01 类脑计算芯片简介及优势

近年来，人工智能、集成电路、生命科学、类脑智能这些领域的发展速度，已经不能用“快”来形容——它们正在重构全球创新版图，甚至重塑全球经济格局。而在众多极具碘伏性的科技赛道中，类脑计算无疑站在了最尖端、最前沿的位置。全球各大经济体都将这片战场视为“兵家必争之地”，而类脑计算要想走得更远，离不开类脑芯片的强力支撑。这个领域的终极梦想，说起来很简单：让计算机像人脑一样思考。

那么，到底什么是类脑计算？它又被称为神经形态计算，简单讲，就是借鉴生物神经系统处理信息的方式，从理论、架构、芯片到应用模型，全方位模拟生物神经网络。类脑计算以神经元和神经突触为基本单元，目标是构建一个“人造电子大脑”。

而类脑计算芯片，就是用电路去模拟人脑神经网络架构的芯片。它结合微电子技术和新型神经形态器件，模仿人脑的超低功耗和并行信息处理能力。随着AI和半导体技术的进步，类脑芯片已经能够对神经元进行高精度的仿真建模。与传统芯片相比，它的核心优势在于功耗和学习能力——能实现存储与计算的深度融合，大幅提升性能、提高集成度，同时把能耗降下来。

说到人工智能的发展，绕不开三个关键词：算法、算力、大数据。算法越来越复杂，算力越来越大，数据量也越来越多——理论上，只要有足够的资源，AI就能解决很多问题。但代价也很明显：巨大的能耗。功耗已经成为限制AI发展的决定性因素。而类脑芯片恰恰在突破这个痛点方面有独特的优势，这也使它更契合未来AI的发展方向。

02 国内外典型类脑计算芯片介绍

天机Tianjic芯片

清华大学类脑计算研究中心施路平团队，在2019年8月1日拿出了全球首款异构融合类脑计算芯片——“天机”。这项成果直接登上了顶级学术期刊《Nature》的封面，论文标题是《面向人工通用智能的异构“天机”芯片架构》。

Tianjic最大的创新点在于：它把SNN（脉冲神经网络）和ANN（人工神经网络）两种算法融合在了一起。ANN就是我们熟悉的深度学习框架，核心操作是矩阵乘累加；SNN则是模拟生物神经元连接和运作的方式，通过神经电脉冲来传递信息。两种方法集成在一起，让Tianjic成了一个混合、协同的平台。通过资源复用，只需要增加3%的额外面积，就能同时运行计算机科学和神经科学导向的绝大多数神经网络模型，支持异构网络的混合建模。这样既能降低能耗、提升速度，又能保持高准确度。

更直观的例子是：在Tianjic芯片的控制下，一辆普通的自行车实现了语音指令识别、自动平衡控制，还能探测并跟踪前方行人、自动避障——在驾驶技术层面，它表现得像真人一样灵活。

达尔文Darwin芯片

2020年9月，浙江大学联合之江实验室成功研制出我国首台基于自主知识产权类脑芯片的类脑计算机。这台计算机包含了792颗“达尔文2代”类脑芯片，支持1.2亿个脉冲神经元、720亿个神经突触，规模与小鼠大脑的神经元数量相当，典型运行功耗只有350到500瓦——是目前国际上神经元规模最大的类脑计算机。

“达尔文2代”采用55nm标准CMOS工艺，单芯片由576个内核组成，每个内核支持256个神经元。通过系统级扩展，可以构建千万级神经元类脑计算系统。它一方面可以作为SNN模型和算法的高效硬件载体，帮助建立特定功能的类脑智能系统；另一方面，它有助于解码生物脑电信号，并与生物神经网络对接，构建脑机融合系统。

目前，Darwin Mouse类脑计算机已经实现了多种智能任务。比如，研究者把它作为智能中枢，让三台机器人分别担任巡逻、救援、工程检修“特种兵”，协同完成抗洪抢险任务。此外，它还模拟了多个不同脑区，建立了丘脑外侧膝状核的神经网络模型，仿真了不同频率闪动视觉刺激下神经元周期性反应；还借鉴海马体神经环路结构，构建了学习-记忆融合模型，实现了音乐、诗词、谜语等时序记忆功能。

英特尔Loihi芯片

英特尔的Loihi芯片内部包含128个计算核心，每个核心集成1024个人工神经元，总计13.1万个神经元，彼此之间通过1.3亿个突触相互连接。Loihi采用英特尔主流的14nm制造工艺，但它没有深度学习硬件中常见的浮点数和乘法累加器单元，也没有片外内存接口。就像大脑一样，所有计算都在芯片上进行，靠二进制脉冲信息和低精度信号完成，而“内存”就来源于芯片神经元之间的连接。Loihi采用同质架构，将许多小神经拟态核实例化，每个核大小只有针头的一部分。部分机器人工作负载测试显示，Loihi的功耗比传统解决方案低40到100倍。

