类脑智能是人工智能未来发展的核心方向

类脑芯片，顾名思义，是人工智能芯片家族里的一种特殊架构。它的设计灵感直接来源于人脑，与传统芯片相比，最大的优势体现在功耗和学习能力上。简单来说，类脑芯片的研究就是要把微电子技术和新型神经形态器件结合起来，试图打破传统的计算框架，让存储和计算深度融合，从而在性能、集成度、能耗各个方面实现质的飞跃。

这不，8月底，在上海杨浦区长阳创谷，由新氦类脑智能主办的“2019新氦AI芯片论坛暨国际智能电子与系统学术讨论会”就热热闹闹地开了。来自国内外产学研各界的20多位专家、企业家，围绕“人工智能与类脑智能的趋势”、“算法与芯片的发展方向”这些核心议题，进行了一场深度的思想碰撞。

类脑计算——人工智能的新基石

我们先从它的核心逻辑说起。类脑计算借鉴了大脑处理信息的基本规律，在硬件实现和软件算法等多个层面，对现有的计算体系和系统进行根本性的变革。它的目标是大幅提升计算能耗比、计算能力和效率。作为一种模仿人脑存储和处理信息的新技术，类脑计算被视为通往人工通用智能的基石。

论坛上，四川大学类脑计算研究中心主任唐华锦分享了大脑的编码原理。与超级计算机相比，类脑计算拥有百亿个神经元、百万亿个突触，再加上大量并行的尖峰神经元，计算能力显然更高一个量级。

在具体研究方向上，这个中心主攻类脑计算、感知信息处理与智能硬件、大规模脑认知计算网络、类脑计算芯片和软件、智能机器人，并且与国内外顶尖的类脑研究机构保持着紧密合作，希望通过这些努力，带动以类脑计算为核心的算法、芯片和感知器、机器人等领域的整体技术创新。

现在人工智能产业发展这么快，边缘计算已经成了重要的驱动力。大家的核心目标就是尽可能模拟人脑结构，让机器像人一样思考和工作，让决策更拟人、更精确。蓝海智能总裁John Rowland认为，NVM的下一代技术会进一步降低功耗。未来还会有很多新领域涌现，但不管哪种解决方案，低功耗、高效率都是不变的硬道理。

斯坦福大学的托马斯·李教授则从美国通讯领域的发展历史切入，展望了半导体行业的未来。他提到：“我们希望实现全场景的加速，而不仅仅是特定的场景。毕竟未来的应用场景随时可能出现，我们希望所有场景都能获得实时的性能提升。”关于边缘计算的实时性、延迟性等问题，他也给出了深入的见解。

来自法国新能源与原子能委员会的艾哈迈德·杰拉亚主任则聚焦技术与产业应用，通过几个实例，讲解了如何实现更快、更小、更低功耗的半导体技术。他还谈到了边缘AI的具体应用，比如类脑接口技术，甚至让截瘫患者重新行走的实际案例。

类脑智能——未来人工智能的发展方向

类脑智能的应用前景相当广阔，国内不少优秀企业在类脑芯片的研发、量产以及AI架构等方面，已经取得了不错的成果。

信息通信技术的革命，从电学、数字时代，到网络时代，再到如今的智能时代，计算机变得越来越小，摩尔定律即将走到尽头，物理限制效应也越来越明显。上海智能电子与系统研究院院长郑立荣在论坛上展示了他们的研究成果：CNN专用处理芯片（Wolong）以及其Log量化版，并且指出芯片面积还有进一步缩减的空间。

无论是智慧家庭、智慧城市、智慧医疗还是智能机器人，AI芯片都是人工智能产业的核心。联合微电子中心（香港）致力于提升AI芯片的功能，他们研发的机器学习硬件翻跟斗和DNN翻跟斗，基于GPU的应用程序，通过深度学习显著提高了准确性，能够广泛应用于物体识别、行为识别、人脸识别，以及在智能零售、自动驾驶、室内监控、地面监控等场景。

汽车电子当然也离不开芯片的支持。随着智能网联时代的到来，车规级芯片对可靠性、大算力、安全性、集成度、低功耗等方面的要求越来越高。芯驰科技的首席执行官仇雨菁女士表示，未来芯片的迭代速度会更快，从芯片量产到汽车上市的时间周期会被进一步压缩，这对芯片厂商来说意味着更大的挑战。

除了AI芯片，AI架构的地位同样不可忽视。可以说，一个好的AI架构是研发成功的第一步，只有更优质的架构才能开发出更优质的芯片产品。新思科技人工智能实验室主任、MLPerf工作组主席廖仁亿指出，传统智能芯片的发展要经过规范、设计、实施、检验、定案和验证等环节，而新思的AI平台从软件到硅片，实现了更短的周期、更好的质量和更高的安全性，并且会采用新的工具来发展、支持AI芯片。

蓝海智能的总裁罗强先生就“边缘计算训练芯片”做了演讲，他从产业界的角度表示，当前边缘计算快速发展的趋势，是AI芯片进步的重要驱动因素之一。未来我们在半导体领域还会取得更大的进展，这些进步会带来更多创新。许多制造商，比如台积电等，都在快速开发新的半导体技术，以期为客户提供更完整的解决方案。这些技术不仅能增加性能，还能指数级地降低功耗，这才是未来希望达到的效能。

