原創 心緣 智東西

看點：打造硅腦！細數2020年未來計算最新進展，AI芯片“智商”已接近小型哺乳動物。

“我們進入的新時代是生物技術時代，這將改變人類的意義。”

今年2月，在風險投資公司Platform Capital組織的“非洲崛起系列”雞尾酒會上，尼日利亞神經科學家阿加比（Agabi）激情澎湃地發表演講。

他所創立的公司Koniku研發了一種特殊的芯片Koniku Kore，將活的轉基因腦細胞與傳統硅融合在一起。阿加比說，該芯片通過檢測人體釋放的揮發性有機化合物，能檢測從肺癌到新冠肺炎的一系列疾病。

不管是構成還是外觀，這個形如藍色冰凍水母的芯片都頗具科幻色彩。但從已透露的信息來看，Koniku Kore并不是紙上談兵，它在醫療、農業、軍事及機場安檢等領域的落地前景，已經吸引多家知名公司的青睞。

其早期的客戶包括埃克森美孚、保潔、制藥公司阿斯利康、全球化學品制造商巴斯夫等。近期新加坡樟宜機場也使用了Koniku的技術，用于防控新冠肺炎傳播。

Koniku并非個例，人腦作為自然界最復雜的結構體之一，已經啟發了太多不可思議的奇妙想法。

剛剛過去的2020年前4個月，在將生物神經元與硅芯片結合的前沿技術領域，創新的波瀾正涌動不息。

打破腦科學與微電子學的界限

“在已知的宇宙中，人類的大腦是最復雜的東西，它復雜得讓試圖解釋它的簡單模型可笑，讓精致的模型無用。”

這是杜克大學認知神經科學中心的斯科特·胡特爾被廣為引用的一句名言。

迄今為止，人的大腦仍是一片生長著無數未解之謎的原野，無人能窺得它的全貌。但科學家們從未停止探索人腦奧秘的腳步，不僅嘗試破解生命科學的密碼，在腦重大疾病研究方面有所突破，而且試圖模仿已知的神經元活動，打造類腦的計算機系統。

如今計算機界的“當紅炸子雞”人工智能，其廣泛應用的神經網絡，即是模擬人腦神經處理機制的典型代表。2016年阿爾法狗（AlphaGo）擊敗圍棋冠軍李世石的那一刻，人工智能披上新的榮光，人創造出的非生命體具備了媲美人類的“高智商”。

但在能耗上，阿爾法狗輸得不是一點點。據科技公司Ceva估算，AlphaGo在下棋過程中約消耗1兆瓦的電能，相當于一天約100戶家庭的供電量。相比之下，包含超過1000億個神經元的人腦，消耗的功率僅20瓦，只有AlphaGo所消耗能量的5萬分之一。

當今人工智能（AI）芯片努力進化的兩個方向，一是更快的計算速度，二是更低的功耗。如果向大腦神經元活動取經，是不是能做出兼顧高算力和低功耗的芯片？

兩種不同的思路開始在研發道路上激起火花：一種是將生物神經元與傳統半導體結合的生物計算，另一種則是用微電子技術來模仿神經元信息處理機制的類腦計算。

生物計算：碳基神經元+硅基半導體

腦功能的實現依賴于神經元和突觸組成的神經網絡，突觸起到將信息傳輸與記憶存儲處理相結合的關鍵作用。

受大腦啟發，一些研究人員嘗試建立生物神經元與硅神經元之間的連接，以推進腦機接口、超低功耗混合芯片等前沿技術的發展。

今年2月底，《自然》旗下期刊《科學報告》刊登了一項由英國、瑞士、德國和意大利科學家聯合推進的實驗，用納米級憶阻器模擬生物突觸的基本功能，連接大鼠神經元和人工神經元，使得這些神經元通過互聯網可以實現雙向實時通信。

“我們首次證明，芯片上的人工神經元可以與大腦神經元相連，通過使用相同的’脈沖’語言進行交流。”意大利帕多瓦大學生物醫學科學系教授Stefano Vassanelli說。

