神經(jīng)形態(tài)計(jì)算芯片產(chǎn)業(yè)化發(fā)展前景分析

劉星 李星宇

摘? ?要：基于人工智能、大數(shù)據(jù)場景下對芯片計(jì)算速度和能耗效率的需求，梳理影響神經(jīng)形態(tài)計(jì)算芯片產(chǎn)業(yè)化發(fā)展的關(guān)鍵技術(shù)評價(jià)指標(biāo)，簡要分析產(chǎn)業(yè)化應(yīng)用現(xiàn)狀及國內(nèi)外典型機(jī)構(gòu)和產(chǎn)品，并對神經(jīng)形態(tài)計(jì) 算芯片的產(chǎn)業(yè)化發(fā)展前景做出研判。

關(guān)鍵詞：神經(jīng)形態(tài)計(jì)算;類腦芯片;產(chǎn)業(yè)化

一、神經(jīng)形態(tài)計(jì)算芯片產(chǎn)業(yè)化需求背景

隨著物聯(lián)網(wǎng)、人工智能和大數(shù)據(jù)等信息技術(shù) 的高速發(fā)展，神經(jīng)形態(tài)計(jì)算芯片已經(jīng)成為一種重 要的人工智能芯片架構(gòu)方式?；趥鹘y(tǒng)“馮·諾 依曼架構(gòu)”的芯片，雖然在精準(zhǔn)數(shù)值計(jì)算上擁有 出色能力，但是其計(jì)算單元與存儲(chǔ)單元分離的架 構(gòu)，限制了人工智能、大數(shù)據(jù)場景下對計(jì)算速度 和能耗效率的需求。相比之下，神經(jīng)形態(tài)計(jì)算芯 片的突出特點(diǎn)，在于處理感知、認(rèn)知和決策等復(fù) 雜問題時(shí)，擁有更高的算力密度和能耗效率，因 此，更加適用于處理復(fù)雜的人工智能算法，以滿 足物聯(lián)網(wǎng)、邊緣計(jì)算等產(chǎn)業(yè)發(fā)展背景下對新型芯 片架構(gòu)和器件技術(shù)的要求 [1]。

關(guān)于神經(jīng)形態(tài)計(jì)算芯片的精確定義及范圍劃 分，目前學(xué)術(shù)界、產(chǎn)業(yè)界尚未達(dá)成一致。綜合考 慮相關(guān)文獻(xiàn)和社會(huì)認(rèn)知度，本文采用“神經(jīng)形態(tài) 計(jì)算芯片”的說法（亦有稱為“神經(jīng)形態(tài)芯片”“腦 啟發(fā)式芯片”等），并將神經(jīng)形態(tài)計(jì)算芯片定義為 “通過模仿生物大腦結(jié)構(gòu)和部分工作機(jī)制進(jìn)行設(shè)計(jì) 的芯片”。

神經(jīng)形態(tài)計(jì)算芯片通過在硬件層面構(gòu)造可以 相互通信的人造神經(jīng)元，以更快的速度、更高的 復(fù)雜度和更高的能源效率集成芯片的內(nèi)存、計(jì)算 和通信功能。目前，神經(jīng)形態(tài)計(jì)算芯片可以粗略 地分為基于人工 / 深度神經(jīng)網(wǎng)絡(luò)（ANN/DNN）的 芯片和基于脈沖神經(jīng)網(wǎng)絡(luò)（SNN）的芯片 [1]。基于 人工 / 深度神經(jīng)網(wǎng)絡(luò)的芯片，神經(jīng)元狀態(tài)被編碼 為數(shù)字位、時(shí)鐘周期或電壓水平，信息被以規(guī)律 的時(shí)間間隔傳輸;基于脈沖神經(jīng)網(wǎng)絡(luò)的芯片，信 息則被編碼為脈沖時(shí)間（Spike timing），芯片使用 “尖脈沖”（Spike）并行地進(jìn)行通信，就像人類大 腦真正的神經(jīng)網(wǎng)絡(luò)一樣。

二、影響神經(jīng)形態(tài)計(jì)算芯片產(chǎn)業(yè)化發(fā)展的 技術(shù)評價(jià)指標(biāo)

近年來，神經(jīng)形態(tài)計(jì)算芯片的快速發(fā)展，離 不開超大規(guī)模集成電路和腦科學(xué)領(lǐng)域的突破。從 20 世紀(jì) 80 年代，超大規(guī)模集成電路主要研制者 之一 Carver Mead 嘗試?yán)么笠?guī)模集成電路實(shí)現(xiàn)神 經(jīng)網(wǎng)絡(luò)的計(jì)算功能 [2]（該項(xiàng)工作獲得了美國太空總署 NASA 與國家衛(wèi)生研究院 NIH 的重視），到 2008 年，惠普研究人員研制出世界首個(gè)納米尺寸 憶阻器（Memristor），神經(jīng)形態(tài)計(jì)算芯片的產(chǎn)業(yè)化 突破了眾多技術(shù)瓶頸，進(jìn)入快速發(fā)展期。