在AI芯片领域，中国的机会确实很大。我们拥有庞大的市场、海量的数据和丰富的应用场景，最重要的是，国家已经把芯片产业作为战略来发展，给予大力扶持。

作为前沿科技领域，类脑智能研究的大幕已经拉开。未来，一家企业如果不想在AI竞争中掉队，却缺乏类脑芯片技术的加持，恐怕会走得很艰难。

目前所面临的挑战

机遇往往与挑战并存。类脑智能的发展为我们带来了新机会，比如汽车行业对更多电力和更智能化的应用需求；但与此同时，也带来了不少新的挑战。

最核心的挑战是人才短缺。从算法、计算框架，到整个芯片的实现，我国在各环节都显得人才匮乏，需要全面、大力地培养相关人才来支撑AI产业。

现在的模型，比如深度学习模型，要么做视觉识别，要么做语音识别，只是模拟了人脑中某个单一的脑区。而人脑是由不同脑区来完成不同功能的，多个脑区之间还有强大的联合学习能力。为了让类脑智能更加灵活，我们应该借鉴大脑复杂的多脑区结构，实现多脑区协同学习。只是目前还没有统一的架构能够满足这种多脑区灵活学习的需求，这也是未来的重要研究方向。

目前深度学习、人工智能所用的平台工具基本是开放、开源的，且大多数由国际企业提供。这需要国内企业努力，打造一个符合本土AI需求的框架，尽早弥补我国在平台工具从研究、开发到维护整个链条上的薄弱环节。

开源虽然降低了本土企业的研发门槛，但开源的背后力量来自国外大企业，话语权并不在我们手里。在类脑智能这个新领域，中国企业或许有机会抢占先机。

未来市场巨大

从人脸识别、声音识别、图像识别，到游戏、自动驾驶，人工智能可以说无处不在。随着5G的进一步普及，未来AI和5G的市场潜力不可估量。本土人工智能产业完全可以利用海量数据，引领全球AI行业的发展。

由物联网提供数据支撑，AI提供解析方案，这是从“万物互联”迈向“万物智联”的新路径。其本质是实现机器对物理世界的智能化感知。芮启智能首席执行官环宇翔先生表示，AIoT的处理具有边缘化、智能传感、低延时、低功耗以及保证隐私安全等特征。放眼未来，算法和专用硬件是基础，行业场景和行业经验才是关键。而这一切的核心是海量数据，必须依赖行业专家的经验，将数据转化为AI能够提取的智能信息，这才是AI得以真正落地的关键。

现阶段，人们需要更高效的神经网络硬件来推动类脑芯片制造。斯德哥尔摩大学教授Anders Lansner表示，脑科学能够帮助我们实现这一目标。要真正了解人类大脑的运作机制，需要结合神经科学和认知心理学两个学科。对于未来新一代的人工智能来说，深入理解这些学科本身的内容及其背后的概念至关重要。

全球电子产业链的制造重心在中国，中国制造业产值占世界制造业的比重持续增加，同时半导体产值的增速也高于制造业产值的增速。5G、汽车电子等领域的大力发展，为半导体行业带来了新机会。计算力和算法的提升、海量数据的储备，再加上广泛可获得的资本，这四大因素共同推动了人工智能进入繁荣期。人工智能带来的产业变革，大家都有目共睹。华登国际副总裁苏东先生总结道，中国半导体产业的成功，离不开政策、产业链、市场和人才这四大要素的支撑。

人工智能的应用，除了我们熟悉的自动驾驶、智能家居等领域，还能为线下零售赋能升级。阿里、天猫、京东等线上零售的交易额虽然巨大，但线下零售的产值是线上的四倍多；更重要的是，线下零售的流量质量更高。Aibee算法科学家翁仁亮指出，线下场景数字化可以与线上数据打通，电子商务与线下零售深度融合，这让运营商能够将零售做得更精准。

可以大胆想象一下，未来“类脑智能”将形成一种全新的智能形态。它将利用其强大的感知、记忆、推理、学习能力，以及机器智能体的信息整合、搜索和计算能力，为各行各业赋能，给我们的生产生活带来更大的便利。

新氦类脑智能的启示

从深度学习领域来看，我们的起步比国外晚很多。在平台方面，国外企业基本形成了统治格局。然而在类脑智能这个新领域，目前还没有出现一家独大的局面。像新氦类脑智能、国内的类脑中心复旦大学、清华大学等高校和机构，已经成为了中国类脑智能的领头羊。作为类脑芯片产业的新生力量，新氦类脑智能公司正在加速推动产业化，发挥自己的技术优势，推动产业转化，为各类型技术团队和企业提供专家支持、行业资源，并对接各种人工智能应用场景。

具体来说，新氦类脑智能研发与转化功能型平台，由国际顶级的芯片及人工智能行业专家领衔，配备了前沿的芯片设计、仿真及测试验证环境。它致力于加强应用基础研究，拓展实施国家重大科技项目，突出关键共性技术、前沿引领技术和碘伏性技术创新。作为一个世界领先的技术平台，它立足上海，面向全球。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：类脑智能是人工智能未来发展的核心方向要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题