在人工智能飞速发展的今天，如何赋予机器更接近生物大脑的高效与智能，已成为业界竞相探索的核心课题。本教程基于联想创新开放日中SynSense时识科技专家的精彩分享，带领读者深入理解类脑计算这一前沿技术，从基本原理到实际应用，逐步揭示它如何让AI系统“更聪明”、更高效。
一、什么是类脑计算？
类脑计算并非凭空出现，其概念可追溯至上世纪80年代，由加州理工学院教授Carver Mead率先提出。核心理念是模仿生物大脑的信息处理机制，设计全新的处理器架构，从而更高效地执行AI任务。
与主流深度学习相比，类脑计算在以下三个方面存在显著差异：
- 运行平台不同：深度学习通常依赖GPU、NPU等通用处理器；而类脑计算则要求在专用的类脑芯片上运行，将生物大脑的信息处理机制工程化为一种被称为脉冲神经网络（Spiking Neural Network, SNN）的模型。
- 信号形式不同：深度学习采用连续值信号（如64位浮点数）；类脑计算则使用脉冲信号——一种时间上离散的二进制形式信号，更贴近生物神经元的发放特性。
- 运算方式不同：深度学习依赖高频时钟进行同步运算；而类脑计算采用事件驱动或数据驱动的异步计算方式，无需统一的时钟信号，从而大幅降低功耗。
脉冲神经元 vs 人工神经元
进一步对比两种方案的核心神经元模型：
- 传统人工神经元：计算过程本质上是“输入→输出”的静态映射，神经元本身不具备内部状态，每次计算相互独立。
- 类脑脉冲神经元：拥有内部状态（类似于生物神经元的“膜电位”），该状态随时间动态变化。输出也是时间的函数，使神经元具备“记忆”能力，能够充分编码并利用输入信号的时间序列信息。
小提示：理解“时间信息”是把握类脑计算精髓的关键——类脑计算能够感知数据在时间维度上的先后顺序及关联性，例如在手势识别中，手划过不同方向的顺序就是重要的特征信息。
二、类脑感知 + 类脑计算：从传感器到芯片的全面升级
类脑系统不仅仅是对运算方式的革新，更是从感知端到算力端的系统性升级。以动态视觉传感器/事件相机（DVS）为例：
- 工作原理：每个像素独立监测光照强度的相对变化，不存在传统相机的“帧”概念，仅输出变化的像素事件。
- 核心优势：
- 适应极端光照场景：基于相对变化检测，无论在高光过曝还是低光暗环境下均能稳定成像。
- 超高时间分辨率：单个像素生成事件信号的时间可达纳秒级，等效帧率约为每秒4000至5000帧，且不会出现传统相机的动态模糊问题。
- 极低冗余功耗：当场景保持静止（例如人物不动）时，DVS不产生任何输出信号，实现零功耗浪费。作为对比，传统相机每秒需要输出30~60帧固定数据，即使在无变化场景下同样消耗能量。
这种从感知端即产生的流式稀疏数据，配合脉冲神经元的事件触发机制，相比传统深度学习方案能够在功耗、实时性以及计算量方面实现2至3个数量级的提升。
常见问题：DVS输出的数据量相比传统相机到底小多少？
答：由于仅输出变化的“事件”信号，DVS的数据流比每秒30帧的传统帧数据稀疏得多，在动态识别场景下通常仅为传统数据量的几十分之一，因此功耗和计算开销得到显著降低。
三、SynSense时识科技的融合解决方案
基于上述理论，SynSense时识科技已推出多款面向不同应用场景的类脑处理器与芯片产品：
- DYNAP-CNN类脑处理器：可直接与DVS传感器或传统RGB相机连接，支持多芯片级联扩展，具备与多种设备和系统高效对接的能力。
- 感算一体动态视觉智能SoC-Speck：不同于传统光学模组，Speck在感知过程中同步运行智能算法，使边缘设备能以极低功耗实现实时智能处理。
- XYLO：专注于环境声音检测和人体生物信号检测，功耗低至微瓦级别，非常适用于超低功耗应用场景。
这些产品广泛应用了基于视觉的存在检测、动作检测、手势识别，以及基于语音的唤醒词识别、口令识别等技术，持续为超低功耗、超低延迟的智能交互场景提供强大动力。
小提示：类脑计算特别适合需要长时间待机且对响应速度有严格要求的边缘设备，例如智能门锁、可穿戴设备、工业级传感器等。
常见问题与解答
- 问：类脑计算能否取代深度学习？
答：目前两者各有千秋。类脑计算在超低功耗、超低延迟场景（例如边缘端实时感知）具有显著优势，而传统深度学习在复杂模型训练和通用计算方面依然强大。未来两者更可能形成互补共存的关系。 - 问：脉冲神经网络如何进行训练？
答：训练脉冲神经网络比传统神经网络更具挑战性，因为脉冲信号的离散特性使得梯度无法直接通过反向传播算法传递。研究人员已发展出替代梯度法、时间编码等多种训练策略，SynSense时识科技也拥有自研的训练工具链来支持这一过程。 - 问：类脑芯片的功耗究竟有多低？
答：以XYLO为例，其音频检测功耗仅为微瓦级别；而Speck在运行视觉智能算法时功耗可低至毫瓦级别，相比传统方案降低了2至3个数量级。
通过以上内容，你对类脑计算应当有了更清晰的认知：它并非遥不可及的概念，而是正在通过脉冲神经网络、事件驱动感知、专用芯片等切实可行的技术，使AI在极低功耗条件下具备接近生物大脑的智能水平。未来，随着联想等企业与SynSense时识科技等合作伙伴的持续深化协作，类脑计算有望在更多应用领域释放巨大潜力。