類腦芯片領域的研究在近幾年不斷出現新突破，曼徹斯特大學團隊的超級計算機此前就備受關注。美國的大型企業也在積極開發類腦類芯片。

類腦芯片的介紹

目前，傳統的計算芯片主要基于馮?諾依曼結構。在這種結構中，計算模塊和存儲模塊是分開的。CPU在執行命令時需要先從存儲單位讀取數據，這就產生延時及大量的功耗浪費。因此需要更為扁平化的結構能夠更快，更低功耗的處理問題。而人腦的神經結構由于其強大的處理能力，動態可塑的性質，較低的能量消耗便成為了模擬對象，類腦芯片就此誕生。

類腦芯片結構非常獨特，可以仿照人類大腦的信息處理方式進行感知、思考、產生行為。人腦中的突觸是神經元之間的連接，具有可塑性，能夠隨所傳遞的神經元信號強弱和極性調整傳遞效率，并在信號消失后保持傳遞效率。而模仿此類運作模式的類腦芯片便可實現數據并行傳送，分布式處理，并能夠以低功耗實時處理海量數據。

類腦芯片優勢和技術要求

類腦芯片是一類模仿人腦結構和運行機制的芯片，隨著歐盟“人腦計劃”等科研計劃的實施，這類新一代芯片已成為全球關注的前沿科技領域。

相比其它AI架構，類腦架構的主要優勢有：一、算力高;二、功耗低;三、存算一體，不需要外掛DDR，節省成本功耗和空間;四、算法的支持度靈活，既能高效支持人工神經網絡算法，又能高效支持SNN算法;五、擴展性好，能得到極大算力的芯片陣列，而且算力效率不會下降;六，支持多核重組特性，可以實現多任務并行處理。

目前幾乎所有的人工智能系統都需要進行人工建模，轉化為計算問題進行處理再進行深度學習，而人腦卻可以自動感知，進行問題分析和求解，決策控制等。因此類腦芯片也有望形成有自主認知的水平，可自動形式化建模。

類腦芯片的發展取決于很多方面的因素，首先是算法的突破，類腦芯片要既高效支持人工神經網絡算法，又高效支持SNN算法，而不能像現在這樣，ANN算法發展很好，而SNN并沒那么好。Tianjic之所以高效支持SNN，就是想給大家提供一個好的平臺，供大家積累這方面的經驗，希望能為SNN的突破出一份力;其次是材料、新器件、新工藝的突破，它們都會對類腦芯片的進步提供相當大的助力;最后是架構突破，由于新材料的突破需要比較長的時間，如何在現有的工藝基礎上，挖掘出更好的性能是我們需要面對的現實問題，Tianjic芯片的架構已經做了突破，但還有性能提高的空間。

類腦芯片將大幅度提升性能

脈沖神經網絡芯片是一種典型的類腦芯片。這種顛覆性技術旨在模仿人腦的結構和運行機制，有望實現比目前主流芯片能效更高、可塑性更強的計算。馮?諾依曼型計算機的計算模塊和存儲模塊是分開的，CPU(中央處理器)執行命令時，要先從存儲模塊讀取數據，這就產生了大量的功耗浪費。人腦的計算頻率雖然遠不如馮?諾依曼型計算機，但功耗要低幾個數量級，僅為20瓦左右，功率密度僅為15毫瓦/立方厘米左右。這種優勢源自人腦的結構：它有850億—1000億個神經元，通過海量的突觸傳遞神經信號。這種網狀結構具有扁平化、并行化特點，以神經信號傳導為中心，從而形成了能耗低、可塑性強等優勢。

隨著摩爾定律“尺縮”難度日益增大，許多科學家開始模擬人腦，研發脈沖神經網絡芯片與系統、存算一體化架構、利用憶阻器實現神經擬態計算等新興技術。其中，脈沖神經網絡芯片與系統是未來神經擬態計算機的基礎，它用大規模并行處理單元模擬神經元，并用網絡化互聯模擬突觸。

類腦芯片也是AI芯片的一個重要的發展趨勢，其在實現性能提升上的優勢也是其能不斷投入研究的保障。