要在產(chǎn)業(yè)化落地中一展拳腳，神經(jīng)形態(tài)計(jì)算 芯片必須在實(shí)現(xiàn)算力和能效大幅提升的同時(shí)，達(dá) 到或保持預(yù)期計(jì)算精度。清華大學(xué)集成電路學(xué)院、 北京未來芯片技術(shù)高精尖創(chuàng)新中心副教授高濱等 人在《自然·電子》發(fā)表的綜述文章 ?[1]?? ?中，提出 了神經(jīng)形態(tài)計(jì)算芯片的四項(xiàng)評價(jià)指標(biāo)，分別是： 1. 計(jì)算密度（芯片集成度），即芯片單位面積內(nèi)的 人工突觸密度，反映了芯片單位面積計(jì)算能力; 2. 能量效率，即芯片運(yùn)行時(shí)的能量消耗效率，涉 及到芯片運(yùn)行時(shí)的學(xué)習(xí)和推理兩個(gè)階段;3. 計(jì)算精 度，即通過在標(biāo)準(zhǔn)數(shù)據(jù)集上運(yùn)行廣泛使用的模型 來評估芯片的計(jì)算精度;4. 片上學(xué)習(xí)能力，即神 經(jīng)形態(tài)計(jì)算芯片進(jìn)行機(jī)器學(xué)習(xí)模型訓(xùn)練等的能力。

針對上述影響神經(jīng)形態(tài)計(jì)算芯片產(chǎn)業(yè)化發(fā)展 的關(guān)鍵技術(shù)評價(jià)維度，通過對相關(guān)專家的進(jìn)一步 訪談，本文梳理了全球范圍內(nèi)神經(jīng)形態(tài)計(jì)算芯片 的技術(shù)發(fā)展現(xiàn)狀和可預(yù)期進(jìn)展（見表 1）。

三、神經(jīng)形態(tài)計(jì)算芯片產(chǎn)業(yè)化應(yīng)用現(xiàn)狀

總體而言，神經(jīng)形態(tài)計(jì)算芯片屬于芯片產(chǎn) 品中與主流芯片產(chǎn)品互補(bǔ)的、提供增量解決方案的高增長細(xì)分賽道。作為一個(gè)前沿且技術(shù)上不 斷突破的領(lǐng)域，不同研究機(jī)構(gòu)對神經(jīng)形態(tài)計(jì)算 市場規(guī)模的預(yù)測差距很大。公開資料顯示，部分 研究機(jī)構(gòu)（如 Sheer Analytics & Insights、Mordor Intelligence、KBV 等）預(yù)測神經(jīng)形態(tài)計(jì)算行業(yè)在 未來五年的復(fù)合年增長率在 12%-50% 之間，市場規(guī)?；蜻_(dá)到 4-5 億美元。 就神經(jīng)形態(tài)計(jì)算芯片的應(yīng)用領(lǐng)域來看，目前主要包括較為基礎(chǔ)的以分類任務(wù)為主的應(yīng)用，如 圖像識別、信號處理和數(shù)據(jù)挖掘等，以滿足邊緣 計(jì)算、物聯(lián)網(wǎng)領(lǐng)域（如健康檢測設(shè)備、智能家居 設(shè)備等）不斷增長的對模式識別和感官數(shù)據(jù)進(jìn)行 實(shí)時(shí)分析和計(jì)算的需求。

現(xiàn)階段，神經(jīng)形態(tài)計(jì)算芯片的商業(yè)化落地仍面 臨亟待解決的發(fā)展瓶頸。首先，神經(jīng)形態(tài)計(jì)算芯片 的計(jì)算精度（可靠性）達(dá)不到或者難以超越傳統(tǒng)芯 片性能。其次，終端設(shè)備廠商在采用神經(jīng)形態(tài)計(jì)算 芯片時(shí)，面臨與現(xiàn)有軟硬件環(huán)境兼容上的轉(zhuǎn)換成本。

