類(lèi)腦計(jì)算神經(jīng)形態(tài)計(jì)算深度產(chǎn)業(yè)報(bào)告

Brain,in5DiredC0mDUting.NeUr0m0rDhiCC0mDUting類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算Qbitai1ndU5try1n5ight5ReD0rt深度產(chǎn)業(yè)報(bào)告1量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算近年來(lái)深度神經(jīng)網(wǎng)絡(luò)(DNN)取得了令人矚目的進(jìn)步,但與人腦相比,DNN在信息處理的效率(速度和功耗)上表現(xiàn)仍不夠好o在人腦中,信息以連續(xù)的方式快速處理,而DNN系統(tǒng)中所處理的是一幅幅靜態(tài)圖像,而且計(jì)算密在傳統(tǒng)DNN中,計(jì)算、存取數(shù)據(jù)時(shí)的"內(nèi)存墻"問(wèn)題,導(dǎo)致大量數(shù)據(jù)搬運(yùn)中產(chǎn)生額外功耗以及延遲o此外,精確計(jì)算也是DNN的另一特征一一即便是無(wú)價(jià)值的輸入,也會(huì)全部參與計(jì)算,導(dǎo)致計(jì)算資源浪費(fèi)且計(jì)算效率低o相反,人腦中神經(jīng)元以脈沖的形式進(jìn)行信息傳遞o每當(dāng)神經(jīng)元發(fā)出脈沖信號(hào)時(shí)(被激活),脈沖信號(hào)會(huì)傳輸?shù)剿B接的神經(jīng)元進(jìn)行處理o若未能達(dá)到觸發(fā)閾值,神經(jīng)元?jiǎng)t處于非激活狀態(tài),并且存儲(chǔ)對(duì)過(guò)去輸入的記憶,因此人人腦作為一個(gè)極度優(yōu)化的系統(tǒng),在高并行工作時(shí)功耗僅為20W左右一一大腦中約870億個(gè)神經(jīng)元高度非線性地工作,每個(gè)神經(jīng)元在外部和內(nèi)部都與其他神經(jīng)元有多達(dá)10十000個(gè)連接,在內(nèi)部承載著數(shù)十萬(wàn)個(gè)協(xié)調(diào)的并行過(guò)程o這樣龐大的網(wǎng)絡(luò)卻有如此低的能耗,使得人類(lèi)大腦在處理復(fù)雜問(wèn)題時(shí)具有絕對(duì)優(yōu)勢(shì)o如今,人工智能的發(fā)展主要依靠龐大的數(shù)據(jù)量和精確計(jì)算o在馮諾依曼架構(gòu)下,龐大的數(shù)據(jù)量意味著計(jì)算機(jī)承擔(dān)著頻繁且大規(guī)模的運(yùn)算,隨之而來(lái)的就是功耗極速上升o隨著各國(guó)碳中和腳步加快,高能耗甚至需要企業(yè)付出額外成本o盡管我國(guó)沒(méi)有明確碳排放超標(biāo)的懲罰措施,但龐大計(jì)算量產(chǎn)生的用電成本、維護(hù)成本就不是一般人工智能企業(yè)可以支付起的o因此,人工智能的"可持續(xù)發(fā)展"一定是建立在功耗成本可控的基礎(chǔ)上o如何將計(jì)算機(jī)的功耗控制在合理范圍內(nèi)呢?借鑒人腦特性自然成為研究人員共同關(guān)注的方向o相比于當(dāng)前最先進(jìn)的系統(tǒng),模仿大腦運(yùn)行機(jī)制的硬件系統(tǒng)具有高效和低功耗特點(diǎn)o模仿大腦行為的神經(jīng)網(wǎng)絡(luò)被稱(chēng)為神經(jīng)形態(tài)網(wǎng)絡(luò),其代表為脈沖神經(jīng)網(wǎng)絡(luò)(SNN),也是目前類(lèi)腦研究的核心o這種被稱(chēng)為"第三代神經(jīng)網(wǎng)絡(luò)"的出現(xiàn),可以彌合神經(jīng)科學(xué)與機(jī)器學(xué)習(xí)之間的鴻溝,使用神經(jīng)元模型進(jìn)行信息編碼和計(jì)算,借鑒生物腦稀疏的、空時(shí)域信息處理機(jī)制,充分發(fā)揮神經(jīng)網(wǎng)絡(luò)的效率o模仿大腦神經(jīng)結(jié)構(gòu)和工作原理而創(chuàng)新出來(lái)的神經(jīng)形態(tài)計(jì)算被稱(chēng)為類(lèi)腦計(jì)算o歐洲的HBP(人腦計(jì)劃)曾指出,"未來(lái)10,20年內(nèi),誰(shuí)要引領(lǐng)世界經(jīng)濟(jì),誰(shuí)就必須在這個(gè)領(lǐng)域領(lǐng)先"o量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算技術(shù)篇價(jià)值篇產(chǎn)業(yè)篇4量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算技術(shù)篇述人工智能的發(fā)展途徑當(dāng)前,人工智能的發(fā)展有兩個(gè)主要路徑,一個(gè)是沿計(jì)算機(jī)科學(xué)發(fā)展而來(lái)的深度學(xué)習(xí)途徑,另一個(gè)是沿著模仿人腦發(fā)深度學(xué)習(xí)途徑要通過(guò)FPGA或AS1C方式設(shè)計(jì)芯片模塊,或采用分布式存儲(chǔ)的整體架構(gòu)來(lái)提高計(jì)算的能效比和速架構(gòu)設(shè)計(jì)主要以高效支持當(dāng)前的深度學(xué)習(xí)為優(yōu)化目標(biāo),通過(guò)大規(guī)模的并行計(jì)算提升計(jì)算密度,從而獲得性能提升o這類(lèi)芯片通常面向特定領(lǐng)域的專(zhuān)門(mén)應(yīng)用,需要大量的數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò),其較長(zhǎng)的設(shè)計(jì)迭代周期也增加了芯片的開(kāi)?類(lèi)腦計(jì)算途徑這個(gè)方向是以模擬人腦神經(jīng)網(wǎng)絡(luò)計(jì)算為基礎(chǔ)而發(fā)展出的一種新型芯片,通過(guò)模擬神經(jīng)元和突觸的典型特征,如存算一體、脈沖編碼、異步計(jì)算、動(dòng)力學(xué)模型等特點(diǎn),希望通過(guò)這些模擬從而達(dá)到更高的智能水平o典型代表包括1BMRMSDiNNakero義總體來(lái)說(shuō),類(lèi)腦計(jì)算可分為狹義和廣義兩類(lèi):狹義的類(lèi)腦計(jì)算是模仿大腦神經(jīng)結(jié)構(gòu)和工作原理而創(chuàng)新出來(lái)的神經(jīng)形態(tài)計(jì)算(如SNN芯片設(shè)計(jì))、SNN類(lèi)腦模型、腦仿真、STDP學(xué)習(xí)方法和類(lèi)腦智能應(yīng)用,學(xué)術(shù)界稱(chēng)其為Brain,likeC0mDUting(也稱(chēng)做NeUr0m0rDhiCC0mDUting)o廣義的類(lèi)腦計(jì)算是借鑒腦的結(jié)構(gòu)和工作原理,但又不局限對(duì)腦的模擬(SNN),還包括融合傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)(ANN)等具有更多類(lèi)腦特征的異構(gòu)神經(jīng)網(wǎng)絡(luò),是一種融合當(dāng)前計(jì)算機(jī)科學(xué)和神經(jīng)科學(xué)的計(jì)算發(fā)展途徑,學(xué)術(shù)界稱(chēng)其為Brain,in5DiredC0mDUtingo?人腦特性結(jié)構(gòu):人腦由大量神經(jīng)元通過(guò)突觸連接在一起,每個(gè)神經(jīng)元通過(guò)接受發(fā)送脈沖、建立新的突觸,從而構(gòu)建起一個(gè)龐工作機(jī)制:生物神經(jīng)元主要由樹(shù)突、軸突和胞體組成o樹(shù)突負(fù)責(zé)收集其他神經(jīng)元傳來(lái)的信息并通過(guò)電流的形式將其傳來(lái)的電流引起胞體膜電位變化,當(dāng)膜電位超過(guò)一定閾值時(shí),神經(jīng)元將發(fā)出一個(gè)脈沖信號(hào),通過(guò)軸突傳給其他神經(jīng)元o只有當(dāng)膜電位達(dá)到放電閾值才會(huì)激發(fā)神經(jīng)脈沖傳遞信息,大部分的神經(jīng)元在活動(dòng)周期中都處于靜息狀態(tài),從而實(shí)現(xiàn)大腦的超低功耗高效運(yùn)轉(zhuǎn)o5量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算類(lèi)腦計(jì)算如何模仿大腦的計(jì)算機(jī)制與傳統(tǒng)馮諾依曼架構(gòu)下的計(jì)算機(jī)相比,人腦無(wú)法高效地進(jìn)行精確的數(shù)值計(jì)算,但人腦的優(yōu)勢(shì)在于智能和高效o例如,自動(dòng)忽略非必要信息,從而減少能耗j在處理信息的同時(shí)能夠?qū)ζ溥M(jìn)行加工、理解、抽象和歸納o此類(lèi)功能在識(shí)別物體,對(duì)視頻、音頻數(shù)據(jù)的理解等場(chǎng)景中均有體現(xiàn)o類(lèi)腦計(jì)算就是以人腦為藍(lán)本,實(shí)現(xiàn)新一代計(jì)算體系結(jié)構(gòu),主要思路是以事件觸發(fā)(EVent,driVen)為運(yùn)算機(jī)制,基于脈沖神經(jīng)網(wǎng)絡(luò)來(lái)仿真人腦,從而構(gòu)造新型計(jì)算系統(tǒng)o脈沖神經(jīng)網(wǎng)絡(luò)(SNN)脈沖神經(jīng)網(wǎng)絡(luò)是受生物啟發(fā)的新一代人工神經(jīng)網(wǎng)絡(luò),以腦科學(xué)為導(dǎo)向,沿著腦模擬方向發(fā)展,以0.1脈沖序列表達(dá)信息流,編碼里包含了時(shí)間信息j另外,神經(jīng)元內(nèi)部具有動(dòng)力學(xué)特征,具有事件驅(qū)動(dòng)、稀疏發(fā)放等特點(diǎn)o主要特征通過(guò)脈沖編碼將輸入信息轉(zhuǎn)換成脈沖序列信號(hào),并在信息傳遞過(guò)程中維持脈沖之間的時(shí)間關(guān)系o因此,神經(jīng)元具有?事件驅(qū)動(dòng)(事件驅(qū)動(dòng)是實(shí)現(xiàn)稀疏計(jì)算的根本基礎(chǔ))SNN中的神經(jīng)元不會(huì)在每個(gè)信息傳遞的周期都被激活,只有當(dāng)神經(jīng)元膜電壓積累到特定的電壓閾值時(shí)才會(huì)放電(發(fā)放脈沖)o神經(jīng)元激活后,會(huì)發(fā)放一個(gè)脈沖信號(hào)傳遞給其他神經(jīng)元,其他神經(jīng)元會(huì)根據(jù)這個(gè)脈沖信號(hào)增加或減少膜關(guān)鍵要素任何脈沖神經(jīng)元的設(shè)計(jì)都要考慮三個(gè)問(wèn)題:神經(jīng)元模型,更新連接權(quán)值的機(jī)制和神經(jīng)元互聯(lián)結(jié)構(gòu)o?大腦中神經(jīng)元模型與網(wǎng)絡(luò)結(jié)構(gòu)在人出生之時(shí)已基本形成,且在人的成長(zhǎng)過(guò)程中幾乎不會(huì)發(fā)生大的變化o變化主要體現(xiàn)在成長(zhǎng)過(guò)程中與外界環(huán)境不斷交互,獲取新知識(shí)并與已有知識(shí)建立聯(lián)系,從而提升問(wèn)題解決和環(huán)境自適應(yīng)能?