十問億級神經元類腦計算機：AI領域有望突破，哪些還需火候

澎湃新聞記者 張唯

近日，浙江大學聯合之江實驗室共同研製成功了中國首臺基於自主智慧財產權類腦晶片的類腦計算機（Darwin Mouse）。

研究團隊在9月1日的成果發布會上指出，該類腦計算機在神經元規模上超越了德國海德堡大學的BrainScaleS、IBM的Blue Raven和英特爾公司的Pohiki Springs三大類腦計算系統，是目前國際上神經元規模最大的類腦計算機。

據悉，這臺類腦計算機包含792顆浙江大學研製的達爾文2代類腦晶片，支持1.2億脈衝神經元、近千億神經突觸，與小鼠大腦神經元數量規模相當，典型運行功耗只需要350-500瓦。

類腦計算機與傳統計算機的差別是什麼？在哪些設計上借鑑了大腦？解決了什麼痛點？能否在處理某些任務上超越傳統計算機？當前類腦計算發展到什麼程度？何時能夠應用？……帶著這些疑問，澎湃新聞（www.thepaper.cn）記者9月2日專訪了浙江大學億級神經元類腦計算機研究團隊負責人、浙江大學計算機科學與技術學院教授潘綱。

潘綱在採訪中介紹，類腦計算機與傳統計算機差別非常大，傳統計算機的算法和軟體無法在類腦計算機上運行。類腦計算機主要用於處理其擅長的人工智慧任務，並不會替代馮·諾依曼架構的傳統計算機。兩者互補與融合會是未來的可能趨勢。

研究團隊將792顆達爾文2代類腦計算晶片集成在3臺1.6米高的標準伺服器機箱中，形成了機架式類腦計算機Darwin Mouse。

他表示，Darwin Mouse類腦計算機是一個初步成果，硬體的類腦抽象模擬還較為簡單，後續需要繼續迭代。當前，國際上類腦計算發展還處在初級階段，未來走向成熟需要硬體、軟體和算法三方面進步。

談及社會各界對此次成果發布會的關注，他表示，研究團隊「做了一個初步的演示，主要是想告訴大家：類腦計算機在很多方面都有很大的潛力，可以往前做。」

研究團隊此次展現了類腦計算機可以完成人工智慧中的很多任務，例如語音識別、圖像識別等。「但具體做到什麼樣的精度或者準確度、能不能直接打敗現在傳統的計算機呢？我覺得有些方面可能性還是比較大，但還需要更多努力。」

當天發布會上，研究團隊進行了類腦計算機的應用演示。在類腦計算機的控制下，3臺機器人接收到語音指令後，分別擔任巡邏、救援、工程檢修「特種兵」，模擬合作開展抗洪救險任務。在另一個實驗場景中，課題組成員給計算機演唱一首歌其中的兩句，然後，計算機通過回想把後續的歌曲內容「唱」出來。

潘綱在採訪中對澎湃新聞（www.thepaper.cn）記者表示，未來，類腦計算機有望在人工智慧等領域做出突破，也可能加速神經系統模擬相關領域的科研工作。

潘綱教授分別於1998年、2004年獲得浙江大學學士與博士學位，主要研究方向為人工智慧、腦機接口、類腦計算、計算機視覺和普適計算等。

他擔任計算機輔助設計與圖形學國家重點實驗室副主任，計算機系統結構與網絡安全研究所副所長，中國人工智慧學會常務理事和中國人工智慧學會腦機融合與生物機器智能專委會主任委員。

澎湃新聞與潘綱對話實錄，整理為10個問答：

1.澎湃：什麼是類腦計算機？類腦計算機在哪些設計和功能上借鑑了大腦？

潘綱：用硬體及軟體模擬大腦神經網絡的結構與運行機制，構造一種全新的智能系統，這種顛覆傳統計算架構的新型計算模式，通常稱為類腦計算。而硬體或者晶片上模擬複雜神經網絡的完整可用的計算系統則被稱作類腦計算機。