▲納米電子突觸在混合網絡中連接硅和大腦神經元

這種“混合大腦”能讓大腦神經網絡和AI神經網絡相互理解，從長遠來看，Vassanelli稱其想法是利用人工脈沖神經網絡來恢復帕金森氏癥、中風或癲癇等局部腦疾病的功能。

Vassanelli指出：“一旦植入到大腦植入物中，硅脈沖神經元將充當一種神經假體，人工神經元將自適應地刺激功能失調的神經元，促進功能恢復，甚至能挽救功能喪失。”

論文鏈接：https://www.nature.com/articles/s41598-020-58831-9#Bib1

這項研究是想用人工神經元來補救出毛病的生物神經元，也有科學家將真正的生物神經元和傳統硅計算系統集成在一起，試圖打造突破傳統芯片限制的超級計算芯片。

澳大利亞初創公司Cortical Labs在今年4月宣布制造第一款混合計算機芯片，并在訓練該芯片玩雅達利祖師爺級乒乓球游戲《Pong》。

其官網上列舉了生物計算的四個優勢：流體智能、比數字電路更穩健、可擴展、功效高。

（1）流體智能：生物神經網絡具備自組織特性，不依賴所需知識即可解決陌生問題。

（2）魯棒性：與數字電路不同，生物網絡對物理損傷具有很強的抵抗力，其適應和重組的能力可以在傳統電路失效的地方維持功能。

（3）可伸縮性：生物智能可以從蜻蜓擴展到人類。培養神經元不需要絕對零度的設備或昂貴的納米級制造單元。

（4）功率效率：人腦有超過十億的神經元，能耗僅20瓦，生物計算擁有相似的高能效特性。

這家創企在2019年6月成立，已從澳大利亞著名風險投資公司Blackbird Ventures獲得了約61萬美元的種子資金。

其聯合創始人兼首席執行官Hon Weong Chong是一名注冊醫生和軟件工程師，曾就讀于約翰霍普金斯大學信息學系，他基于自身豐富的經驗和多學科背景，想帶領團隊打造出一個功能強大而功耗極低的計算系統。

他們提取神經元的方式有兩種：一是從小鼠胚胎中提取神經元，二是將人類皮膚細胞轉換回干細胞，并誘導它們成長為人類神經元。隨后這些神經元被嵌入一個特殊金屬氧化物芯片頂部的培養基中，芯片包含一個由22000個微小電極組成的網格，可充當程序員與神經元之間的I/O介質。

據悉其芯片處理能力少于蜻蜓大腦。Chong認為，這種芯片最終可能成為提供各種復雜推理和概念性理解的關鍵，這是今天的AI無法做到的。

▲Spike visualisor顯示實時神經網絡激活

Cortical Labs不是唯一從事生物計算的機構。開篇提及的美國加州創企Koniku，早在2014年就已成立。

2017年，Koniku首次展示由老鼠神經元構建的64神經元硅芯片Koniku Kore，據稱是全球首個擁有“嗅覺”并可檢測爆炸物、疾病等氣味的芯片。

▲Koniku Kore的原型之一

類腦計算：群雄逐鹿，碩果千結

無獨有偶，今年3月，《自然-機器智能》期刊上發表了一項研究，報告了一種模擬生物嗅覺識別10種危險化學品氣味的AI算法。

特別的是，這一研究由英特爾神經擬態芯片Loihi提供動力。

Loihi芯片在2017年首次亮相，包含128個內核、13萬神經元、1.3億突觸，每個內核模擬多個邏輯神經元，具有支持多種學習模式的可擴展片上學習能力。

神經擬態芯片既可以以比傳統處理器更低的功耗，跑傳統深度神經網絡（DNN），也可以搭配充分考慮時間序列差異的脈沖神經網絡（SNN）。

和視覺信息不同，嗅覺信息是非結構化的，傳統深度學習算法并不適用，而SNN能更好地模仿生物感知和處理的節奏，同時它也不像深度學習那樣需要大量數據和參數來達到穩定狀態。比如在“聞氣味”這項研究中，傳統解決方案學習每類氣味，需要的訓練樣本量是Loihi芯片的3000倍以上。