基于脈沖神經(jīng)網(wǎng)絡(luò)的仿腦特性,其學(xué)習(xí)規(guī)則的構(gòu)建處于次要位置,而對(duì)學(xué)習(xí)機(jī)制的模仿是脈沖神經(jīng)網(wǎng)絡(luò)發(fā)展和應(yīng)?如何找到一個(gè)兼具生物合理性和計(jì)算效率的脈沖神經(jīng)元模型,以及如何建立脈沖神經(jīng)元模型與A1任務(wù)之間的關(guān)系,目前學(xué)術(shù)界和產(chǎn)業(yè)界對(duì)于類(lèi)腦計(jì)算的探索及前沿應(yīng)用主要圍繞SNN及其擴(kuò)展的神經(jīng)網(wǎng)絡(luò)展開(kāi),因此我們將關(guān)注聚焦在近10年內(nèi),深度學(xué)習(xí)在圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別和專(zhuān)家系統(tǒng)等方面取得可以匹敵人腦、甚至超越人腦的成果o但另一方面,當(dāng)前的深度學(xué)習(xí)也面臨諸多挑戰(zhàn),如需要充足的數(shù)據(jù)、完整的知識(shí)、確定的靜態(tài)問(wèn)題、容錯(cuò)性比較差等o而脈沖神經(jīng)網(wǎng)絡(luò)通過(guò)融合受生物啟發(fā)的、高效的神經(jīng)信息處理機(jī)制,有望實(shí)現(xiàn)更穩(wěn)定魯棒的信息深度學(xué)習(xí)網(wǎng)絡(luò)模型和脈沖神經(jīng)網(wǎng)絡(luò)模型能夠彼此形成互補(bǔ)o深度學(xué)習(xí)模型的計(jì)算準(zhǔn)確率高,研究生態(tài)較完善j脈沖神經(jīng)網(wǎng)絡(luò)的魯棒性較好,計(jì)算能效比較優(yōu)o但脈沖神經(jīng)網(wǎng)絡(luò)處于剛起步階段,算法模型還不成熟oANNSNN信息流神經(jīng)元狀態(tài)(連續(xù)狀態(tài)值)脈沖序列(01脈沖序列)計(jì)算方式逐層、精確計(jì)算稀疏計(jì)算,事件驅(qū)動(dòng),時(shí)序性6量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算N特點(diǎn)?大量手工標(biāo)記的輸入數(shù)據(jù)?靜態(tài)數(shù)據(jù)處理?不具備可解釋性?持續(xù)學(xué)習(xí)?動(dòng)態(tài)數(shù)據(jù)處理?具備生物可解釋性適用場(chǎng)景?語(yǔ)音識(shí)別?圖像識(shí)別……?交互式機(jī)器人?各類(lèi)對(duì)于低功耗和實(shí)時(shí)性有需求的A10T場(chǎng)景?高速動(dòng)態(tài)視覺(jué)場(chǎng)景……優(yōu)勢(shì)?可模擬復(fù)雜模型,完成大規(guī)模運(yùn)算?準(zhǔn)確率高?生物合理性強(qiáng)?能耗極低?具備自主學(xué)習(xí)能力?成本低不足?高能耗、高成本?訓(xùn)練效率低,數(shù)據(jù)依賴(lài)?僅適用單一場(chǎng)景?計(jì)算復(fù)雜度高?目前能夠模擬的神經(jīng)元數(shù)量有限,目前僅適用小規(guī)模計(jì)算場(chǎng)景技術(shù)生態(tài)技術(shù)生態(tài)概述類(lèi)腦計(jì)算的技術(shù)生態(tài)由軟件和硬件兩部分構(gòu)成o其中軟件主要包括:神經(jīng)元模型、訓(xùn)練算法、仿真框架、數(shù)據(jù)集o?在軟件方面,如何提升圍繞SNN的生態(tài)是未來(lái)發(fā)展的必經(jīng)之路,重要的方向包括完整且易操作的工具鏈開(kāi)發(fā)、?硬件方面?zhèn)戎赜诮⒛X仿真平臺(tái),參照人腦神經(jīng)元模型及其組織結(jié)構(gòu)、神經(jīng)突觸特性來(lái)設(shè)計(jì)芯片o神經(jīng)元模型脈沖神經(jīng)網(wǎng)絡(luò)是類(lèi)腦計(jì)算的核心,對(duì)其結(jié)構(gòu)基礎(chǔ)、功能優(yōu)化等方面的探索,有助于科研人員更好地認(rèn)識(shí)大腦、理解脈沖神經(jīng)網(wǎng)絡(luò)模型最大的特點(diǎn)是:以具有精確放電時(shí)間和事件驅(qū)動(dòng)特性的脈沖作為信息計(jì)算的載體o以下是在業(yè)內(nèi)影響較大的模型:神經(jīng)元模型原理定位.特點(diǎn)H,H(H0dgkin,HUXley)模型通過(guò)研究烏賊神經(jīng)元細(xì)胞膜上的離子電流和電導(dǎo),用等效電路模擬神經(jīng)元的形成和膜電壓的變化?目前最接近生物神經(jīng)元的模型?模型復(fù)雜,難以在硬件上實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)的實(shí)時(shí)仿真?計(jì)算成本高昂從生物電子學(xué)的角度對(duì)生物神經(jīng)元進(jìn)行模擬,使用電子轉(zhuǎn)移模擬生物神經(jīng)系統(tǒng)中的離子轉(zhuǎn)移目前使用最廣泛的神經(jīng)元模型之一使用二階微分方程描述細(xì)胞膜的動(dòng)態(tài)特性,在受到刺激后,膜電位由靜息電位轉(zhuǎn)變到激發(fā)脈沖狀態(tài),通過(guò)分岔機(jī)制使神經(jīng)元產(chǎn)生興奮?目前最簡(jiǎn)單的模型,且兼具H,H模型的生物真實(shí)性與L1F模型的計(jì)算效率?能夠仿真生物神經(jīng)元最突出的20種脈沖發(fā)放模式SRM模型實(shí)質(zhì)是對(duì)L1F模型的泛化,該模型也是根據(jù)神經(jīng)元電壓閾值來(lái)判斷是否產(chǎn)生脈沖o不同的是L1F模型中的參數(shù)依賴(lài)于電壓,SRM模型中的參數(shù)依賴(lài)于上一次輸出脈沖的時(shí)間?包含對(duì)于不應(yīng)期的模擬?更具通用性注:不應(yīng)期是指在興奮發(fā)生后的最初一段時(shí)間內(nèi),不論施加多強(qiáng)的刺激也不能使細(xì)胞再次興奮o量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算?訓(xùn)練算法類(lèi)腦計(jì)算的算法核心是借鑒和學(xué)習(xí)人腦的多尺度、多類(lèi)型的可塑性及神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),來(lái)完善人工智能算法o當(dāng)前脈沖神經(jīng)網(wǎng)絡(luò)領(lǐng)域尚不存在公認(rèn)的核心訓(xùn)練算法o在生物合理性及任務(wù)表現(xiàn)之間的權(quán)衡,以及采用不同的神經(jīng)元模型和編碼方式,均會(huì)造成訓(xùn)練算法多樣化o現(xiàn)階段瓶頸:脈沖神經(jīng)網(wǎng)絡(luò)所具有的離散脈沖發(fā)放機(jī)制所帶來(lái)的的優(yōu)勢(shì)是低功耗和低延遲j然而正是由于離散的發(fā)放機(jī)制導(dǎo)致其無(wú)法滿(mǎn)足連續(xù)可微的條件,也因此使得傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法無(wú)法直接用到脈沖神經(jīng)網(wǎng)絡(luò)中o解決途徑:2-基于傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練和轉(zhuǎn)換的脈沖神經(jīng)網(wǎng)絡(luò)構(gòu)建方法(間接學(xué)習(xí))j3-其它方案:串聯(lián)學(xué)習(xí)、以及最新的代理訓(xùn)練o依據(jù)訓(xùn)練過(guò)程中是否使用標(biāo)簽信息,可將脈沖神經(jīng)網(wǎng)絡(luò)算法概括地劃分為有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí),有監(jiān)督學(xué)習(xí)又分為間接有監(jiān)督學(xué)習(xí)和直接有監(jiān)督學(xué)習(xí)o在模型算法提升上,研究人員通過(guò)提供增加神經(jīng)元復(fù)雜程度的技術(shù)能力,脈沖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法描述特征無(wú)監(jiān)督STDP算法STDP學(xué)習(xí)規(guī)則根據(jù)神經(jīng)元發(fā)放脈沖的先后順序,調(diào)整神經(jīng)元之間連接的強(qiáng)弱?通過(guò)局部調(diào)整規(guī)則學(xué)習(xí),容易在神經(jīng)形態(tài)芯片上進(jìn)行分布式實(shí)現(xiàn),并具備在線學(xué)習(xí)功能j?難以獲得高性能網(wǎng)絡(luò),無(wú)法在大規(guī)模深度神經(jīng)網(wǎng)絡(luò)中使用基于ANN的間接有監(jiān)督學(xué)習(xí)?將ANN中訓(xùn)練好的參數(shù)轉(zhuǎn)化到相同結(jié)構(gòu)的SNN中j?為實(shí)現(xiàn)近無(wú)損的ANN,SNN轉(zhuǎn)換,需要對(duì)原始ANN模型進(jìn)行約束,例如對(duì)網(wǎng)絡(luò)的不同層進(jìn)行歸一化?可擴(kuò)展性強(qiáng),容易將新出現(xiàn)的或大規(guī)模的ANN網(wǎng)絡(luò)結(jié)構(gòu)轉(zhuǎn)換為相應(yīng)的SNN版本j?間接訓(xùn)練算法的特征提取步驟在ANN中完成,很難提取輸入信息在時(shí)間維度上的特征,不適用于時(shí)空數(shù)據(jù)的分類(lèi)j?對(duì)ANN采取約束會(huì)造成SNN性能下降,而且轉(zhuǎn)化SNN訓(xùn)練時(shí)需要長(zhǎng)時(shí)間的步長(zhǎng)模擬,效率遠(yuǎn)低于直接訓(xùn)練的方式直接有監(jiān)督學(xué)習(xí)采用反向傳播思想,將脈沖神經(jīng)元的微分方程形式轉(zhuǎn)化為便于計(jì)算機(jī)模擬的差分方程形式,使其變成可微的函數(shù)表達(dá)式j(luò)同時(shí)沿空間和時(shí)間維度擴(kuò)展信息,應(yīng)用梯度下降算法進(jìn)行參數(shù)更新?可解決SNN的不可微性問(wèn)題?仿真框架脈沖神經(jīng)網(wǎng)絡(luò)編程工具是幫助脈沖神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)快速仿真,網(wǎng)絡(luò)建模及學(xué)習(xí)訓(xùn)練的軟件平臺(tái)o在SNN領(lǐng)域,目前Bind5NET、SDyket0rCh等少數(shù)平臺(tái)可以支持大規(guī)模SNN的構(gòu)建與訓(xùn)練o此外,部分公司和研究機(jī)構(gòu)也開(kāi)發(fā)了自己的軟件框架,如英特爾的LaVa、時(shí)識(shí)科技的Sinab5o搭建一個(gè)大型SNN網(wǎng)絡(luò)對(duì)于編程者的編程能力有非常高的要求o因此,開(kāi)發(fā)用戶(hù)友好的編程工具對(duì)于部署大規(guī)模SNN至關(guān)重要o?數(shù)據(jù)集在類(lèi)腦數(shù)據(jù)方面,如何構(gòu)建具備稀疏事件特征、具備豐富的時(shí)間尺度.