四、神經(jīng)形態(tài)計(jì)算芯片的典型機(jī)構(gòu)及產(chǎn)品

全球范圍內(nèi)，參與神經(jīng)形態(tài)計(jì)算芯片開發(fā)的 機(jī)構(gòu)主要包括以下幾類：以 IBM、高通、英特爾、 華為等為代表的科技巨頭企業(yè);以斯坦福、清華 為代表的大學(xué)科研機(jī)構(gòu);初創(chuàng)型神經(jīng)形態(tài)計(jì)算芯 片企業(yè)。在眾多神經(jīng)形態(tài)計(jì)算芯片產(chǎn)品中，IBM的 TrueNorth 芯片、Intel 的 Loihi 芯片、海德堡大 學(xué)的 BrainScaleS 芯片、斯坦福大學(xué)的 Neurogrid 芯 片、曼徹斯特大學(xué)的 SpiNNaker 芯片以及清華大 學(xué)的天機(jī)芯片是現(xiàn)階段六個(gè)主要的神經(jīng)形態(tài)計(jì)算 芯片代表 [3]。

（一）科技巨頭的芯片產(chǎn)品開發(fā)

TrueNorth 是 IBM 潛心研發(fā)近十年的神經(jīng)形態(tài) 計(jì)算芯片。2011 年，IBM 公司通過模擬大腦結(jié)構(gòu)， 首次研制出兩個(gè)具有感知和認(rèn)知能力的硅芯片原 型，可以像大腦一樣具有學(xué)習(xí)和處理信息的能力。 2014 年，IBM 公司發(fā)布了名為“TrueNorth”的第 二代神經(jīng)形態(tài)芯片。與第一代神經(jīng)形態(tài)芯片相比， TrueNorth 芯片在神經(jīng)元數(shù)量、可編程突觸數(shù)量、 每秒可執(zhí)行突觸運(yùn)算量、總功耗、處理核體積等 方面的性能大幅改進(jìn)。目前，IBM 公司已開發(fā)出 一臺神經(jīng)元計(jì)算機(jī)原型，它采用 16 顆 TrueNorth 芯片，具有實(shí)時(shí)視頻處理能力。

英特爾在 2017 年 9 月也圍繞 FPGA 推出了模 仿人腦的人工智能芯片 Loihi，其內(nèi)部包含了 128個(gè)計(jì)算核心，每個(gè)核心集成 1024 個(gè)人工神經(jīng)元，總計(jì) 13.1 萬個(gè)神經(jīng)元，彼此之間通過 1.3 億個(gè)突 觸相互連接。

除此之外，Zeroth 是高通公司發(fā)布于 2015 年 的“認(rèn)知計(jì)算平臺”，它可以融入到高通公司量產(chǎn) 的 Snapdragon 處理器芯片中，以協(xié)處理方式提升 系統(tǒng)的認(rèn)知計(jì)算性能，并可實(shí)際應(yīng)用于手機(jī)和平 板電腦等設(shè)備中，支持諸如語音識別、圖像識別、 場景實(shí)時(shí)標(biāo)注等實(shí)際應(yīng)用 [2]。

國內(nèi)方面，華為也在神經(jīng)形態(tài)計(jì)算芯片領(lǐng)域 加緊布局。一方面，華為正就神經(jīng)形態(tài)計(jì)算芯片 的研發(fā)與清華大學(xué)緊密合作。雙方通過共同派出 技術(shù)人員組成研發(fā)團(tuán)隊(duì)的方式，開展包括芯片設(shè) 計(jì)制造、軟硬件協(xié)同、終端應(yīng)用生態(tài)在內(nèi)的全鏈 路合作。另一方面，華為全資子公司哈勃科技于 2019 年投資了深思考人工智能機(jī)器人科技（北京） 有限公司，后者正是一家專注于神經(jīng)形態(tài)人工智 能與深度學(xué)習(xí)核心科技的人工智能公司。

現(xiàn)階段，尚未獲悉 IBM、英特爾等領(lǐng)先企業(yè) 基于神經(jīng)形態(tài)計(jì)算芯片的大規(guī)模商業(yè)化產(chǎn)品面世。

行業(yè)整體仍處在生態(tài)搭建階段，即以內(nèi)部研發(fā)為 主，將研究成果與外界共享，借助外部資源探索、 定義神經(jīng)形態(tài)計(jì)算芯片的應(yīng)用場景，以及進(jìn)行面 向特定需求的產(chǎn)品開發(fā)。

（二）高校等科研機(jī)構(gòu)的芯片研發(fā)

2020 年，麻省理工學(xué)院的學(xué)者在《自然納米 技術(shù)》上展示了一種新型神經(jīng)形態(tài)芯片。它采用 新型憶阻器設(shè)計(jì)，采用銅銀合金構(gòu)造憶阻器，而 非用銀作為模擬大腦突觸材料。改造后的新型憶 阻器擁有更強(qiáng)的性能，從而使芯片能夠更有效地 “記住”并重復(fù)回憶非常詳細(xì)的圖像，提高了芯片 進(jìn)行圖像處理的效率 [4]。