与传统计算机架构相比，Loihi的神经拟态架构完全模糊了内存和处理之间的界限。和大脑一样，它利用数据连接、数据编码和电路活动中所有形式的稀疏性。处理动作在信息到达时同步进行。Loihi的最新进展表明，未来的神经拟态设备——比如无人机——将可以像玄凤鹦鹉一样实时解决规划和导航问题。

03 类脑计算芯片应用场景

第一个应用方向在健康领域。依靠类脑芯片，未来脑疾病的治疗可能会有重大突破。国外已经在研究和部署脑机接口——把芯片植入大脑，获取脑活动信息、脑电波来监测大脑健康状况。但目前做得更多的，是通过大规模脑仿真来还原、模拟、计算脑疾病的发生过程。比如帕金森症的形成过程，可以通过仿真尝试获取在病变过程中神经元、动力学计算的变化，进而找到针对性的药物。弄清楚形成机理，治疗手段才能更准确、更高效。

第二个应用方向是传统AI领域。类脑芯片在图像识别、目标检测、无人机/机器人控制算法、嗅觉感知、触觉感知以及各类信号识别方面，表现同样出色。这些下游任务可以广泛应用于医疗器械、工业生产、安防、智能驾舱、自动驾驶、无人机与机器人等多个领域。

第三个应用方向是新兴的类脑计算——将传统人工智能和脑科学结合起来，也就是异构融合。它融合了生物神经网络和传统人工神经网络，基于存算一体的架构，展现出巨大的潜力和前景。以更低的功耗和更强的功能集成，发挥出不可替代的独特优势，推动人工智能的进步和创新。

04 国内外产业布局及未来前景

先看一组数据：2020年中国类脑计算芯片市场规模约为0.10百万美元，预计到2029年将达到177.67百万美元，2021-2029年间年复合增长率为123.05%。全球市场方面，2020年规模为6.36百万美元，预计2029年将达到2664.52百万美元，年复合增长率94.71%。虽然行业整体还处于突围阶段，但市场前景已经非常明朗。

从地区分布来看，北美占据全球主要份额——2020年规模2.87百万美元，占全球45.13%。欧洲位居第二，但近年来增长速度有所放缓，2020年规模2.27百万美元，约占全球35.69%，预计2029年将达到928.85百万美元，届时全球占比约34.86%。

各大国际厂商都在争相推出自己的类脑芯片，但目前大规模商用化仍然困难。近两年，我国的类脑芯片研究逐步深入，市场也迎来了良好机遇。灵汐科技作为国内领先的类脑计算技术公司，发布了第一代商业量产的类脑芯片——领启KA200。它采用异构融合众核、存算一体的架构，单芯片集成25万神经元和2500万突触，每秒超过16万亿次突触计算，功耗约12瓦。它同时支持计算机科学和神经科学的神经网络模型，并支持二者融合的混合神经网络计算模型。

目前，美国是类脑芯片赛道的领跑者。学术研究领域，顶级会议的相关论文作者大多来自美国；马斯克的Neuralink也走在脑机接口芯片商业化的最前沿。但我国的研发实力正在快速提升，在低噪声和低功耗设计方面已接近全球一流水准，学术研究成果也越来越多。未来将持续推动类脑芯片的商业化和规模化应用。

不过，从全球范围来看，尽管类脑计算是热门研究领域，但类脑智能算法与类脑芯片尚未实现大规模商业化落地。类脑计算芯片在发展道路上正面临着严峻的挑战。首先，脉冲神经网络算法的发展仍然处于早期阶段。类脑计算系统在功耗上优于传统深度学习与GPU的组合，但在计算准确度与精度方面，需要和传统神经网络融合才能体现出优势。其次，与深度学习领域相比，整个类脑计算领域的生态较为封闭，发展十分缓慢。再次，深度学习领域有丰富的学习资料和开源数据集，而类脑智能算法领域目前还缺乏成体系的学习资源和评判标准——这大大制约了类脑芯片的持续迭代与发展。

总的来看，我国类脑芯片虽然面临技术、市场等多方面的挑战，但相比传统芯片仍然具备明显优势。短期来看，应该扎根端侧智能市场，发挥低功耗、高能效的优势，开发并创造更多应用场景；长期来看，要想释放商业价值，不但要在产业端进一步控制类脑芯片的制造成本，还需要从科研端入手，从系统结构上发展类脑计算的完备性，向通用计算领域优化拓展。