今年3月，英特爾還創紀錄的將768顆Loihi芯片組裝成擁有1億個神經元的超級神經擬態計算系統，超過了倉鼠的大腦神經元總數。

英特爾實驗室神經形態計算小組的高級研究科學家Nabil Imam表示，他們的工作是“當代研究在神經科學和人工智能的十字路口一個典型例子”。

相比將活神經元和半導體結合帶給人的“玄幻感”，神經擬態芯片領域明顯更為熱鬧。

在這個通向未來計算的前沿研究道路上，既有英特爾、IBM、高通、三星、惠普等科技巨頭，也有BrainChip、西井科技、靈汐科技、aiCTX、Numenta、General Vision、Applied Brain Research、Brain Corporation等初創公司。

HRL實驗室、麻省理工學院、斯坦福大學、波士頓大學、曼徹斯特大學、海德堡大學、比利時微電子研究中心、清華大學、中科院、浙江大學、復旦大學等頂尖學府和研究機構，亦在這一領域的研究中發揮著不容小覷的作用。

從實現方式來看，神經擬態芯片可分為數字芯片、模擬芯片和新材料芯片。

數字芯片有英特爾Loihi、IBM TrueNorth、曼徹斯特大學SpiNNaker等；模擬芯片有斯坦福大學Neurogrid、海德堡大學BrainScales以及ROLLS等；新材料芯片主要包含憶阻器（Memristor）組成的陣列，為存儲與計算融合提供了器件支撐。

去年4月，瑞士創企aiCTX推出全球首款純基于事件驅動運算的視覺AI處理器DynapCNN，單芯片集成超過100萬個神經元、400萬可編程參數，適合實現大規模SNN。

aiCTX成立于2017年，創始人兼CEO喬寧博士畢業于中科院半導體研究所，主要從事低功耗數模混合電路的設計，2012年加入蘇黎世大學及蘇黎世聯邦理工大學的神經信息研究所INI進行類腦芯片研究，對類腦芯片有很深的理解。

▲ aiCTX首席執行官喬寧博士展示其AI芯片

澳大利亞創企BrainChip同樣研發了基于事件驅動運算的神經擬態芯片。它成立于2013年，2015年9月在澳大利亞上市，2017年11月獲得2150萬美元Post-IPO融資，今年4月又融資312萬美元。

在今年2月的tinyML峰會上，BrainChip演示了其最新級神經擬態芯片Akida如何處理計算機視覺任務，證明它有兩個關鍵特性與傳統深度學習加速器（DLA）大不相同：

（1）處理給定卷積神經網絡（CNN），Akida的計算量比DLA少40%-60%。即是是處理像MobileNet v1等較大的CNN模型，Akida通常也無需進行片外內存訪問或主機CPU通信。

（2）Akida結合SNN，能直接在芯片上實時學習，且所需數據遠少于傳統深度神經網絡。

▲Akida SoC

日本影像應用SoC方案供應商Socionext最早于2019年6月開始與BrainChip合作開發Akida芯片。據最新消息，兩家公司已將完整的Akida設計文件交給晶圓廠臺積電。Akida工程樣品預計在今年第三季度問世。

BrainChip的AI芯片采用非多路復用的設計，號稱比IBM采用多路復用設計的TrueNorth芯片速度快上數千倍。

IBM早在2011年8月就率先開啟類腦芯片的大門，研發出單核包含256個神經元、65536個突觸的“神經擬態自適應可塑性可擴展電子芯片”原型，腦容量相當于蟲腦，能處理像玩Pong游戲這樣復雜的任務。