我國的神經(jīng)形態(tài)計(jì)算芯片“天機(jī)芯”由清華大 學(xué)施路平教授團(tuán)隊(duì)研制，“天機(jī)芯”第一代、第二 代產(chǎn)品分別于 2015 年、2017 年研制成功，采用 28納米工藝制程，由 156 個(gè)計(jì)算單元（Fcore）組成， 可同時(shí)支持機(jī)器學(xué)習(xí)算法和現(xiàn)有神經(jīng)形態(tài)計(jì)算算 法。經(jīng)過不斷改進(jìn)設(shè)計(jì)，第二代“天機(jī)芯”具有高 速、高性能、低功耗的特點(diǎn)。此外，浙大的“達(dá)爾 文”也是國內(nèi)有代表性的神經(jīng)形態(tài)計(jì)算芯片。

（三）初創(chuàng)型神經(jīng)形態(tài)芯片企業(yè)

目前，國內(nèi)神經(jīng)形態(tài)計(jì)算芯片領(lǐng)域內(nèi)的代表 性初創(chuàng)企業(yè)包括靈汐科技、知存科技、閃億半導(dǎo) 體、中科神經(jīng)形態(tài)、南京芯辰神經(jīng)形態(tài)科技、后 摩智能、九天睿芯、博維邏輯等。

靈汐科技成立于 2018 年，是清華大學(xué)神經(jīng)形 態(tài)計(jì)算中心科技成果轉(zhuǎn)化項(xiàng)目，創(chuàng)始團(tuán)隊(duì)脫胎于 清華大學(xué)天機(jī)芯片研發(fā)團(tuán)隊(duì)，產(chǎn)品包括神經(jīng)形態(tài) 計(jì)算芯片、基于神經(jīng)形態(tài)計(jì)算芯片的加速板卡和 服務(wù)器、軟件工具鏈和系統(tǒng)軟件。公司于 2018、 2019 和 2021 年完成了三輪股權(quán)融資。

知存科技成立于 2017 年，創(chuàng)始人畢業(yè)于北京 大學(xué)，公司致力于開發(fā)基于 NOR Flash 的存算一體 人工智能芯片以及智能終端系統(tǒng);面向低功耗、快 響應(yīng)、低成本的人工智能應(yīng)用場景，比如智能家居、 可穿戴設(shè)備、智慧城市、物聯(lián)網(wǎng)等。公司分別于 2019、2020 和 2021 年完成了三輪股權(quán)融資。

閃億半導(dǎo)體成立于 2017 年，是一家集成電路 產(chǎn)品研發(fā)商，并聚焦與存算一體芯片相關(guān)技術(shù)的研發(fā)。公司于 2021 年完成了來自張江科投和襄創(chuàng) 創(chuàng)業(yè)的股權(quán)融資。

中科神經(jīng)形態(tài)成立于 2017 年，公司以中國科 學(xué)技術(shù)大學(xué)神經(jīng)形態(tài)智能技術(shù)及應(yīng)用國家工程實(shí) 驗(yàn)室為依托，以神經(jīng)形態(tài)智能技術(shù)研發(fā)為戰(zhàn)略方 向。公司于 2020 年先后獲得合肥產(chǎn)投集團(tuán)和安徽 省量子科學(xué)基金的股權(quán)投資。

后摩智能成立于 2020 年，專注于存算一體芯 片的設(shè)計(jì)、研發(fā)及應(yīng)用，為工業(yè)智能、泛機(jī)器人 等邊端及云端應(yīng)用場景提供服務(wù)。公司于 2021 年 獲得紅杉中國等機(jī)構(gòu)的股權(quán)投資。

九天睿芯成立于 2018 年，致力于超低功耗模數(shù)混合感存算一體芯片設(shè)計(jì)。公司于 2021 年 6 月完成 了韋豪創(chuàng)芯和浦東科創(chuàng)聯(lián)合等機(jī)構(gòu)的股權(quán)投資。

