2019/04/22 08/23/52　　【丹佛斯变频器 www.dfsbp.com】

　　当然，人类大脑的学习过程尚未被完全理解，因此类脑芯片的研究还有很长的路要走。ＡＩＣＴＸ背靠的是在神经拟态（ＮＥＵＲＯＭＯＲＰＨＩＣ）领域全球领先的苏黎世大学及苏黎世联邦理工大学神经信息研究所（ＩＮＳＴＩＴＵＴＥ　ＯＦ　ＮＥＵＲＯＩＮＦＯＲＭＡＴＩＣＳ，简称ＩＮＩ），有２０多年成熟的脑科学，神经形态架构、算法、芯片等各方向的研发经验。下一步，ＡＩＣＴＸ计划于２０１９年６月完成Ａ轮融资。总体看，第二代ＴＲＵＥＮＯＲＴＨ芯片由４０９６　个内核，１００　万个　“神经元”、２．５６　亿个“突触”集成。

　　到了２０１８年，ＩＮＴＥＬ展示了耗时多年研发的其首款自学习脉冲神经元芯片ＬＯＩＨＩ。”

　　当然，选择与研究机构和巨头不同的道路，以应用为驱动去设计类脑芯片自然还不足以超越他们，最关键的还是需要技术上的积累与突破。

　　ＡＸＯＮ（轴突）：一种树状纤维，将细胞体的输出脉冲传导到神经组织，最终在其他细胞的树突上突触。

　　“我们从２０１２年就开始做基于异步电路的类脑芯片设计，并且发展了一整套内部的ＥＤＡ软件支持我们完成异步电路的自动化设计与验证，这是很大的优势。

　　另外，ＤＹＮＡＰＣＮＮ处理器集成专用接口电路，可直连绝大多数动态摄像头，进行脸部识别、手势识别、高速移动物体追踪、归类、行为识别等。美国劳伦斯－利弗莫尔国家实验室、美国空军研究实验室（ＡＦＲＬ）也均购买过ＩＢＭ的ＴＲＵＥＮＯＲＴＨ芯片。

　　ＡＩＣＴＸ，一家位于瑞士苏黎世，成立仅２年的初创公司，其类脑芯片产品将有望领先全球各巨头实现产业化落地？

　　类脑芯片真的可实现？

　　ＡＩ、量子计算、类脑芯片都被不少人视作“黑科技”，但其实这些概念首次被提出都很早，类脑芯片或者说神经形态计算的概念，至少可以追溯到２０世纪８０年代，当时传奇的加州理工学院研究员ＣＡＲＶＥＲ　ＭＥＡＤ提出设计集成电路来模仿活神经元细胞的组织。

　　另据雷锋网了解，为了满足车企的需求，ＡＩＣＴＸ已经将车轨级认证的要求加入了下一代芯片设计的考量中，这也将是他们近期工作的重点之一。对于轻量级的边缘视觉智能应用，使用者将不需要再添加额外的处理器或摄像头，即插即用。

　　还需强调一点，乔宁博士在接受采访时表示对于类脑芯片而言，软件支持也非常重要，这也是发挥类脑芯片优势的关键。这一类处理器在算法层面依赖的是神经动力学，依靠脉冲神经网络进行超低功耗实时动态传感器信息处理。正是由于这种特性，只有当神经元脉冲观察到域的变化时，神经形态系统才需要能量，所以这种系统相比冯诺依曼计算机有显著的功耗优势以及更强的自适应学习能力。

　　类脑芯片不是万能的

　　至此，从原理上看我们已经可以明确类脑芯片具备超低功耗和超低延时，更适合ＩＯＴ边缘传感器的动态信息本地实时处理等优点。另一类是对有时间维度（语音，心电信号，肌电信号，温度压强等）的自然信号实时处理的脉冲神经网络处理器。”

　　事件驱动运算是脉冲神经网络的天然属性，而传统的深度学习很难做到这一点，这是实现脉冲神经网络的类脑芯片在超低功耗边缘运算上极大的优势。”

　　除了各高等学府及科研院所，可以观察到的是包括ＩＢＭ、ＩＮＴＥＬ等在内的科技巨头都在投入资金研发并陆续推出类脑芯片。该芯片基于６５ＮＭ工艺设计，片上集成动态摄像头及动态处理器。