2014年，IBM公布第二代TrueNorth芯片，包含4096個內核，100萬個神經元、2.56億個突觸，而功耗只有65毫瓦。其長期目標是建立擁有100億個神經元、數百兆個突觸、僅消耗1KW功率、體積不到0.002立方米的芯片系統。

▲ IBM的TrueNorth芯片結構、功能、物理形態圖

不過相較英特爾Loihi芯片的高調推進和IBM TrueNorth芯片的聞名遐邇，高通在2013年公布的Zeroth芯片已經好幾年沒有新訊了。

目前全球知名的大型神經擬態計算系統，除了英特爾Loihi和IBM TrueNorth外，還有德國海德堡大學BrainScales、英國曼徹斯特大學SpiNNaker、美國斯坦福大學Neurogrid。

去年8月，清華大學類腦計算研究中心施路平教授團隊打造的類腦計算芯片“天機芯”登上國際知名學術期刊《自然》的封面，實現了中國在芯片和人工智能兩大領域《自然》論文零的突破。

天機芯集成千萬級神經元突觸，同時支持跑人工神經網絡（ANN）和脈沖神經網絡（SNN）異構融合，相比IBM TrueNorth芯片，支持更多算法，且密度提升20%，速度快10倍，帶寬提高100倍，精度可調，擴展性和靈活性也更好。

在清華東操場上，一輛搭載天機芯的自行車實現了自平衡、目標探測跟蹤、自動避障、語音理解控制、自主決策等功能。

今年3月，臺灣國立清華大學（NTHU）模擬果蠅視神經功能，研發了一種存內計算AI芯片，能以超低功耗讓無人飛行器（UAV）像昆蟲一樣實現自動避障。

同樣在這個月，國際頂級學術期刊《自然》刊登了奧地利維也納大學的一項新研究，模擬大腦對信息處理的方式，直接在圖像傳感器內實現了人工神經網絡（ANN），將圖像處理速度提升至傳統技術的數千甚至上萬倍。（AI芯片新玩法！圖像處理速度提升2萬倍，傳感器當神經網絡用）

▲ 輸入信息在視覺傳感器內進行計算，實現智能高效的預處理

上海AI芯片創企西井科技也涉足了神經擬態芯片的研發，參考仿生類腦處理方式，打造了嵌入式“片上學習”AI芯片DeepWell、深度學習加速器Vastwell和SNN類腦運算平臺。

西井科技主攻智慧港口、智慧礦場、智慧醫療等垂直應用場景的AI解決方案，是最早實現港口無人駕駛落地的AI企業。就在今年4月，西井科技完成了過億元的新一輪融資。

法國芯片公司Kalray是片上超算的開創者，2008年成立，其最新芯片Coolidge可用于加速數據中心和汽車應用中的AI。在今年年初的國際消費電子展（CES 2020）上，Kalray展示了Coolidge芯片的AI用例。

Kalray首席執行官Eric Baissus認為，其自研大規模并行處理器陣列（MPPA）架構與一些神經擬態方法相似。在他看來，市場足夠大，會有很多適用于不同類型架構的應用程序，他相信我們會看到更多有趣的神經擬態產品。

▲ Kalray MPPA架構

結語：創新是拓荒者對未來的饋贈

“在科學上，每一條道路都應該走一走，發現一條走不通的道路，就是對科學的一大貢獻。”愛因斯坦曾如是說。

當前，無論是將生物神經元與硅基芯片融合的混合芯片，還是模仿人腦的神經擬態芯片，距離真正的大規模商業應用還相對遙遠。任何涉及改變傳統系統思維方式，在通往落地的道路上必然會經歷市場長期的考驗。

每一個創新架構的誕生，未必會立即與當下應用場景相契合，但這并不代表其創新是做無用功。這些連接硅基物體和碳基生命的奇妙構想，誰能斷定不是對未來技術的一瞥？

原標題：《深扒全球仿生芯片計劃！15+公司已入局，人造大腦通往未來計算之門》

閱讀原文