空間尺度特征的大規(guī)模多模態(tài)混合數(shù)據(jù)集十分類(lèi)腦數(shù)據(jù)集目前相對(duì)匱乏,按照數(shù)據(jù)集構(gòu)建方式的不同,可分為三類(lèi):第一類(lèi):實(shí)際場(chǎng)景采集而得的數(shù)據(jù)集通過(guò)事件相機(jī)直接拍攝,通過(guò)神經(jīng)形態(tài)傳感器直接捕捉而生成的無(wú)標(biāo)簽數(shù)據(jù)o78量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算第二類(lèi):轉(zhuǎn)換數(shù)據(jù)集由帶標(biāo)簽的靜態(tài)圖像數(shù)據(jù)集通過(guò)事件相機(jī)實(shí)拍生成,此類(lèi)數(shù)據(jù)集主要由已被廣泛研究的、用于傳統(tǒng)非脈沖任務(wù)的數(shù)據(jù)集轉(zhuǎn)換得到,通過(guò)轉(zhuǎn)換算法將ANN數(shù)據(jù)集轉(zhuǎn)換為事件信號(hào)數(shù)據(jù)集o第三類(lèi):生成數(shù)據(jù)集利用帶標(biāo)簽的視頻或圖像數(shù)據(jù)集,通過(guò)算法模擬動(dòng)態(tài)視覺(jué)傳感器特性生成數(shù)據(jù)集o件?類(lèi)腦芯片借鑒神經(jīng)元信息處理機(jī)制發(fā)展類(lèi)腦芯片與計(jì)算平臺(tái),能夠在硬件層面將類(lèi)腦計(jì)算的優(yōu)勢(shì)充分釋放,也是各國(guó)類(lèi)腦研硬件平臺(tái)的研發(fā)依托全球頂尖的研究機(jī)構(gòu),更多聚焦于創(chuàng)新突破,目前尚未實(shí)現(xiàn)大規(guī)模商業(yè)化o在過(guò)往的硬件平臺(tái)研發(fā)中,從功能上可以按照是否支持學(xué)習(xí)功能分為離線學(xué)習(xí)平臺(tái)和在線學(xué)習(xí)平臺(tái)j從電路設(shè)計(jì)上則可分為數(shù)?；旌想娐菲脚_(tái)和全數(shù)字電路平臺(tái),各有優(yōu)缺點(diǎn)o來(lái)源:脈沖神經(jīng)網(wǎng)絡(luò)研究進(jìn)展綜述,量子位智庫(kù)整理基于脈沖神經(jīng)網(wǎng)絡(luò)的計(jì)算模型在基于馮諾依曼架構(gòu)下的硬件中很難展現(xiàn)其優(yōu)勢(shì),只能對(duì)SNN進(jìn)行仿真o因此,研究按照芯片所實(shí)現(xiàn)的功能,我們將類(lèi)腦芯片大致分為三類(lèi):rUeNrthLihi企業(yè).機(jī)構(gòu)名稱(chēng)硬件特點(diǎn)性能斯坦福大學(xué)?模擬電路主導(dǎo)?利用硅晶體管的亞閾值模擬電特性實(shí)時(shí)仿真神經(jīng)元離子通道的動(dòng)力學(xué)行為?采用事件驅(qū)動(dòng)的異步數(shù)字電路進(jìn)行信息傳輸?2009年:每塊板有16顆NeUr0C0re芯片,能夠支持100萬(wàn)個(gè)神經(jīng)元和60億個(gè)突觸聯(lián)結(jié)十能耗僅5Wj?2017年:開(kāi)發(fā)新一代神經(jīng)形態(tài)芯片BrainSt0rm,最終成果為嵌入式應(yīng)用和集群服務(wù)器上的計(jì)算芯片十可以運(yùn)行全腦模型9量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算企業(yè).機(jī)構(gòu)名稱(chēng)硬件特點(diǎn)性能蘇黎世大學(xué)亞閾值模擬+異步電路,實(shí)現(xiàn)復(fù)雜生物神經(jīng)元、突觸模型以及脈沖神經(jīng)網(wǎng)絡(luò)j采用異構(gòu)路由拓?fù)?兼具樹(shù)形拓?fù)涞牡脱舆t和網(wǎng)絡(luò)拓?fù)涞牡蛶捫枨髥伟搴?塊芯片,單芯片含4個(gè)計(jì)算核,單核含256個(gè)神經(jīng)元TrUeN0rth?數(shù)字電路主導(dǎo)?將存儲(chǔ)單元作為突觸,計(jì)算單元作為神經(jīng)元,傳輸單元作為軸突搭建神經(jīng)芯片的原型?借鑒神經(jīng)元工作原理及其信息傳遞機(jī)制,實(shí)現(xiàn)了存儲(chǔ)與計(jì)算的融合?單芯片含有4096個(gè)計(jì)算核,每個(gè)計(jì)算核包括256個(gè)神經(jīng)元和6-4萬(wàn)個(gè)突觸j?實(shí)驗(yàn)數(shù)據(jù)顯示視覺(jué)識(shí)別準(zhǔn)確率達(dá)到80%j一臺(tái)筆記本完成相同任務(wù)速度比TrUthN0rth芯片慢100倍,但功耗是其1萬(wàn)倍清華大學(xué)TianjiC采用神經(jīng)形態(tài)眾核架構(gòu),計(jì)算核的軸突與胞體具有脈沖和非脈沖兩種工作模式包含156個(gè)計(jì)算核,單核包含256個(gè)神經(jīng)元浙江大學(xué)達(dá)爾文芯片類(lèi)腦計(jì)算機(jī)(DarWinM0U5e)將792顆中國(guó)自主產(chǎn)權(quán)的達(dá)爾文2代類(lèi)腦計(jì)算芯片集成在3臺(tái)1-6米高的標(biāo)準(zhǔn)服務(wù)器機(jī)箱中,形成了一臺(tái)機(jī)架式類(lèi)腦計(jì)算機(jī)達(dá)爾文2采用55nmCM0S工藝,單芯片支持的神經(jīng)元規(guī)模達(dá)15萬(wàn)個(gè),單芯片由576個(gè)內(nèi)核組成,每個(gè)內(nèi)核支持256個(gè)神經(jīng)元,神經(jīng)突觸超過(guò)1千萬(wàn),通過(guò)系統(tǒng)級(jí)擴(kuò)展,可構(gòu)建千萬(wàn)級(jí)神經(jīng)元類(lèi)腦計(jì)算系統(tǒng)海德堡大學(xué)BrainSCaleS?數(shù)?；旌想娐?采用超閾值模擬電特性進(jìn)行神經(jīng)元?jiǎng)恿W(xué)仿真?在晶圓上集成超大規(guī)模突觸,以降低通信代價(jià),提高計(jì)算性能2016年完成了20塊晶圓、400萬(wàn)神經(jīng)元和10億突觸的神經(jīng)形態(tài)計(jì)算系統(tǒng),速度比生物系統(tǒng)快1萬(wàn)倍o英特爾L0ihiL0ihi2?數(shù)字電路?異步數(shù)字實(shí)現(xiàn),具有層次化連接、樹(shù)突計(jì)算、突觸延遲、可編程可塑性規(guī)則等特性單個(gè)芯片包含128個(gè)計(jì)算核,單核包含最多1024個(gè)神經(jīng)元曼徹斯特大學(xué)SDiNNaker?數(shù)字電路?支持多種神經(jīng)元?jiǎng)恿W(xué)模型?借鑒神經(jīng)元放電模式,以較少的物理連接快速傳遞尖峰脈沖?模擬大腦中大量并行架構(gòu),同時(shí)把數(shù)十億小量信息發(fā)送到成千上萬(wàn)不同的目的地2016年,這套系統(tǒng)有50萬(wàn)核,用ARM處理器搭建了一套系統(tǒng),可以實(shí)時(shí)仿真4億神經(jīng)元和4000億神經(jīng)突觸的神經(jīng)網(wǎng)絡(luò)新型存儲(chǔ)器件不同于基于傳統(tǒng)CM0S的類(lèi)腦芯片,基于新型存儲(chǔ)器件的類(lèi)腦芯片從仿生的角度出發(fā),在器件層面模擬生物的基本信息處理單元一一神經(jīng)元和突觸,在功耗、成本等方面具有顯著優(yōu)勢(shì),目前仍處在探索階段o傳統(tǒng)器件的問(wèn)題:基于硅基材料的類(lèi)腦芯片相較于傳統(tǒng)的A1加速器芯片在功耗上有了很大提升,但其效能依然遠(yuǎn)不及人腦一一1BM的TrUeN0rth芯片中,平均需要5000個(gè)晶體管才能模擬一個(gè)神經(jīng)元,而1ntel的L0ihi芯片更是需要1-6萬(wàn)個(gè)晶體管才能模擬一個(gè)神經(jīng)元,這大大增加了類(lèi)腦芯片的設(shè)計(jì)難度o解決途徑:研發(fā)新型材料一一憶阻器o憶阻器在電信號(hào)的刺激下,器件電阻可以動(dòng)態(tài)地發(fā)生變化,并且這種變化在電信號(hào)撤去后依然存在(非易失性)o憶阻器的阻變物理機(jī)制可以模仿神經(jīng)元生物突觸和神經(jīng)元的神經(jīng)動(dòng)力學(xué)特性,因此基于憶阻陣列的神經(jīng)形態(tài)計(jì)算極量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算憶阻器憶阻器結(jié)構(gòu)簡(jiǎn)單、集成密度高,理論上一個(gè)憶阻器就可以實(shí)現(xiàn)一個(gè)神經(jīng)突觸的功能,可極大的提升突觸密度,是從對(duì)于憶阻材料,由于其可以仿真神經(jīng)突觸之間的突觸強(qiáng)度,可一定程度簡(jiǎn)化神經(jīng)元網(wǎng)絡(luò)設(shè)計(jì),但在算法層面上要研目前,熱門(mén)的研究方向集中在RRAM和MRAM,其中已有公司在做RRAM的商業(yè)落地o基于此,分析師認(rèn)為RRAM有望率先走向技術(shù)成熟,并實(shí)現(xiàn)商業(yè)化轉(zhuǎn)變o研究進(jìn)展(部分展示)?國(guó)內(nèi)類(lèi)腦計(jì)算清華大學(xué)類(lèi)腦研究中心在2014年開(kāi)始探索脈沖神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的融合,清華大學(xué)研究團(tuán)隊(duì)認(rèn)為將這兩類(lèi)模型融合實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ),能夠發(fā)展出更好更優(yōu)的算法模型o在此背景下,清華大學(xué)于2019,2020和2021年連續(xù)在NatUre上發(fā)表文章,分別從架構(gòu)、軟件編譯和算法模型三個(gè)首篇論文講述的是異構(gòu)融合架構(gòu)的類(lèi)腦芯片設(shè)計(jì)(天機(jī)芯),如何在架構(gòu)層面支持ANN和SNN的融合j第二篇論文講述的是類(lèi)腦編譯軟件系統(tǒng)架構(gòu),提出了類(lèi)腦計(jì)算完備性j第三篇論文是在自然通訊發(fā)表的類(lèi)腦算法文章,首次融合了全局學(xué)習(xí)和本地學(xué)習(xí)的融合算法,為類(lèi)腦融合算法模型新型憶阻器錢(qián)鶴、吳華強(qiáng)團(tuán)隊(duì)從新型阻變機(jī)理出發(fā),首次提出了具有優(yōu)良模擬阻變特性的新一代神經(jīng)形態(tài)器件一一拓?fù)湎嘧儜涀杵?TPT,RAM),該器件獨(dú)特的擴(kuò)散,非易失雙模態(tài)工作特性模擬人腦中突觸發(fā)育的過(guò)程,并在訓(xùn)練中演示神經(jīng)網(wǎng)絡(luò)剪枝,實(shí)驗(yàn)結(jié)果表明減少了約84-2%的冗余突觸,同時(shí)將手寫(xiě)數(shù)字圖像識(shí)別準(zhǔn)確率提高到99%o中科院成立了中國(guó)科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心,由神經(jīng)科學(xué)研究所、自動(dòng)化研究所等機(jī)構(gòu)共建,深入融對(duì)于類(lèi)腦智能的規(guī)劃,從基礎(chǔ)的神經(jīng)形態(tài)器件到類(lèi)腦智能的各個(gè)層次展開(kāi)工作,從最底層的神經(jīng)形態(tài)器件平臺(tái),到利用神經(jīng)形態(tài)器件構(gòu)造的類(lèi)腦處理器,到在類(lèi)腦處理器的基礎(chǔ)上構(gòu)建類(lèi)腦計(jì)算系統(tǒng),以及在計(jì)算機(jī)上開(kāi)展類(lèi)腦智能研究,實(shí)現(xiàn)視聽(tīng)感知、自主學(xué)習(xí)、自然會(huì)話等o來(lái)源:北京市科委專(zhuān)項(xiàng)規(guī)劃圖,量子位智庫(kù)整理量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算?