　　从算法角度看，脉冲神经元提供了可以在时间域进行实时信息处理的神经网络的基本方法。这也能说明研发类脑芯片的可行性以及伟肯变频器重大的战略意义。

　　ＡＩＣＴＸ　ＤＹＮＡＰＣＮＮ

　　最终我们看到，ＡＩＣＴＸ发布了世界首款完全基于事件触发运算的动态视觉ＡＩ处理器ＤＹＮＡＰＣＮＮ。并且，对于先进工艺的需求也并不十分强烈。

　　可以看到，２０１１年８月ＩＢＭ率先研发出具有感知、认知功能的脉冲神经网络芯片原型，推出第一代ＴＲＵＥＮＯＲＴＨ。

　　乔宁博士也表示，ＡＩＣＴＸ的产品的应用也有一个短期、中期、长期的规划，短期看视觉物联网的应用会更快。科技巨头往往是前沿科技的引领者，在ＡＩ、５Ｇ、物联网逐步普及的当下，ＩＢＭ、谷歌、微软、百度、阿里等国内外巨头都在投入巨大资源争抢新一轮科技浪潮的话语权。”乔宁博士指出。但以现在的趋势看，多传感器融合进行动态数据处理将是主要发展方向之一，类脑芯片将来也可在云加端发挥优势。　而神经拟态工程的目标不是模仿大脑，而是理解大脑如此高效的工作机制，并把这些机制用到的芯片中去。这样做无疑也是为了降低类脑芯片的使用门槛。

　　因此，ＡＩＣＴＸ将在今年三台达变频器季度将会推出首款整体功耗　＜１ＭＷ的ＳＯＣ级动态视觉智能传感器ＳＰＥＣＫ。

　　ＡＩＣＴＸ首席执行官乔宁博士

　　近几年，美国ＤＡＲＰＡ投巨资支持ＩＢＭ及ＩＮＴＥＬ等美国巨头高科技公司开展ＴＲＵＥＮＯＲＴＨ及ＬＯＩＨＩ类脑芯片开发项目，并已经在多个领域得到应用。

　　与学校科研不同，公司层面最重要的还是技术与产品的落地。作为一个完整的动态视觉解决方案，ＳＰＥＣＫ的整体峰值功耗将低于１ＭＷ；而在通常智能家居等应用场景下，整体平均功耗将在０．５ＭＷ以下　（１节５号电池可驱动近１年的时间）。

　　乔宁表示：“类脑芯片对工艺的需求主要取决于应用，如果对于网络资源有较大的需求，比如用于无人车或者无人机超低延时动态视觉ＡＩ应用，才需要２２ＮＭ等先进工艺；但是如果是语音识别或者心电信号检测，因为需要的硬件资源很小，只需要６５ＮＭ甚至１８０ＮＭ的工艺，这也能在很大程度上降低成本。这类芯片是类脑与传统深度学习的结合体，在算法上依赖的是深度学习的ＣＮＮ，而运算的触发机制则为脉冲触发。

　　乔宁博士表示：“从２０１２年起加入ＩＮＩ领导欧洲类脑芯片项目开发，我和团队已经成功研发多款ＡＩＣＴＸ的核心研发团队在脉冲神经网络模型、算法、类脑芯片架构，芯片设计等领域拥有国际顶级学术文章５００多篇，引用量达多次。

　　ＡＩＣＴＸ也得到了资本的认可，２０１７年底，获得十维资本领投的数百万美元天使轮融资。但这款芯片亮相之后就没有大动作，也未应用到其人工智能系统ＷＡＴＳＯＮ中。该处理器是一款纯异步、高可配置性、可拓展性的神经形态处理器。“目前ＡＩＣＴＸ的类脑芯片按应用分为两大类：　一类是针对动态视觉的处理器芯片。乔宁博士在接受专访的时候也提到，即便一个很完善的类眼ＤＶＳ（ＤＹＮＡＭＩＣ　ＶＩＳＩＯＮ　ＳＥＮＳＯＲ　，动态视觉传感器），搭配传统ＣＰＵ或者ＤＬ加速器进行动态视觉处理，效率也会大打折扣。新一代的神经拟态智能必须是完整的系统级的解决方案，才能发挥出最大的优势。神经形态装置（包含传感和处理等）的工程涉及变频器维修开发其功能类似于大脑部分的组件。但对于ＳＮＮ（脉冲神经网络），在达到由变量（或者可能具有函数）描述的特定阈值状态时，神经元发出脉冲信号。

　　ＩＢＭ当时表示如果　４８　颗ＴＲＵＥＮＯＲＴＨ芯片组建起具有　４８００　万个神经元的网络，带来的智力水平将相似于普通老鼠。到了２０１４年，ＴＲＵＥＮＯＲＴＨ第二代诞生，功耗为每平方厘米２０毫瓦，是第一代的百分之一。

　　除了路线、技术与巨头的不同，能让ＡＩＣＴＸ在商用方面取得领先的第三个关键就是产品模组化。

　　ＡＩＣＴＸ超越两大巨头的三大关键

　　之所以会出现这样的情况，乔宁博士认为，无论是ＩＢＭ还是ＩＮＴＥＬ，他们目前对神经拟态智能（ＮＥＵＲＯＭＯＲＰＨＩＣ　ＩＮＴＥＬＬＩＧＥＮＣＥ）或者说类脑芯片的投入更多聚焦在科研层面，针对的用户也大都是科研院所，并没有在商业应用方面做更多考虑。目前看来，技术层面上，类脑芯片的功耗、自适应学习能力有更大的优势。现在公司与许多潜在客户都有接触，包括瑞士的ＩＯＴ公司，国内的ＴＩＥＲ１车企、ＡＩ芯片公司等，无论是项目层面还是产品层面，短期可能都会有一些合同达成。乔宁博士认为，每个人对类脑芯片的理解和定义有所不同，但其最天然的属性是事件驱动运算。”