Darwin Mouse類腦計算機的「類腦」設計主要體現在兩方面：模仿大腦的信息傳遞方式——達爾文2代類腦晶片通過脈衝傳遞信號，類似於生物的神經元行為；將大腦運算抽象為由神經元連接組成的神經網絡，用晶片直接模仿單個神經元的計算模型。

Darwin Mouse是在神經元尺度上模仿大腦。這種設計在功耗層面有巨大的潛力。例如，人腦的典型功耗大概是20瓦左右，相當於1-2個節能燈的功耗。自然界中，很多神經元遠低於100萬的昆蟲就能做到實時目標跟蹤、路徑規劃、導航和障礙物躲避。

2.澎湃：無論是單個的神經元模型或是通過脈衝傳遞信號，這些仿腦設計原則上都可以通過傳統計算機模擬實現。為什麼需要專門研製一臺類腦計算機？

潘綱：傳統CPU的核心是數值運算和邏輯，用傳統計算機模擬億級脈衝式神經網絡時，會出現運行速度慢、計算能量高等效率問題，其效率與類腦計算機相比是多個量級上的差別。

3.澎湃：除了底層晶片之外，類腦計算機與傳統計算機有什麼差異？

潘綱：類腦計算機與傳統計算機差別非常大，傳統計算機的算法和軟體在類腦計算機上不能運行。另外，普通計算機能做的事情，類腦計算機不是都能做的。比如簡單的質數分解，其實現在的類腦計算機上是沒有現成的算法可以實現。

類腦計算機能做的是一個神經網絡可以做的事情。這個神經網絡不是人工智慧經常討論的已經非常簡化的神經網絡，而是有更加生物逼真度的神經網絡。

類腦計算機主要將用於處理其擅長的人工智慧任務，並不會完全替代馮·諾依曼架構的傳統計算機。兩者互補與融合會是未來的可能趨勢。

4.澎湃：類腦計算機在哪些任務上已經做到了超越普通計算機？

潘綱：我們在發布會中展現的任務並非表明都比傳統計算機完成得更好，只是從仿腦的技術路線去做，發現傳統的一些任務，類腦計算機也可以實現。

一定要說超過誰呢？我覺得可能現在火候還欠缺一點，在整體上很多地方都要欠缺一點，例如算法或者軟體。

但這樣一套新的技術體系是有非常大的潛力，可以突破目前人工智慧再往前發展的「下一個坎」。有望通過類腦計算的方式為人工智慧乃至其他計算任務做出突破。

目前來看，類腦計算機的內在機制可以讓計算機的功耗降低，這對計算機而言非常重要。目前一些國際研究結論表明，類腦計算機的功耗至少比傳統計算機低1~2個量級。

此外，凡是與神經系統模擬相關的領域，我們都可以考慮用類腦計算機為其製作新的工具，幫助加速研究或是技術開發。

5.澎湃：類腦計算機的運算速度如何？

潘綱：類腦計算機的運算速度很難與現有的計算機比較。例如用於檢測CPU或超算的指標，很多都不是類腦計算機所擅長的。我們內部會參考突觸操作速度和時延等指標。

目前超算的評測研究相對比較成熟，有公認的指標可以比較，讓計算機運行多種不同類型的計算任務，比如線性方程組求解，看誰的速度快。但類腦計算機目前還沒有現成的評測標準。

過幾年，更多類腦計算機出現後，應該會有一些相對來說比較公平的評測標準。

6.澎湃：「全球神經元規模最大」意味著什麼？有哪些同類計算機？

潘綱：我給類腦計算機做一個簡單的界限：我們把它看做是一定要在硬體或者晶片上模擬複雜神經神經網絡的。如果是在傳統計算機上的純軟體模擬，就不叫類腦計算機。

這樣的界限下面，目前國際上有三個典型的類腦計算系統：一是德國海德堡大學牽頭的，規模達到400萬神經元；第二個是IBM，規模是6400萬神經元；第三是英特爾，1億神經元。