四、神經(jīng)形態(tài)計(jì)算芯片產(chǎn)業(yè)化發(fā)展趨勢 研判

得益于國內(nèi)知名高校機(jī)構(gòu)和多家技術(shù)領(lǐng)先企 業(yè)持續(xù)的科研探索和工程化迭代，中國在神經(jīng)形 態(tài)芯片領(lǐng)域的技術(shù)實(shí)力已處于全球領(lǐng)先水平。而 中國在物聯(lián)網(wǎng)、邊緣計(jì)算方面的巨大發(fā)展空間， 也為神經(jīng)形態(tài)芯片的產(chǎn)業(yè)化提供了豐厚的土壤。 此外，眾多風(fēng)險(xiǎn)投資機(jī)構(gòu)對該領(lǐng)域的持續(xù)關(guān)注， 則為神經(jīng)形態(tài)芯片的科研成果轉(zhuǎn)化和產(chǎn)業(yè)化落地 提供了更多助力。

（一）通過算法和架構(gòu)設(shè)計(jì)改良計(jì)算精度，構(gòu)筑技術(shù)壁壘

神經(jīng)形態(tài)計(jì)算芯片在產(chǎn)業(yè)化過程中，核心技 術(shù)壁壘是計(jì)算精度問題（可靠性），需要在工程 上（包括器件、架構(gòu)等層級）有待提升。就產(chǎn)業(yè) 化速度而言，從算法和架構(gòu)上入手，投入產(chǎn)出比 會(huì)更高，而器件層面的提升則需要投入更多研發(fā) 力量。

（二）賽道分散，加速在中國構(gòu)建其產(chǎn)業(yè)生態(tài)

由于不同神經(jīng)形態(tài)計(jì)算芯片采用的架構(gòu)、器 件、工藝等類別較多，不同技術(shù)彼此之間沒有絕 對的優(yōu)劣關(guān)系，在技術(shù)商業(yè)化上就表現(xiàn)為細(xì)分賽道 較多，賽道擠占的現(xiàn)象不明顯。同時(shí)，國內(nèi)外在該

領(lǐng)域的技術(shù)水平上并沒有明顯差距，商業(yè)化的重點(diǎn) 在于找到恰當(dāng)?shù)膽?yīng)用場景，并搭建起穩(wěn)定的產(chǎn)業(yè)生 態(tài)。目前，業(yè)內(nèi)以寒武紀(jì)、華為為代表的企業(yè)，都 在采用軟硬一體的思路，自研全套解決方案，以更 加齊備的軟件配套提升下游廠商的使用意愿。

（三）憑借互補(bǔ)關(guān)系與傳統(tǒng)芯片共生共存

就芯片發(fā)展路徑而言，延續(xù)摩爾定律（More Moore）的路線仍有較長（>10 年）的迭代發(fā)展周 期;神經(jīng)形態(tài)計(jì)算芯片模擬人腦的設(shè)計(jì)原理，使 其具備基于“馮·諾依曼架構(gòu)”的傳統(tǒng)芯片的互 補(bǔ)性，為超越摩爾定律（More than Moore）的發(fā)展 思路帶來更多可能性。神經(jīng)形態(tài)計(jì)算芯片與擅長 數(shù)值計(jì)算的傳統(tǒng)芯片相結(jié)合，能夠大大拓寬人工 智能芯片的應(yīng)用場景。

（四）基于互補(bǔ)和交叉，或?qū)⑹芤嬗诹孔蛹夹g(shù)的發(fā)展

神經(jīng)形態(tài)計(jì)算芯片與量子技術(shù)的發(fā)展具有一 定的互補(bǔ)性和交叉發(fā)展的機(jī)會(huì)。量子計(jì)算的技術(shù) 突破將極大提升云端的運(yùn)算能力，而神經(jīng)形態(tài)計(jì) 算芯片將改善邊緣端的運(yùn)算能力。未來，神經(jīng)形 態(tài)芯片和量子技術(shù)的結(jié)合，或?qū)砀蟮南胂?空間，盡管周期將很長。

參考文獻(xiàn)

[1] Zhang W， Gao B， Tang J， et al. Neuro- inspired computing chips[J]. Nature Electronics， 2020， 3（7）：371-382.

[2] 陶建華，陳云霽 . 神經(jīng)形態(tài)計(jì)算芯片與神 經(jīng)形態(tài)智能機(jī)器人發(fā)展現(xiàn)狀與思考 [J]. 中國科學(xué)院 院刊，2016，31（7）：803-811.

[3] 施路平，裴京，趙蓉 . 面向人工通用智能 的神經(jīng)形態(tài)計(jì)算 [J]. 人工智能，2020，4（01）：6-15. [4] Yeon H，? ?Lin P，? ?Choi C， et al. Publisher Correction ：Alloying conducting channels for reliable

neuromorphic computing[J].Nature Nanotechnology， 2020，15（7）.

（作者單位分別為清華大學(xué)全球私募股權(quán)研究院、 清華大學(xué)經(jīng)濟(jì)管理學(xué)院）