國(guó)外特點(diǎn):對(duì)照人類(lèi)大腦皮層構(gòu)建電子系統(tǒng),這個(gè)電子系統(tǒng)無(wú)論從神經(jīng)元、神經(jīng)突觸,還是在規(guī)模、密度上都要與人類(lèi)大腦皮層相當(dāng)o唯一不同的是功耗,人類(lèi)大腦的功耗在20W左右,而1BM的電子系統(tǒng)初期設(shè)計(jì)目標(biāo)是1000Wo為了實(shí)現(xiàn)這個(gè)目標(biāo),1BM最初使用超級(jí)計(jì)算機(jī)做模擬,但超算的結(jié)構(gòu)體系和人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)不匹配,如果想要達(dá)到同等功能會(huì)消耗巨大的能量o因此,用超算來(lái)做類(lèi)腦計(jì)算可以用于實(shí)驗(yàn)研究,但不適合做最終的落地平臺(tái)o基于此,研究人員開(kāi)始研發(fā)專(zhuān)門(mén)的類(lèi)腦芯片o德國(guó)海德堡大學(xué)BrainSCale5得到了歐洲HBP(人類(lèi)大腦計(jì)劃)的支持o這套系統(tǒng)計(jì)劃將在2022年實(shí)現(xiàn)由5000個(gè)晶圓,模擬50億神經(jīng)元和1300億神經(jīng)突觸功能組層的硬件系統(tǒng)o特點(diǎn):比生物系統(tǒng)快一萬(wàn)倍,直接利用類(lèi)似集成電路的方法實(shí)現(xiàn)硬件o和1200塊互連電路板,有能力同時(shí)執(zhí)行200萬(wàn)億次運(yùn)算o特點(diǎn):神經(jīng)元、神經(jīng)突觸的互連結(jié)構(gòu),并提出一種新的結(jié)構(gòu)模型o此外,由于其神經(jīng)元的計(jì)算是在ARM處理器上完成,所以它是可編程的,能夠根據(jù)不同的需要實(shí)現(xiàn)復(fù)雜度不同的神經(jīng)網(wǎng)絡(luò)oPh0ikiSDring5是一個(gè)數(shù)據(jù)中心機(jī)架式系統(tǒng),是英特爾迄今為止開(kāi)發(fā)的最大的神經(jīng)形態(tài)計(jì)算系統(tǒng)o特點(diǎn):在五個(gè)機(jī)箱內(nèi)集成了768個(gè)L0ihi神經(jīng)形態(tài)芯片oP0h0ikiSDring5擁有1億個(gè)神經(jīng)元,將L0ihi的神經(jīng)容量提此外,英特爾最小的神經(jīng)形態(tài)系統(tǒng)KaD0h0Bay包含兩個(gè)具有262十000個(gè)神經(jīng)元的L0ihi芯片,支持各種實(shí)時(shí)邊緣工科研環(huán)境對(duì)比在類(lèi)腦智能研究上,歐美國(guó)家具備先發(fā)優(yōu)勢(shì)o?歐洲瑞士蘇黎世聯(lián)邦理工學(xué)院和蘇黎世大學(xué)在1995年聯(lián)合成立的神經(jīng)信息研究所(1N1),覆蓋了從動(dòng)物行為學(xué),腦解剖三維模型,到類(lèi)腦算法,再到類(lèi)腦芯片設(shè)計(jì),以及應(yīng)用側(cè)無(wú)人機(jī)、機(jī)器人等的研究,具備從基礎(chǔ)科學(xué)到應(yīng)用科?美國(guó)麻省理工學(xué)院的腦、機(jī)器人中心和斯坦福大學(xué)的心智、腦與計(jì)算研究中心,前者主要研究方向?yàn)楦兄獙W(xué)習(xí)、推理、神經(jīng)計(jì)算j后者集成理論、計(jì)算和實(shí)驗(yàn)研究的方法,致力于研究感知、理解、思維、感受、決策的腦神經(jīng)信息處?中國(guó)相比于歐美國(guó)家在交叉學(xué)科上成熟、完整的科研體系,我國(guó)的類(lèi)腦研究發(fā)展時(shí)間較晚(2014年左右),但隨著中科院類(lèi)腦智能研究中心、清華大學(xué)類(lèi)腦計(jì)算研究中心、北京大學(xué)腦科學(xué)與類(lèi)腦研究中心等一批科研院所的成立,目標(biāo):繪制和模擬動(dòng)物大腦結(jié)構(gòu)和子結(jié)構(gòu)目標(biāo):繪制和模擬動(dòng)物大腦結(jié)構(gòu)和子結(jié)構(gòu)基于嚙齒動(dòng)物(大鼠、蝙蝠)和昆蟲(chóng)(蜜蜂)的大腦以及海馬和內(nèi)嗅皮層(昆蟲(chóng)的導(dǎo)航復(fù)合體)形成神經(jīng)元架構(gòu)j幫助研究人員理解、建模和編寫(xiě)實(shí)際可用的算法j新興的神經(jīng)形態(tài)技術(shù)成熟,如受嗅覺(jué)啟發(fā)的應(yīng)用方向:傳感器可以部署在小型自主家用目標(biāo):掌握學(xué)習(xí)和記憶的元素如何使用受生物啟發(fā)的局部學(xué)技術(shù)難點(diǎn)?神經(jīng)科學(xué)與人工智能的融合有待進(jìn)一步突破在人工智能的技術(shù)實(shí)現(xiàn)上,分析師基于四個(gè)主要技術(shù)難點(diǎn)進(jìn)行解釋,并結(jié)合學(xué)術(shù)界(日內(nèi)瓦大學(xué))的發(fā)展給出了四類(lèi)技神經(jīng)網(wǎng)絡(luò)架構(gòu)是類(lèi)腦研發(fā)的基礎(chǔ)o當(dāng)前遇到的問(wèn)題是網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、大小和確切性差異很大,尚不清楚網(wǎng)絡(luò)應(yīng)該建多大,以及必須有多少互連才能展示出更好的生物特性o為了更好地進(jìn)行類(lèi)腦研究,需要更扎實(shí)的理論基礎(chǔ)、計(jì)算神經(jīng)科學(xué)的概念改進(jìn)以及更好的大腦運(yùn)作機(jī)制模型o目標(biāo):類(lèi)腦計(jì)算提供有用的技術(shù)望形成一個(gè)基于類(lèi)腦技術(shù)的完整解決方案,具體場(chǎng)景如下:1)基于對(duì)人類(lèi)和動(dòng)物伸手及抓握的理解,機(jī)器人可以在日常環(huán)境中對(duì)物體進(jìn)行定向動(dòng)作,如抓握和操縱物體的機(jī)械臂,看護(hù)老人和病人,幫助家庭和工廠車(chē)間做維護(hù)工作j2)支持機(jī)器人在復(fù)雜的室內(nèi)和室外環(huán)境中靈活移動(dòng),在危險(xiǎn).復(fù)雜環(huán)境中執(zhí)行檢查任務(wù)jD人類(lèi)進(jìn)行基于手勢(shì)和注視的基于硬件的類(lèi)腦計(jì)算過(guò)程模擬,在類(lèi)腦器件、芯片和體系結(jié)構(gòu)方面仍面臨重要挑戰(zhàn)o新型納米器件尚存在工藝穩(wěn)定性差、規(guī)模化難度高等問(wèn)題,類(lèi)腦器件和材料需要新的技術(shù)突破o此外,類(lèi)腦系統(tǒng)需要數(shù)以百億的神經(jīng)元協(xié)同工作,而現(xiàn)有類(lèi)腦芯片硬件資源有限,難以實(shí)現(xiàn)大規(guī)模神經(jīng)元互連集成和神經(jīng)元脈沖信息高效實(shí)時(shí)傳輸o如何突破現(xiàn)有計(jì)算系統(tǒng)架構(gòu),建立類(lèi)腦的新型體系結(jié)構(gòu)和計(jì)算方式,仍需探索o目標(biāo):類(lèi)動(dòng)物腦學(xué)習(xí)成為可能創(chuàng)建人工神經(jīng)元和突觸網(wǎng)絡(luò),允許通過(guò)基于預(yù)測(cè)模型的強(qiáng)化和自我監(jiān)督學(xué)習(xí)相結(jié)合的自主學(xué)習(xí),由片上的神經(jīng)元網(wǎng)絡(luò)支持o自主系統(tǒng)形成自己的行為,并能夠根據(jù)行為做出大腦的結(jié)構(gòu)與其執(zhí)行的算法密不可分,這對(duì)于類(lèi)腦計(jì)算研究有兩方面影響:1)由于算法在神經(jīng)形態(tài)的計(jì)算機(jī)網(wǎng)絡(luò)結(jié)構(gòu)中實(shí)現(xiàn),順序編程的思想不適用,需要以一種新的范式進(jìn)行計(jì)算j2)架構(gòu)(硬件)的選擇會(huì)影響在每個(gè)實(shí)例上運(yùn)行的算法范圍o在底層,越接近硅計(jì)算,機(jī)器就越靈活且可編程j模擬和物理信息越多,架構(gòu)所固定的算法就越多o神經(jīng)形態(tài)計(jì)算的硬件特異性限制了算法的靈活性,因此需要標(biāo)準(zhǔn)化算法的實(shí)現(xiàn)方式o目標(biāo):神經(jīng)形態(tài)計(jì)算在邊緣設(shè)備中成為主流目標(biāo):神經(jīng)形態(tài)計(jì)算在邊緣設(shè)備中成為主流與感知信號(hào)和運(yùn)動(dòng)控制協(xié)同工作,以及人機(jī)交互和物理世界中的計(jì)算,包括大規(guī)模仿真o傳統(tǒng)計(jì)算機(jī)將僅用于存儲(chǔ)和處理"老式"數(shù)據(jù)j計(jì)算將分布在超邊緣(智能設(shè)備)、邊緣(個(gè)人臺(tái)式機(jī))和云(服務(wù)器)之間,通過(guò)超高速和高性能的離目標(biāo):標(biāo)準(zhǔn)化的基準(zhǔn)測(cè)試出現(xiàn)屆時(shí),研究人員能夠在模擬器和標(biāo)準(zhǔn)硬件平臺(tái)的使用目標(biāo):多感官處理得到強(qiáng)化集合了觸覺(jué)、嗅覺(jué)等多感官的智能信號(hào),應(yīng)用可覆蓋:1)可拉伸、智能、大型電子皮膚j2)低功耗和低延遲的3D視覺(jué)、運(yùn)動(dòng)檢測(cè)器j嗅覺(jué)傳感器和化學(xué)傳感器,用于電場(chǎng)和氣流的傳感器j3)通過(guò)增強(qiáng)智能信號(hào)處理,有效提取任務(wù)相關(guān)信息目前為止,尚未出現(xiàn)能夠展示類(lèi)腦計(jì)算潛力的"殺手級(jí)應(yīng)用",也沒(méi)有公認(rèn)的通用標(biāo)準(zhǔn)來(lái)衡量該領(lǐng)域或單個(gè)設(shè)備的進(jìn)展情況o而通用標(biāo)準(zhǔn)往往是一個(gè)產(chǎn)業(yè)實(shí)現(xiàn)規(guī)模化發(fā)展的前提,因此建立基準(zhǔn)測(cè)試對(duì)于類(lèi)腦的有序發(fā)展十分重要o對(duì)于類(lèi)腦計(jì)算來(lái)講,實(shí)時(shí)性和低功耗是重要的判斷因素j同時(shí),能夠避免與深度學(xué)習(xí)算法產(chǎn)生競(jìng)爭(zhēng)o此外,類(lèi)腦計(jì)算的另一個(gè)重要特征是進(jìn)行快速、實(shí)時(shí)且獨(dú)立的感官處理,而不是依賴(lài)基于云的數(shù)據(jù)中心o目標(biāo):基準(zhǔn)測(cè)試加速商業(yè)化現(xiàn)實(shí)世界的基準(zhǔn)測(cè)試加速商業(yè)化進(jìn)程,對(duì)于語(yǔ)音識(shí)別等任務(wù),逐漸開(kāi)始優(yōu)于傳統(tǒng)算法o?