深扒全球仿生晶片計劃!15+公司已入局,人造大腦通往未來計算之門

　　看點：打造矽腦！細數2020年未來計算最新進展，AI晶片「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，奈及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研發了一種特殊的晶片Koniku Kore，將活的轉基因腦細胞與傳統矽融合在一起。阿加比說，該晶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晶片都頗具科幻色彩。但從已透露的信息來看，Koniku Kore並不是紙上談兵，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、製藥公司阿斯利康、全球化學品製造商巴斯夫等。近期新加坡樟宜機場也使用了Koniku的技術，用於防控新冠肺炎傳播。

　　Koniku並非個例，人腦作為自然界最複雜的結構體之一，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，在將生物神經元與矽晶片結合的前沿技術領域，創新的波瀾正湧動不息。

　　打破腦科學與微電子學的界限

　　「在已知的宇宙中，人類的大腦是最複雜的東西，它複雜得讓試圖解釋它的簡單模型可笑，讓精緻的模型無用。」

　　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」人工智慧，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，人工智慧披上新的榮光，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，相當於一天約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。

　　當今人工智慧（AI）晶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晶片？

　　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+矽基半導體

　　腦功能的實現依賴於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矽神經元之間的連接，以推進腦機接口、超低功耗混合晶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、德國和義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網際網路可以實現雙向實時通信。

　　「我們首次證明，晶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』脈衝』語言進行交流。」義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矽和大腦神經元

　　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衝神經網絡來恢復帕金森氏症、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，矽脈衝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。」

　　論文連結：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矽計算系統集成在一起，試圖打造突破傳統晶片限制的超級計算晶片。

　　澳大利亞初創公司Cortical Labs在今年4月宣布製造第一款混合計算機晶片，並在訓練該晶片玩雅達利祖師爺級桌球遊戲《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製造單元。

　　（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。

　　其聯合創始人兼執行長Hon Weong Chong是一名註冊醫生和軟體工程師，曾就讀於約翰霍普金斯大學信息學系，他基於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幹細胞，並誘導它們成長為人類神經元。隨後這些神經元被嵌入一個特殊金屬氧化物晶片頂部的培養基中，晶片包含一個由22000個微小電極組成的網格，可充當程式設計師與神經元之間的I/O介質。

　　據悉其晶片處理能力少於蜻蜓大腦。Chong認為，這種晶片最終可能成為提供各種複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神經元矽晶片Koniku Kore，據稱是全球首個擁有「嗅覺」並可檢測爆炸物、疾病等氣味的晶片。

　　▲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晶片Loihi提供動力。

　　Loihi晶片在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。

　　神經擬態晶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衝神經網絡（SNN）。

　　和視覺信息不同，嗅覺信息是非結構化的，傳統深度學習算法並不適用，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晶片的3000倍以上。

　　今年3月，英特爾還創紀錄的將768顆Loihi晶片組裝成擁有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慧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」，神經擬態晶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、史丹福大學、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，神經擬態晶片可分為數字晶片、模擬晶片和新材料晶片。

　　數字晶片有英特爾Loihi、IBM TrueNorth、曼徹斯特大學SpiNNaker等；模擬晶片有史丹福大學Neurogrid、海德堡大學BrainScales以及ROLLS等；新材料晶片主要包含憶阻器（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推出全球首款純基於事件驅動運算的視覺AI處理器DynapCNN，單晶片集成超過100萬個神經元、400萬可編程參數，適合實現大規模SNN。

　　aiCTX成立於2017年，創始人兼CEO喬寧博士畢業於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進行類腦晶片研究，對類腦晶片有很深的理解。

　　▲ aiCTX執行長喬寧博士展示其AI晶片

　　澳大利亞創企BrainChip同樣研發了基於事件驅動運算的神經擬態晶片。它成立於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晶片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，能直接在晶片上實時學習，且所需數據遠少於傳統深度神經網絡。

　　▲Akida SoC

　　日本影像應用SoC方案供應商Socionext最早於2019年6月開始與BrainChip合作開發Akida晶片。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晶片採用非多路復用的設計，號稱比IBM採用多路復用設計的TrueNorth晶片速度快上數千倍。

　　IBM早在2011年8月就率先開啟類腦晶片的大門，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晶片」原型，腦容量相當於蟲腦，能處理像玩Pong遊戲這樣複雜的任務。

　　2014年，IBM公布第二代TrueNorth晶片，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立方米的晶片系統。

　　▲ IBM的TrueNorth晶片結構、功能、物理形態圖

　　不過相較英特爾Loihi晶片的高調推進和IBM TrueNorth晶片的聞名遐邇，高通在2013年公布的Zeroth晶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、美國史丹福大學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晶片「天機芯」登上國際知名學術期刊《自然》的封面，實現了中國在晶片和人工智慧兩大領域《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）和脈衝神經網絡（SNN）異構融合，相比IBM TrueNorth晶片，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晶片，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晶片新玩法！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晶片創企西井科技也涉足了神經擬態晶片的研發，參考仿生類腦處理方式，打造了嵌入式「片上學習」AI晶片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。

　　法國晶片公司Kalray是片上超算的開創者，2008年成立，其最新晶片Coolidge可用於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晶片的AI用例。

　　Kalray執行長Eric Baissus認為，其自研大規模並行處理器陣列（MPPA）架構與一些神經擬態方法相似。在他看來，市場足夠大，會有很多適用於不同類型架構的應用程式，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矽基晶片融合的混合晶片，還是模仿人腦的神經擬態晶片，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，但這並不代表其創新是做無用功。這些連接矽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？

　　（本帳號系網易新聞·網易號「各有態度」籤約帳號）

本文首發於微信公眾號：智東西。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。

（責任編輯：董雲龍 ）