媒體以「全球最大」作為宣傳亮點，但我的理解是——我們現在這套類腦計算機與目前國際上最好的類腦計算機的規模是相當的。就規模而言，從研究或者技術的角度看，（3臺計算機）其實沒有本質差別。

總體上現在國內類腦計算的發展還是慢的，特別與美國和歐洲相比。但是這幾年大家比較重視，國家的投入也多了。我覺得接下去幾年應該會慢慢改善，後面還是有比較多的機會，未來可以超過他們。

典型的類腦計算機系統

7.澎湃：為什麼需要研製專門面向類腦計算機的作業系統——達爾文類腦作業系統（DarwinOS）？傳統計算機的作業系統不能使用？

潘綱：對。作業系統的主要任務是管理類腦計算機的硬體資源，而管理的目的是更加充分高效的利用。因為計算模式不一樣、硬體不一樣，現有的作業系統無法移植過來使用，所以需要自己的作業系統。

我們希望如果未來類腦計算機發展起來以後，編寫人工智慧任務程序的時候，只需要針對作業系統寫，而不是針對晶片。

8.澎湃：今年年初，清華大學微電子所研發了全球首款多陣列憶阻器存算一體系統，成果在《自然》在線發表。請問浙大的類腦計算機與清華這個存算一體系統之間，在設計思路和原理上有什麼異同？

潘綱：類腦晶片是類腦計算機的核心部件，類腦晶片本身有不同的技術路線，憶阻器是其中一條路線。憶阻器是一種新型器件，可以用來「搭建」類腦晶片，就好像是晶片中的一種基本磚塊，它有些特別好的性能，例如有「記憶」功能；但是憶阻器目前的工藝還不夠成熟，暫時還無法實現大規模集成，但未來很可能是類腦晶片必備的器件

我們去年研製的達爾文二代類腦晶片因為需要支持大規模神經元，沒有用憶阻器技術做，是用一種更加成熟的技術，與英特爾和IBM的技術方案比較接近。

9.澎湃：團隊對達爾文2代類腦晶片有產業化的計劃嗎？

潘綱：我們暫時還沒有，希望在某些關鍵技術上再繼續做一些突破。有很多種原因。雖然現在媒體都很關注，但我們還是有比較清醒的頭腦，知道類腦計算技術並不是說幾個詞語出來就能馬上用起來，還是需要一些技術的沉澱和積累。

應該說，因為這項技術還是比較新的，真正應用可能還是有一定的距離，還是需要再打磨。或者說還是需要國內外同行們一起努力，再堅持做幾年。那樣我覺得可能會出現更加成熟的條件，再往下做。現在做其實也可以，但是可能比較辛苦。

10.澎湃：類腦計算還處於初步階段，如果要實現類腦計算機真正應用，或者說類腦晶片能夠量產、實現其功能，這中間需哪些方面的努力？

潘綱：還需要很多工作。晶片上肯定還得改，使其集成度與效率更高。例如IBM單個類腦晶片才集成100萬個神經元，實際上能夠做的事情不多，所以規模上肯定還要提升。

第二方面，算法很重要，最後需要與算法結合起來實現應用。需要依照晶片的仿腦方式，設計特別的算法。

我在新聞發布會上介紹，我們所展示的機器人有幾個核心功能，都初步地用類腦的方式實現了。但客觀的說，現在這些核心的功能例如路徑規劃、圖像識別和語音識別等，如果真正去商用，還需要在性能上做出比較大的提高。所以算法是未來非常重要的一方面。

第三方面，類腦計算機的硬體、軟體和算法這三個方面，單憑一個學校或者一個單位是做不好的，需要更多有志於類腦計算的同行們加入。

責任編輯：李躍群

校對：欒夢