目前觀測(cè)大腦的手段單一測(cè)與調(diào)控技術(shù)觀測(cè)信息局部、對(duì)腦功能認(rèn)知缺乏、腦調(diào)控與觀測(cè)無(wú)法同步等問(wèn)題o建立兼具全腦認(rèn)知與局部反應(yīng)的信息獲取的新型大腦觀測(cè)手段和同步調(diào)控技術(shù),仍面臨重要挑戰(zhàn)o根據(jù)國(guó)內(nèi)學(xué)者預(yù)測(cè),人腦神經(jīng)網(wǎng)絡(luò)精細(xì)圖譜有望在20年內(nèi)完成o量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算價(jià)值篇從產(chǎn)業(yè)落地的角度講,模仿人腦的價(jià)值在于解決目前人工智能在信息處理和計(jì)算模式上遇到的困境,為實(shí)現(xiàn)通用人工智能奠定基礎(chǔ)o因此,在這個(gè)層面,更多是以計(jì)算機(jī)科學(xué)為主導(dǎo),著眼于應(yīng)用側(cè)的實(shí)際需求,給到市場(chǎng)一個(gè)完整此外,類(lèi)腦計(jì)算除替代市場(chǎng)中的同類(lèi)解決方案,在行為意圖等檢測(cè)方面具備優(yōu)勢(shì),可以使現(xiàn)有終端設(shè)備更加智能o從科研價(jià)值看,類(lèi)腦計(jì)算技術(shù)最終是服務(wù)于人類(lèi)健康,其深層的價(jià)值是推進(jìn)腦科學(xué),特別是腦疾病的研究和成果落綜上,產(chǎn)業(yè)側(cè)的價(jià)值因其直接作用于產(chǎn)品且服務(wù)對(duì)象為終端用戶(hù),分析師將其歸納為直接價(jià)值o科研價(jià)值的直接體現(xiàn)是在腦科學(xué).醫(yī)學(xué)上的突破,類(lèi)腦計(jì)算則作為一種工具賦能基礎(chǔ)研究j因此,分析師將其歸納為間接價(jià)值o根據(jù)業(yè)內(nèi)人士描述,類(lèi)腦智能的發(fā)展將會(huì)經(jīng)歷運(yùn)算智能,感知智能,認(rèn)知智能,自主智能四個(gè)階段o最終實(shí)現(xiàn)的自主智能是指具有進(jìn)化能力的自主智能體,即擁有自主學(xué)習(xí)自主進(jìn)化、意識(shí)等高層次智能o當(dāng)前類(lèi)腦智能處于運(yùn)算智能和分析師根據(jù)類(lèi)腦智能的發(fā)展階段,分別列舉了不同階段中類(lèi)腦智能所體現(xiàn)的應(yīng)用價(jià)值o運(yùn)算智運(yùn)算智能在移動(dòng)終端設(shè)備中,智能軟件的使用占據(jù)其大部分計(jì)算資源,其中涉及大量圖像處理、文本處理、音頻處理等o多數(shù)應(yīng)用程序所需的處理能力要高于手機(jī)目前所具備的o因此,手機(jī)在信息處理中需要通過(guò)調(diào)用數(shù)據(jù)中心的處理能力來(lái)提供服務(wù)o這種方式存在以下幾個(gè)明顯的問(wèn)題:處理能力容易受到網(wǎng)絡(luò)連接狀態(tài)的限制響應(yīng)速度取決于服務(wù)器的速度云端處理涉及隱私安全問(wèn)題目前,終端設(shè)備中所使用的芯片可用來(lái)處理一些邊緣類(lèi)A1應(yīng)用,如人臉識(shí)別、語(yǔ)音識(shí)別等j但對(duì)于較大規(guī)模、復(fù)雜的并行任務(wù),芯片的處理能力有限o此外,由于電池的限制,嵌入式設(shè)備所能提供的額外處理能力也有限o而類(lèi)腦計(jì)算芯片憑借其實(shí)時(shí)、高效且低功耗的特點(diǎn),能夠在移動(dòng)設(shè)備中發(fā)揮價(jià)值o應(yīng)用場(chǎng)景:?低功耗的常開(kāi)(alWay5,0n)功能,保證移動(dòng)設(shè)備和可穿戴設(shè)備長(zhǎng)時(shí)間處于工作狀態(tài)而不用充電j?低功耗實(shí)時(shí)定位與地圖構(gòu)建(SLAM),賦能AR.VR設(shè)備j?快速變化的動(dòng)態(tài)檢測(cè),突出監(jiān)控場(chǎng)景中目標(biāo)區(qū)域的變化,進(jìn)一步減少分析所需的數(shù)據(jù)量,從而保證物聯(lián)網(wǎng)設(shè)備低維(一維)信息處理:直接在端側(cè)接入傳感器做信息處理,具有實(shí)時(shí)性和低功耗的特征o場(chǎng)景:語(yǔ)音識(shí)別,心電、腦電和肌電檢測(cè),智慧樓宇中的玻璃破碎檢測(cè)代表公司:時(shí)識(shí)科技,A5Dinity感知感知智能量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算事件驅(qū)動(dòng)視覺(jué)傳感(EVentba5edVi5i0n)目前市面上使用的多為基于幀的傳感技術(shù),傳統(tǒng)相機(jī)每秒拍攝一定數(shù)量的照片,通常為30幀.秒,所記錄的信息逐幀發(fā)送o盡管是相同的靜態(tài)背景,傳感器中的像素都會(huì)同步記錄o神經(jīng)擬態(tài)視覺(jué)傳感器(也稱(chēng)事件驅(qū)動(dòng)視覺(jué)傳感器),通過(guò)模擬人眼視網(wǎng)膜和大腦工作原理,重新設(shè)計(jì)像素,使其僅在動(dòng)態(tài)場(chǎng)景中記錄,并通過(guò)連續(xù)的信息流捕獲信息o傳統(tǒng)基于幀的相機(jī)存在以下三個(gè)的問(wèn)題:?視覺(jué)系統(tǒng)需要處理大量無(wú)用數(shù)據(jù),產(chǎn)生大量電力浪費(fèi)j?基于幀的成像方法會(huì)造成對(duì)于場(chǎng)景中移動(dòng)部分的采樣不足,在某些場(chǎng)景中會(huì)因動(dòng)態(tài)畫(huà)面捕捉不到位而產(chǎn)生問(wèn)題o例如,在自動(dòng)駕駛的目標(biāo)物檢測(cè)中,傳統(tǒng)相機(jī)在較遠(yuǎn)的距離下,可能將等紅綠燈的行人判斷為靜止物,進(jìn)而影響到駕駛決策j?傳統(tǒng)視覺(jué)傳感器在實(shí)驗(yàn)室和室外光照強(qiáng)烈兩種環(huán)境下,算法的表現(xiàn)差異非常大,在室外多變的環(huán)境中,算法的相比之下,神經(jīng)擬態(tài)視覺(jué)傳感器優(yōu)勢(shì):摒棄靜態(tài)畫(huà)面重復(fù)處理以稀疏事件流的形式輸出視覺(jué)信號(hào),事件流中不包含靜態(tài)背景中的任何信息o由于僅傳輸像素點(diǎn)的亮度變化不需要用于像素讀取的模數(shù)轉(zhuǎn)換器,從而避免大量冗余數(shù)據(jù)的傳輸o提升算法表現(xiàn)力基于事件驅(qū)動(dòng)的視覺(jué)傳感器具有高動(dòng)態(tài)范圍和場(chǎng)景的對(duì)數(shù)采樣特性,使其計(jì)算決策不受外界環(huán)境的影響o同樣是自動(dòng)駕駛場(chǎng)景,基于事件的視覺(jué)傳感器的感知方式,不論在強(qiáng)光還是弱光環(huán)境中都不會(huì)發(fā)生變化,因此在高動(dòng)態(tài)范圍細(xì)微動(dòng)作捕捉基于事件的傳感器能夠獲取時(shí)間信息,意味著在高速動(dòng)態(tài)的場(chǎng)景中,依舊能夠捕捉到細(xì)微的動(dòng)作變化o其背后原理為:事件相機(jī)通過(guò)檢測(cè)像素點(diǎn)處的對(duì)比度.亮度變化時(shí)發(fā)出信號(hào),且對(duì)亮度變化的響應(yīng)速度極快o因此,事件相機(jī)輸出的是在時(shí)間上連續(xù)的,以像素為單位的數(shù)據(jù)流,根據(jù)場(chǎng)景的變換相應(yīng)生成和輸出o事件相機(jī)僅記錄動(dòng)態(tài)信息的特性使其非常適合捕捉細(xì)微的動(dòng)態(tài)變化,而這恰恰是傳統(tǒng)相機(jī)無(wú)法做到的o?成本低針對(duì)視覺(jué)領(lǐng)域多個(gè)物體的識(shí)別、分類(lèi)、跟蹤以及光流相關(guān)的任務(wù),都可以通過(guò)類(lèi)腦處理器來(lái)實(shí)現(xiàn),但后者的功耗會(huì)比傳統(tǒng)的處理器降低幾百甚至上千倍(毫瓦級(jí)功耗),且成本也可以控制在幾美元以?xún)?nèi)o場(chǎng)景:手勢(shì)識(shí)別,如智能家居和公共場(chǎng)合非接觸顯示器的交互汽車(chē)高速避障,如自主打輪系統(tǒng)或者自主避障系統(tǒng)相關(guān)的高速識(shí)別工業(yè)視覺(jué),如高速運(yùn)轉(zhuǎn)平臺(tái)上的部件實(shí)時(shí)識(shí)別j安全監(jiān)測(cè)等e特點(diǎn):對(duì)于視覺(jué)來(lái)講,大部分時(shí)候依靠?jī)芍谎劬Ω兄?感知維度和感知源是有限的o相比之下,觸覺(jué)沒(méi)有特定的器官專(zhuān)門(mén)來(lái)感知,觸覺(jué)感知遍布在人體表皮,甚至身體內(nèi)部也有觸覺(jué)"傳感器"o量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算因此,觸覺(jué)涉及多維(接觸覺(jué)、壓覺(jué)、滑覺(jué)、溫濕覺(jué)、力矩覺(jué)等)和多模塊的協(xié)同感知,通常要考量7,10個(gè)物理變量和數(shù)以百計(jì)的傳感器模塊o僅模擬人手就需要近百個(gè)傳感器模塊才能實(shí)現(xiàn)人手所具備的類(lèi)似功能o此外,不同于視覺(jué)、聽(tīng)覺(jué)的集中式傳感,觸覺(jué)的分布式傳感需要多模塊組合的拼接式皮膚傳感器,不同模塊的芯片之間需要形成協(xié)同的分布式傳感網(wǎng)絡(luò)架構(gòu),而SNN算法具有異步事件驅(qū)動(dòng)的特點(diǎn),非常適合處理分布式觸覺(jué)網(wǎng)絡(luò)的異步觸覺(jué)事件o因此,基于SNN的分布式類(lèi)腦觸覺(jué)網(wǎng)絡(luò)架構(gòu)的支撐算法及硬件技術(shù),是觸覺(jué)傳感器走向產(chǎn)業(yè)化的關(guān)對(duì)于視覺(jué)和聽(tīng)覺(jué)來(lái)講,信息傳導(dǎo)的過(guò)程為:接受到信號(hào),首先通知大腦做計(jì)算,再進(jìn)行決策控制j觸覺(jué)感知有一部分信號(hào)和視覺(jué)聽(tīng)覺(jué)是一樣的,但大部分觸覺(jué)的感知和執(zhí)行需要同步完成,決策過(guò)程則在傳感器前端通過(guò)神經(jīng)元完成o其難點(diǎn)在于需要觸覺(jué)傳感單元具備感知、計(jì)算和執(zhí)行的完整能力,并且有快速的前端決策能力o典型應(yīng)用:機(jī)器人靈巧手代表公司:他山科技神經(jīng)形態(tài)機(jī)器人遵循三個(gè)主要階段:?使用事件驅(qū)動(dòng)傳感器開(kāi)發(fā)機(jī)器人視覺(jué)感知,將感知與控制聯(lián)系起來(lái)做系統(tǒng)驗(yàn)證和SNN電機(jī)控制j?研究人員開(kāi)始研發(fā)基于SNN的感知、認(rèn)知和行為模型,嘗試在神經(jīng)形態(tài)平臺(tái)上實(shí)現(xiàn)這些模型j?