腦智能作為一個新的技術，其技術的亮點大家都看到了，然而如何推廣應用，其實是有方法論的，常見的方法是找到技術的差異性，再找到足夠細的細分領域，跟差異性相匹配，這樣才會在合適的落地點形成爆發。