協(xié)調(diào)DNN與SNN,并直接開(kāi)發(fā)用于運(yùn)動(dòng)控制的脈沖神經(jīng)網(wǎng)絡(luò)模型,將來(lái)能夠在神經(jīng)形態(tài)硬件上實(shí)現(xiàn)o自適應(yīng)機(jī)器人是很多類(lèi)腦公司想要實(shí)現(xiàn)的長(zhǎng)期目標(biāo),但目前距離商業(yè)化較遠(yuǎn),主要由于其對(duì)于硬件的極高要求,如需要多模態(tài)感知融合j此外還涉及大量機(jī)械原理和材料上的創(chuàng)新o由此可見(jiàn),單靠類(lèi)腦公司目前的技術(shù)無(wú)法完成整個(gè)自適應(yīng)機(jī)器人研發(fā)o分析師認(rèn)為,未來(lái)類(lèi)腦公司更有可能作為解決方案提供商,在計(jì)算或感知部分為0EM提供更具實(shí)時(shí)性和低功耗的解決方案,加速自主智能機(jī)器人的規(guī)?；瘧?yīng)用:工業(yè)機(jī)器人、服務(wù)機(jī)器人、特種機(jī)器人等各類(lèi)智能機(jī)器人領(lǐng)域困境腦科學(xué)領(lǐng)域的研究,經(jīng)常會(huì)使用動(dòng)物進(jìn)行實(shí)體實(shí)驗(yàn),單純通過(guò)醫(yī)學(xué)途徑去了解大腦中的神經(jīng)元、神經(jīng)脈沖等功能結(jié)構(gòu)和信息傳遞機(jī)制等o盡管結(jié)果直觀,但也存在著弊端:倫理層面上,需要平衡動(dòng)物保護(hù)與動(dòng)物實(shí)驗(yàn)之間的關(guān)系j技術(shù)層面上,由于動(dòng)物個(gè)體的差異性等因素,存在實(shí)驗(yàn)成現(xiàn)借助由類(lèi)腦計(jì)算芯片構(gòu)建的類(lèi)腦服務(wù)器以及類(lèi)腦計(jì)算集群,未來(lái)有望模擬十億、百億甚至千億級(jí)神經(jīng)元規(guī)模的生物通過(guò)類(lèi)腦計(jì)算實(shí)現(xiàn)的大規(guī)模腦仿真,能夠大幅降低腦科學(xué)領(lǐng)域?qū)嶒?yàn)成本,提升大規(guī)模生物腦仿真的速度,同時(shí)其可應(yīng)用領(lǐng)域:腦機(jī)接口,腦疾病病理探究,藥物測(cè)試量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算產(chǎn)業(yè)篇在產(chǎn)業(yè)側(cè),我們發(fā)現(xiàn)類(lèi)腦相關(guān)公司的核心是找到可落地的技術(shù),而可落地技術(shù)的首要目標(biāo)是解決應(yīng)用場(chǎng)景中所面臨的緊迫問(wèn)題,同時(shí)類(lèi)腦的價(jià)值又能夠通過(guò)賦能應(yīng)用得以充分展現(xiàn)o具體來(lái)講,類(lèi)腦企業(yè)首先考慮的是模仿哪些大腦功能可以在應(yīng)用側(cè)給出優(yōu)于當(dāng)前產(chǎn)品性能且研發(fā)成本可控的優(yōu)勢(shì)點(diǎn)o首先借鑒大腦的部分需要是腦科學(xué)研究中已經(jīng)明確的發(fā)現(xiàn),且經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證j其次利用這項(xiàng)技術(shù)需要在工業(yè)界證明而在學(xué)術(shù)界,類(lèi)腦的研究空間非常大,涉及神經(jīng)科學(xué)、計(jì)算機(jī)科學(xué)、醫(yī)學(xué)等一系列交叉學(xué)科融合j主要通過(guò)與政府或大型企業(yè)主導(dǎo)的類(lèi)腦項(xiàng)目合作,重點(diǎn)聚焦搭建大規(guī)模腦仿真平臺(tái)o行業(yè)現(xiàn)狀目前,類(lèi)腦智能的發(fā)展處在商業(yè)化前期o根據(jù)我們的調(diào)研,在前期階段,商業(yè)化公司瞄準(zhǔn)的均是端側(cè).邊緣類(lèi)市場(chǎng),其中主要有兩個(gè)方向:感知類(lèi)芯片和計(jì)算類(lèi)芯片o整體來(lái)看,做類(lèi)腦計(jì)算(處理器)的公司要多于類(lèi)腦感知(傳感器)的公司,國(guó)內(nèi)專(zhuān)注類(lèi)腦研究的公司和創(chuàng)新轉(zhuǎn)化平臺(tái)3,5家左右,其中靈汐科技已在去年實(shí)現(xiàn)量產(chǎn),時(shí)識(shí)科技也將在今年年底或明年實(shí)現(xiàn)量產(chǎn)出貨o海外的類(lèi)腦公司集中在歐洲和美國(guó),公司數(shù)量略多于中國(guó)o在商業(yè)化進(jìn)程上,國(guó)內(nèi)外都處在探索階段o從融資輪次看,類(lèi)腦公司集中在A輪前后o值得注意的是,BrainChiD是類(lèi)腦領(lǐng)域唯一的上市公司,其商業(yè)化發(fā)展依舊伴隨較強(qiáng)的不確定性o其余商業(yè)化公司目前以產(chǎn)品銷(xiāo)售作為主要盈利來(lái)源,產(chǎn)品包含硬件和配套軟件工具oBrainChiD股價(jià)長(zhǎng)期低迷,側(cè)面反應(yīng)出類(lèi)腦的商業(yè)價(jià)值在二級(jí)市場(chǎng)上受到爭(zhēng)議,當(dāng)下最迫切的是在市場(chǎng)中證明自身BrainChiD作為一家初步實(shí)現(xiàn)量產(chǎn)的公司,在商業(yè)化道路上并不順利,外界對(duì)于公司的擔(dān)憂主要在于產(chǎn)品是否能夠規(guī)模化地進(jìn)入市場(chǎng),從而在營(yíng)收方面有質(zhì)的飛躍o據(jù)外媒報(bào)道,BrainChiD一直難以有可觀的營(yíng)業(yè)收入(BrainChiD去年?duì)I收僅160萬(wàn)美元),這可能與BrainChiD的產(chǎn)品在性能上并沒(méi)有呈現(xiàn)出明顯優(yōu)勢(shì)有關(guān)o據(jù)悉,BrainChiD的市值為12億美元,去年研發(fā)費(fèi)用為910萬(wàn)美元(較前一年上漲43%),占公司市值的1-2%j2021財(cái)年公司虧損2100萬(wàn)美元o在生態(tài)建設(shè)方面,業(yè)內(nèi)的主力是大型半導(dǎo)體企業(yè)o英特爾在去年發(fā)布第二代類(lèi)腦計(jì)算芯片L0ihi2,以及與之配套的英特爾目前并不急于商業(yè)化,更多是面向研究機(jī)構(gòu)建立開(kāi)放平臺(tái)o例如,英特爾與高校合作,以類(lèi)腦研究人員為主要目標(biāo)群體建立生態(tài),提供硬件和軟件框架(有資料顯示硬件和軟件均免費(fèi)),旨在將研究人員納入到生態(tài)分布商業(yè)化伙伴o其中,我們觀察到國(guó)內(nèi)的類(lèi)腦公司選擇的多為國(guó)產(chǎn)芯片制造商o分析師將中游劃分為類(lèi)腦研發(fā)機(jī)構(gòu)與商業(yè)化公司j下游則是類(lèi)腦當(dāng)前已經(jīng)展開(kāi)合作與布局的應(yīng)用領(lǐng)域o新型憶阻器研發(fā) 進(jìn)行技術(shù)融合)傳新型憶阻器研發(fā) 進(jìn)行技術(shù)融合)傳統(tǒng)芯片制造商商業(yè)化商業(yè)化伙伴其他:類(lèi)腦公司之間相互合作研究機(jī)構(gòu)研究機(jī)構(gòu)類(lèi)類(lèi)腦感知公司大型半導(dǎo)體公司創(chuàng)業(yè)公司大型半導(dǎo)體公司類(lèi)類(lèi)腦計(jì)算公司創(chuàng)業(yè)公司創(chuàng)業(yè)公司智能安防康無(wú)人機(jī)汽車(chē)電子智能安防康無(wú)人機(jī)汽車(chē)電子智智能家居.家電量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算玩家分析公司成立時(shí)間融資輪次核心技術(shù).研發(fā)優(yōu)勢(shì)產(chǎn)品.服務(wù)應(yīng)用場(chǎng)景合作方靈汐科技2018采用存算一體、眾核并行的架構(gòu),支持深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)、脈沖神經(jīng)網(wǎng)絡(luò)和大規(guī)模腦仿真領(lǐng)啟KA200(類(lèi)腦芯片處理器):眾核并行、存算一體HM100(類(lèi)腦計(jì)算模組):一款基于KA200開(kāi)發(fā)的高度集成化模組,適用于嵌入式系統(tǒng)和邊緣系統(tǒng)HP300(類(lèi)腦計(jì)算加速卡):為云端.邊緣端的推理提供算力支撐,搭載3顆類(lèi)腦芯片領(lǐng)啟KA200類(lèi)腦計(jì)算服務(wù)器(SL800)Lyn0S:自主研發(fā)的端云一體類(lèi)腦軟件開(kāi)發(fā)平臺(tái),包括軟件工具鏈、驅(qū)動(dòng)、SDK、集群支持軟件、debUg工具箱等腦仿真和腦科學(xué)j類(lèi)腦計(jì)算一一空時(shí)信息處理j深度學(xué)習(xí)網(wǎng)絡(luò)處理新氦類(lèi)腦科技、東方中科、鵬城實(shí)驗(yàn)時(shí)識(shí)科技2017PreB感算一體,采用DYNAP,CNN類(lèi)腦處理器內(nèi)核,集成33萬(wàn)脈沖神經(jīng)元,神經(jīng)元集成度提升30,40倍,支持復(fù)雜深度脈沖神經(jīng)網(wǎng)絡(luò),系統(tǒng)感算功耗低于1mW"感算一體"動(dòng)態(tài)視覺(jué)智能S0CSDeCk:基于異步邏輯范式的大規(guī)模脈沖卷積神經(jīng)網(wǎng)絡(luò) (5CNN)芯片架構(gòu)DYNAP:動(dòng)態(tài)視覺(jué)專(zhuān)用處理器XYL0:基于脈沖神經(jīng)網(wǎng)絡(luò)、超低功耗(~0-1mW)、alWay5,0n低維度信號(hào)專(zhuān)用A1處理器物聯(lián)網(wǎng)設(shè)備、邊緣計(jì)算設(shè)備、生理信號(hào)監(jiān)測(cè)、智能玩具、智能家具設(shè)備、智能駕艙、自動(dòng)駕駛、工業(yè)設(shè)備異常檢測(cè)、機(jī)器人、無(wú)人機(jī)、可穿戴設(shè)備、智能Pr0Dhe5ee、索尼、寶馬、能斯達(dá)電子、鴻雁、中電海他山科技2017re分布式類(lèi)腦觸感芯片架構(gòu)j分區(qū)分級(jí)的脈沖神經(jīng)網(wǎng)絡(luò)算法架構(gòu)分布式類(lèi)觸感芯片:基于SNN的數(shù)?；旌螦1觸感芯片以及產(chǎn)業(yè)化應(yīng)用解決方案智能座艙、自動(dòng)駕駛的人機(jī)交互j3C家電j機(jī)器人電子皮膚奔馳、寶馬、方太、特斯聯(lián)、好孩芯盟科技2018A輪H1T0C技術(shù):混合鍵合集成電路制造工藝超高性能異構(gòu)類(lèi)腦A1芯片類(lèi)人感知與決策應(yīng)用場(chǎng)景愛(ài)普科技優(yōu)智創(chuàng)芯2021天使+非完美信息環(huán)境下的普適性場(chǎng)景提取算法j基于因果關(guān)系的脈沖神經(jīng)網(wǎng)絡(luò)"結(jié)構(gòu)生長(zhǎng)算法"j非完美信息決策的強(qiáng)化學(xué)習(xí)算法框架思辨1號(hào)通用類(lèi)腦推理芯片:8核"友替"處理器+A1加速+CLAS因果學(xué)習(xí)算法,功耗不高于2瓦,同時(shí)可計(jì)算100萬(wàn)個(gè)神經(jīng)元"硅腦"全自主無(wú)人系統(tǒng)平臺(tái):內(nèi)嵌自主研發(fā)的CLAS因果學(xué)習(xí)算法系統(tǒng)和類(lèi)腦芯片,利用小樣本識(shí)別算法、全自主實(shí)時(shí)路徑規(guī)劃算法和全自主決策算法,實(shí)現(xiàn)環(huán)境感知、環(huán)境認(rèn)知、類(lèi)腦決策等功能,目前推出全自主無(wú)人飛行類(lèi)腦計(jì)算盒子K50.K51汽車(chē)電子j工業(yè)控制j無(wú)人駕駛、無(wú)人機(jī)、機(jī)器人j流馬銳馳、鯤鵬智匯中科類(lèi)腦2017A+輪小樣本學(xué)習(xí)、電力3D場(chǎng)景仿真、基于學(xué)習(xí)的分割算法等類(lèi)腦智能嗅覺(jué)傳感器:由基于MEMS技術(shù)的8種微型傳感器組合而成類(lèi)腦視頻分析主機(jī):集成電力場(chǎng)景的類(lèi)腦識(shí)別算法,提供A1分析服務(wù)變電.輸電運(yùn)維.量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算公司成立時(shí)間融資輪次核心技術(shù).研發(fā)優(yōu)勢(shì)產(chǎn)品.服務(wù)應(yīng)用場(chǎng)景合作方新氦類(lèi)腦智能7A輪脈沖神經(jīng)網(wǎng)絡(luò)算法研發(fā)非馮諾依曼芯片架構(gòu)及1P脈沖神經(jīng)網(wǎng)絡(luò)芯片架構(gòu)及1P技術(shù)轉(zhuǎn)化服務(wù):前沿1P庫(kù)資源、產(chǎn)業(yè)鏈資源壁仞科技、默沙東靈譯腦科9.擁有原創(chuàng)性的腦科學(xué)基礎(chǔ)理論、大腦破譯技術(shù)及研究平臺(tái)與實(shí)驗(yàn)基地類(lèi)腦芯片系統(tǒng):打造從類(lèi)視網(wǎng)膜到類(lèi)腦芯片的類(lèi)腦軟硬件融合系統(tǒng)大腦破譯技術(shù):深入研究大腦神經(jīng)網(wǎng)絡(luò)與脈沖編碼機(jī)理,為類(lèi)腦認(rèn)知與意識(shí)提供統(tǒng)一的理論框架自動(dòng)駕駛.深思創(chuàng)芯7A輪稀疏量化共享技術(shù):利用參數(shù)的稀疏性進(jìn)行量化和共享處理DeeDBrainSS3301:神經(jīng)形態(tài)芯片NeUr0idXSS3201:異構(gòu)神經(jīng)形態(tài)芯片NeUr0idXSS3101:多核神經(jīng)形態(tài)芯片,仿照人腦神經(jīng)系統(tǒng)的功能與拓?fù)湓O(shè)計(jì)NeUr0idXSS3100:單核神經(jīng)形態(tài)芯片,仿照人腦神經(jīng)元設(shè)計(jì)的功能設(shè)計(jì)多模態(tài)感知與信息處理j構(gòu)建類(lèi)腦計(jì)算系統(tǒng)j人腦研究.深聰智能8A輪開(kāi)發(fā)了專(zhuān)門(mén)為語(yǔ)音功能定制的智A片第三代芯片將是1bit類(lèi)腦芯片、存算一體化智能家居智能辦公智能車(chē)載美的公司成立時(shí)間融資技術(shù)特點(diǎn)產(chǎn)品.服務(wù)應(yīng)用場(chǎng)景合作8種子輪神經(jīng)形態(tài)模式識(shí)別:專(zhuān)有數(shù)模混合架構(gòu)處理器:大規(guī)模并行的神經(jīng)突觸陣列、脈沖編碼和解碼器語(yǔ)音識(shí)別生命體征監(jiān)測(cè)消費(fèi).物聯(lián)網(wǎng).BrainChiD4澳股上市分布式計(jì)算:每個(gè)NPU都有專(zhuān)用計(jì)算和內(nèi)存,減少數(shù)據(jù)移動(dòng)基于事件處理:NPU基于事件驅(qū)動(dòng)基于事件的通信:通過(guò)me5h網(wǎng)絡(luò)發(fā)送事件,無(wú)需CPU介入基于事件的學(xué)習(xí):片上學(xué)習(xí)算法Akida(神經(jīng)擬態(tài)處理器):具有同時(shí)處理多傳感器模式、片上一次性學(xué)習(xí)、基于事件的學(xué)習(xí)、云獨(dú)立等功能MetaTF:用于神經(jīng)網(wǎng)絡(luò)的創(chuàng)建、訓(xùn)練和測(cè)試,支持在BrainChiD的Akida上開(kāi)發(fā)智能汽車(chē)智能家居工業(yè)物聯(lián)網(wǎng)奔馳.上市公司?支持橫向擴(kuò)展和縱向擴(kuò)展?端到端立體視覺(jué)系統(tǒng),使用脈神經(jīng)沖網(wǎng)絡(luò)計(jì)算……TrUeN0rth:采用三星28nm技術(shù),芯片具有100萬(wàn)個(gè)神經(jīng)元和2-56億個(gè)突觸手勢(shì)識(shí)別j情緒識(shí)別j光流j圖像分類(lèi)和目標(biāo)跟蹤j實(shí)時(shí)時(shí)空感覺(jué)信息處理……美國(guó)陸軍研究實(shí)驗(yàn)室、美國(guó)空軍研究實(shí)驗(yàn)室、勞倫斯利弗莫爾國(guó)家實(shí)驗(yàn)室、三星量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算公司成立時(shí)間融資技術(shù)特點(diǎn)產(chǎn)品.服務(wù)應(yīng)用場(chǎng)景合作英特爾.上市公司?可編程性?可通過(guò)深度學(xué)習(xí)進(jìn)行訓(xùn)練的新型神經(jīng)網(wǎng)絡(luò)?與現(xiàn)實(shí)世界的機(jī)器人系統(tǒng)、傳統(tǒng)處理器和新型傳感器無(wú)縫集成……L0ihi2(第二代神經(jīng)形態(tài)研究芯片):架構(gòu)能夠支持新類(lèi)別的神經(jīng)啟發(fā)算法和應(yīng)用程序,同時(shí)提供高達(dá)10倍的處理速度,高達(dá)15倍的資源密度LaVa軟件框架:滿(mǎn)足了神經(jīng)擬態(tài)研究社區(qū)對(duì)通用軟件框架的需求oLaVa能夠在跨越傳統(tǒng)和神經(jīng)擬態(tài)處理器的異構(gòu)架構(gòu)上無(wú)縫運(yùn)行機(jī)械臂神經(jīng)形態(tài)皮膚嗅覺(jué)感知系統(tǒng)首批企業(yè)成員:埃森哲、空客、通用電氣、日立2020年新加入:聯(lián)想、羅技、奔馳、Pr0Dhe5eeGrA1MatterLab52016A+輪高精度(16位浮點(diǎn))處理以提供高質(zhì)量?jī)?nèi)容j動(dòng)態(tài)數(shù)據(jù)流以利用數(shù)據(jù)的稀疏性j神經(jīng)形態(tài)設(shè)計(jì)思路以提高效率j存內(nèi)計(jì)算以降低功耗和延遲NeUr0nFl0W:稀疏處理j高精度數(shù)據(jù)流架構(gòu),可實(shí)現(xiàn)高效的細(xì)顆粒度并行計(jì)算GrA1V1P:一種S0C,集成了神經(jīng)元GraiFl0WSDK:兼容常用的ML框架、Ten50rFl0W和PyT0rCh,以實(shí)現(xiàn)自定義模型j同時(shí)提供預(yù)訓(xùn)練模型的數(shù)據(jù)庫(kù)工業(yè)機(jī)器人無(wú)人機(jī).PRPHESEE2014基于事件的動(dòng)態(tài)視覺(jué)信息采集METAV1S10N視覺(jué)傳感器:第四代動(dòng)態(tài)視覺(jué)傳感器由Pr0Dhe5ee與索尼合作開(kāi)發(fā),結(jié)合索尼的CM0S圖像傳感器技術(shù)與Pr0Dhe5ee獨(dú)特的基于事件的MetaVi5i0nλ傳感技術(shù)METAV1S10N智能套件:包含95種算法、67個(gè)代碼示例和11個(gè)即用型應(yīng)用程序j開(kāi)源軟件充分挖掘硬件潛力,體現(xiàn)性能優(yōu)勢(shì)移動(dòng)終端AR.VR設(shè)備機(jī)器人無(wú)人機(jī)智能座艙智能駕駛智能家居工業(yè)物聯(lián)網(wǎng)S0NY、1ntel、時(shí)識(shí)BrainChiD、iCatCh……GeneralVi5i0n1987.NeUr0Mem1P:是一種認(rèn)知記憶架構(gòu),可對(duì)輸入模式做出反應(yīng),并且具備仿腦特性NM500神經(jīng)形態(tài)芯片:每個(gè)神經(jīng)元都與邏輯硬件連接以實(shí)現(xiàn)應(yīng)用程序NeUr0Pi:用于評(píng)估NM500上的應(yīng)用程序NeDe5Edge:基于Ra5DberryPi的人工智能開(kāi)發(fā)平臺(tái),可以在不需要網(wǎng)絡(luò)環(huán)境的設(shè)備上進(jìn)行實(shí)時(shí)訓(xùn)練和推斷工廠監(jiān)控物體識(shí)別缺陷檢測(cè)MaChineryA5Dinity2015A輪對(duì)Anal0gML進(jìn)行編程:允許工程師在anal0gML內(nèi)核上構(gòu)建、編譯和加載特定于應(yīng)用程序的模擬機(jī)器學(xué)習(xí)模型oRAMP:全球首個(gè)可編程模擬神經(jīng)形態(tài)處理器AML100:完全在模擬域內(nèi)運(yùn)行的微型機(jī)器學(xué)習(xí)(ML)解決方案AML評(píng)估套件端到端硬件.軟件套件,用于評(píng)估AML100的功率和檢測(cè)精度聲學(xué)事件檢測(cè)套件(EVK1):適用于電池供電的智能家居設(shè)備語(yǔ)音檢測(cè)聲學(xué)事件檢測(cè)震動(dòng)監(jiān)測(cè)意法半導(dǎo)體、英飛凌量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算公司成立時(shí)間融資技術(shù)特點(diǎn)產(chǎn)品應(yīng)用場(chǎng)景合作ADDliedBrain2014股權(quán)融資Neng0:神經(jīng)形態(tài)編譯器,用于構(gòu)建和模擬用于人工智能、機(jī)器人和神經(jīng)科學(xué)用途的大規(guī)模神經(jīng)模型LegendreMem0ryUnit(LMU):專(zhuān)有循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu),可實(shí)現(xiàn)對(duì)時(shí)變信號(hào)更低功耗和更準(zhǔn)確的處理邊緣時(shí)間序列處理器(TSP):在邊緣側(cè)處理時(shí)間序列數(shù)據(jù)Neng0Edge:使用Legendre內(nèi)存單元,提供可證明的時(shí)間序列數(shù)據(jù)o此外,Neng0Edge使用一種稱(chēng)為硬件感知訓(xùn)練的技術(shù)來(lái)微調(diào)模型以適應(yīng)不同的邊緣硬件平臺(tái)語(yǔ)音識(shí)別、自然語(yǔ)言理解j異常檢測(cè)j模式識(shí)別j機(jī)器磨損檢測(cè)英特爾、應(yīng)用趨勢(shì)根據(jù)對(duì)現(xiàn)有玩家的分析,我們認(rèn)為類(lèi)腦解決方案首先從低維度信息處理和高速視覺(jué)處理開(kāi)始,主要面向端側(cè)可穿戴在此基礎(chǔ)上,將加入在復(fù)雜環(huán)境中的實(shí)時(shí)決策能力,對(duì)應(yīng)場(chǎng)景為無(wú)人機(jī)和自動(dòng)駕駛o隨著類(lèi)腦技術(shù)(大規(guī)模并行計(jì)算、自主學(xué)習(xí)等)和類(lèi)腦產(chǎn)業(yè)的成熟,在更長(zhǎng)的維度上,類(lèi)腦的應(yīng)用場(chǎng)景將覆蓋數(shù)據(jù)中心以及自主機(jī)器人o此外,類(lèi)腦芯片由于其低功耗的特征,非常適合人體植入(可植入式疾病治療)、腦機(jī)接口等應(yīng)腦機(jī)接口腦機(jī)接口玩家分類(lèi)目前,類(lèi)腦計(jì)算領(lǐng)域的競(jìng)爭(zhēng)主要集中在神經(jīng)形態(tài)計(jì)算系統(tǒng)及軟件框架的開(kāi)發(fā)上o根據(jù)我們的調(diào)研,同時(shí)具備神經(jīng)形態(tài)硬件和軟件開(kāi)發(fā)能力的公司.機(jī)構(gòu)主要有三類(lèi):第一類(lèi):由政府組織的"腦計(jì)劃"項(xiàng)目案例:歐盟的HBP中包含神經(jīng)形態(tài)硬件以及軟件工具,這類(lèi)項(xiàng)目的目標(biāo)群要研究學(xué)者和開(kāi)發(fā)人員o量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算第二類(lèi):大型半導(dǎo)體公司案例:英特爾同時(shí)具備開(kāi)發(fā)硬件和軟件的能力,并能夠基于此建立起自己的神經(jīng)形態(tài)研究社區(qū)1NRCo1-加速研究:借助英特爾的神經(jīng)擬態(tài)計(jì)算系統(tǒng),1NRC成員擁有開(kāi)發(fā)和測(cè)試概念驗(yàn)證的工具,以協(xié)作推進(jìn)神經(jīng)擬態(tài)計(jì)NRC3-開(kāi)放式基準(zhǔn)測(cè)試:隨著神經(jīng)形態(tài)計(jì)算向商業(yè)化方向發(fā)展,英特爾1NRC致力于設(shè)定基準(zhǔn),以開(kāi)放、協(xié)作的方式衡量第三類(lèi):類(lèi)腦領(lǐng)域的頭部創(chuàng)業(yè)公司案例:時(shí)識(shí)科技、Pr0Dhe5eeo該類(lèi)企業(yè)都是各自細(xì)分領(lǐng)域的頭部玩家,通過(guò)硬件+軟件的模式,且部分公司對(duì)軟件部分進(jìn)行開(kāi)源及免費(fèi)下載,以此來(lái)吸引細(xì)分領(lǐng)域的開(kāi)發(fā)者和研究人員o當(dāng)用戶(hù)習(xí)慣和用戶(hù)基數(shù)培養(yǎng)起后,便能以此玩家特征據(jù)業(yè)內(nèi)人士表示,類(lèi)腦智能目前正處在從運(yùn)算智能到感知智能的階段o反應(yīng)在市場(chǎng)上的表現(xiàn)為,類(lèi)腦領(lǐng)域的創(chuàng)業(yè)公司多數(shù)在做與感知相關(guān)的落地產(chǎn)品,如動(dòng)態(tài)視覺(jué)傳感器和觸覺(jué)傳感器o在處理器方面,創(chuàng)業(yè)公司多數(shù)選擇做基于動(dòng)整體來(lái)看,神經(jīng)形態(tài)視覺(jué)傳感器(基于事件驅(qū)動(dòng)的視覺(jué)傳感器)和神經(jīng)形態(tài)處理器可以很好地形成互補(bǔ)o因此,這兩類(lèi)企業(yè)目前可以形成良好的合作關(guān)系,如時(shí)識(shí)科技與Pr0Dhe5eeo(時(shí)識(shí)科技的處理器是專(zhuān)門(mén)為大多數(shù)基于事件的在觸覺(jué)傳感器領(lǐng)域,國(guó)內(nèi)的他山科技基于SNN做分布式類(lèi)腦觸感芯片j國(guó)外新加坡國(guó)立大學(xué)團(tuán)隊(duì)利用英特爾的L0ihi國(guó)內(nèi)外對(duì)比按照地域分布,類(lèi)腦智能公司主要分布在北美、歐洲及中國(guó)三大地區(qū)o其中,歐洲和美國(guó)的類(lèi)腦玩家有兩類(lèi),一類(lèi)是以大型公司或政府大型項(xiàng)目主導(dǎo)的類(lèi)腦硬件設(shè)備提供商(包含了配套軟件),以研究和建立生態(tài)為首要目的j另一類(lèi)是前文所述的創(chuàng)業(yè)型公司,以商業(yè)化為首要目的o在中國(guó),未出現(xiàn)大型公司主導(dǎo)類(lèi)腦計(jì)算研究的情況,但靈汐科技在戰(zhàn)略目標(biāo)上與英特爾、SDiNNaker(ARM架構(gòu))一致,希望成為新一代算力基礎(chǔ)設(shè)施提供商o不同于國(guó)外的是,靈汐科技成立于2018年,在成立年限上屬于創(chuàng)業(yè)公司范疇,但其研發(fā)早在2013年清華大學(xué)成立類(lèi)腦研究中心時(shí)便開(kāi)始o(jì)其余的類(lèi)腦公司則與國(guó)外的類(lèi)腦創(chuàng)業(yè)公司在技潛在商業(yè)化路徑分析師基于目前市場(chǎng)上正在嘗試或未來(lái)打算商業(yè)化的產(chǎn)品和解決方案,總結(jié)出兩種商業(yè)化方向:基于事件驅(qū)動(dòng)特性的產(chǎn)品(傳感類(lèi))量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算利用事件驅(qū)動(dòng)特性做技術(shù)開(kāi)發(fā)的主要是創(chuàng)業(yè)公司,分析師認(rèn)為基于事件驅(qū)動(dòng)的產(chǎn)品最有可能率先實(shí)現(xiàn)商業(yè)化落地o一方面因?yàn)槭录?qū)動(dòng)特性能夠解決A1細(xì)分市場(chǎng)當(dāng)前面臨的迫切問(wèn)題一一能耗高j另一方面,事件驅(qū)動(dòng)的技術(shù)成熟度更高,已有公司開(kāi)發(fā)出完整的解決方案o?挑戰(zhàn)應(yīng)用場(chǎng)景局限:在復(fù)雜場(chǎng)景中還存在工程問(wèn)題,如完善的硬件架構(gòu)等o?如何解決要想充分發(fā)揮類(lèi)腦的優(yōu)勢(shì),要通過(guò)類(lèi)腦芯片來(lái)支撐算法,所以需要去實(shí)現(xiàn)一個(gè)可硬件友好的算法一一從應(yīng)用出發(fā),件的適配度o對(duì)于創(chuàng)業(yè)公司來(lái)講,在最終產(chǎn)品里,不僅需要將類(lèi)腦的優(yōu)勢(shì)發(fā)揮出來(lái),更重要的是將類(lèi)腦技術(shù)與其他技術(shù)進(jìn)行融合,基于此,我們發(fā)現(xiàn)目前市面上的頭部玩家均提供軟件+硬件的全棧式解決方案,包括可滿(mǎn)足特定應(yīng)用需求的定制硬件和軟件配置o此外,軟件部分能夠兼容目前的編程語(yǔ)言o例如,時(shí)識(shí)科技的Samna,核心邏輯全部為C++編寫(xiě),對(duì)于創(chuàng)業(yè)公司來(lái)講,短期內(nèi)做出成熟硬件的難度非常大,因此有公司選擇與面向同類(lèi)市場(chǎng)的傳統(tǒng)大型企業(yè)合作開(kāi)發(fā)硬件產(chǎn)品,如Pr0Dhe5ee與索尼合作開(kāi)發(fā)的第四代視覺(jué)傳感器o這樣以來(lái),既保證了產(chǎn)品的可靠性,又能夠與業(yè)內(nèi)大規(guī)模并行計(jì)算硬件平臺(tái)(計(jì)算類(lèi))?目標(biāo)用少量甚至單個(gè)電子器件模仿單個(gè)神經(jīng)元的功能,將數(shù)量巨大的電子"神經(jīng)元"以類(lèi)腦的方式形成大規(guī)模并行處理?挑戰(zhàn)大規(guī)模并行計(jì)算涉及電路層面的重新設(shè)計(jì),以及新型器件的研發(fā)o電路設(shè)計(jì)中,需要實(shí)現(xiàn)存算一體架構(gòu)設(shè)計(jì)j器件層面,更優(yōu)的選擇是憶阻器(因其更符合生物特性),而憶阻器目前尚未達(dá)到商用標(biāo)準(zhǔn),仍處在攻克技術(shù)難題的階段,如解決材料不穩(wěn)定的問(wèn)題o?如何解決在底層的基礎(chǔ)研究上,目前全世界都在試圖對(duì)大腦運(yùn)作機(jī)理做深入還原o在腦科學(xué)的基礎(chǔ)研究中,主要由各國(guó)政府根據(jù)我們的調(diào)研,歐盟政府發(fā)起的HBP已將歐洲最大的兩個(gè)具備大規(guī)模計(jì)算能力的硬件平臺(tái)一一SDiNNaker和BrainSCale5,納入到類(lèi)腦研究實(shí)驗(yàn)室中,并以此建立起類(lèi)腦的研究生態(tài),鼓勵(lì)學(xué)者和研究機(jī)構(gòu)基于兩大硬件平臺(tái)以及其搭建的軟件平臺(tái)來(lái)做類(lèi)腦相關(guān)開(kāi)發(fā)o企業(yè)層面,英特爾的L0ihi和1BM的TrUeN0rth也主要圍繞大規(guī)模計(jì)算平存算一體架構(gòu)目前大型半導(dǎo)體廠商都有所布局,如臺(tái)積電、三星o初創(chuàng)企業(yè)中,國(guó)內(nèi)外也都有實(shí)現(xiàn)量產(chǎn)的公司o基于存算一體架構(gòu)的芯片發(fā)展成熟后,能夠進(jìn)一步推動(dòng)類(lèi)腦計(jì)算的發(fā)展oMD東芝、富士通、夏普,三星、SK海力士,德州儀器(T1)、華邦電子等o國(guó)內(nèi)憶阻器的探索目前主要集中于理論層面和計(jì)算機(jī)仿真,主要研究機(jī)構(gòu)有清華大學(xué)、華中科技大學(xué)、中科院微電子所等o商業(yè)化阻礙?對(duì)于創(chuàng)業(yè)公司客戶(hù)替換成本高量子位硬科技深度產(chǎn)業(yè)報(bào)告一一類(lèi)腦計(jì)算.神經(jīng)形態(tài)計(jì)算芯片行業(yè)的發(fā)展是圍繞產(chǎn)品建立龐大生態(tài)的過(guò)程,努力將需求方都匯聚到自身生態(tài)中,在生態(tài)內(nèi)進(jìn)行產(chǎn)品的不斷迭代o對(duì)于芯片領(lǐng)域的客戶(hù),一旦對(duì)某個(gè)生態(tài)形成依賴(lài),其他廠家想要做替代的成本.難度將會(huì)非常高(僅從技術(shù)和市場(chǎng)角度出發(fā))o類(lèi)腦在產(chǎn)品化過(guò)程中,由于其底層邏輯(高度仿腦)與現(xiàn)有計(jì)算機(jī)的邏輯存在根本差異,導(dǎo)致其融類(lèi)腦的商業(yè)化依靠多領(lǐng)域的創(chuàng)新對(duì)于類(lèi)腦芯片公司來(lái)講,類(lèi)腦的價(jià)值能夠充分發(fā)揮,建立在多項(xiàng)基礎(chǔ)科學(xué)的突破和交叉融合之上,如新型器件需要材料的創(chuàng)新,算法的有效性建立在神經(jīng)科學(xué)的突破上o而初創(chuàng)公司缺乏相應(yīng)的資源和資金進(jìn)行多領(lǐng)域的交叉融合o對(duì)于大型半導(dǎo)體公司與主營(yíng)業(yè)務(wù)沖突(部分)大型企業(yè)如英特爾的主營(yíng)業(yè)務(wù)為CPU,類(lèi)腦計(jì)算平臺(tái)從功能的角度看,一定程度與其現(xiàn)有核心業(yè)務(wù)之間存在競(jìng)爭(zhēng)關(guān)系o大型企業(yè)在創(chuàng)新技術(shù)的戰(zhàn)略上,往往會(huì)采用提前布局研發(fā),但不急于商業(yè)轉(zhuǎn)化,等到前沿技術(shù)在市場(chǎng)上得到充分驗(yàn)證后,再進(jìn)行商業(yè)化o研發(fā)支持來(lái)源不同大型企業(yè)不選擇進(jìn)行商業(yè)化也可能與研發(fā)這項(xiàng)技術(shù)的目的有關(guān)o典型案例是1BM的TrUeN0rth項(xiàng)目,其主要服務(wù)于美國(guó)軍方部門(mén),研發(fā)投入來(lái)自政府資金,而不是靠商業(yè)化盈利o在這種情況下其研發(fā)資金有充足保障,在投資方撤資前,這項(xiàng)技術(shù)通常不會(huì)將商業(yè)化納入考慮范圍o行業(yè)關(guān)鍵驅(qū)動(dòng)因素?fù)?jù)我們的調(diào)研,目前類(lèi)腦領(lǐng)域的發(fā)展主要有