　　雷锋网小结

　　类脑芯片或者说神经形态智能对大部分人而言都十分“黑科技”，也有一些质疑的声音，这其中不仅有技术难题的原因，相关研究机构和企业没找到合适应用也是关键因素。然而，由于生物神经元的发射是非确定性的，经典计算架构冯诺依曼是确定性的架构，这一因素在很大程度上让计算机无法模仿人类大脑。只有做到事件驱动运算，才可能实现真正意义上的“听着看着又不耗电”的适用于ＩＯＴ的可以ＡＬＡＷＹＳ　ＯＮ边缘ＡＩ应用。

　　除了技术的难题，类脑研究人员的心态也是一个重要影响。

　　据介绍，ＤＹＮＡＰＣＮＮ可以对像素级动态数据流进行连续计算，对移动物体实时识别可实现低于５ＭＳ的超低延迟。

　　设计事件驱动或者说脉冲神经网络处理器时无法回避的就是脉冲的生成与传递是随机的，如果用时钟就会大大降低效率，也因为引入额外功耗很难做到ＡＬＷＡＹＳ　ＯＮ，如果想做高效的脉冲神经网络处理器，异步电路必不可少。”

　　不过，对于目前的云端计算而言，并不适合类脑芯片。而设计异步电路时，由于没有很好的ＥＤＡ软件支持，不能像设计传统数字电路那样借助ＥＤＡ快速且方便的完成设计，因此异步电路设计对大部分公司而言这非常困难。

　　并且，ＤＹＮＡＰＣＮＮ的高灵活性和可重新配置性也为开发和实现一系列ＡＩ模型提供了可能性，基于动态视觉的事件触发运算机制使得芯片达到亚ＭＷ级的功率。因此，能否拥有持续且充足的资金，维持公司的正常运转，保持软硬件的更新，同样关乎ＡＩＣＴＸ的将来，这也将在一定程度上影响类脑芯片以及神经形态智能的发展。

　　美图ＡＡＡＩ　２０１８论文：视频语义理解的类脑智能

　　频频引发关注的量子计算和类脑芯片，何时能达预期？

　　。这些机制中，细粒度并行计算，神经动力学，时域编码，基于时间的信息处理等等，直接启发了新特征，新架构，新算法对计算系统的能力以及效率的突破。不过，ＩＮＴＥＬ给出的数据指出，ＬＯＩＨＩ的学习效率比其他智能芯片高１００万倍，而在完成同一个任务所消耗的能源可节省近１０００倍。乔宁表示：“类脑芯片更擅长的是超低功耗动态信息实时处理，因此更适合用在端上。芯片面积仅为１２平方毫米，采用ＧＦ２２ＮＭ工艺设计，单芯片集成超过１００万脉冲神经元和４００万可编程参数，支持多种ＣＮＮ架构，其芯片架构所具有的可拓展性适合于实现大规模脉冲卷积神经网络。

　　与ＩＢＭ一样，ＩＮＴＥＬ类脑芯片发布之后也未见其有在产业端有进一步的消息。一些输入在神经元中产生激发，而另一些输入则抑制它，如人工神经网络中的正负权重。

　　即便如此，相比人脑内的８００多亿个神经元的ＬＯＩＨＩ仍然相对简单。

　　类脑芯片的优势何在？

　　那么，研究开发类脑芯片的意义到底是什么？这就得从本质上去理解。

　　在生物大脑中，每个神经元都与各种输入相连。其中颠覆传统冯诺依曼架构，被誉为将来全新一代人工智能处理器的类脑芯片也引发了不少关注，ＩＢＭ和ＩＮＴＥＬ等都已发布类脑芯片，国内的华为、阿里、百度等巨头都在争相竞逐这个领域。我进入这一领域前是中科院半导体研究所博士，主要进行低功耗数模混合电路的设计。

　　正如ＩＮＴＥＬ前不久发表声明指出，脉冲神经网络是目前深度神经网络的必然继承者，脉冲神经网络在运算中利用了时域动力学，因此非常适合于实时处理真实世界的传感器数据，例如声音或者视频，尤其是在需要快速实时响应的情况下。

　　业界也出现了对类脑芯片可行性的质疑。此外，芯片使用稀疏计算对场景中的物体移动进行处理，进一步降低了芯片的动态功耗。但在软件方面的投入也非常巨大，加上芯片行业本身就需要大量的资本。

　　大脑的神奇之处在于实时处理复杂信息的同时只消耗极少的能量。ＩＮＴＥＬ称ＬＯＩＨＩ内部包含了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。　乔宁博士告诉雷锋网，ＡＩＣＴＸ＝ＡＩ－ＣＯＲＴＥＸ，ＣＴＸ是英文中ＣＯＲＴＥＸ（脑皮层）的缩写。人脑的活体神经细胞有四个主要的功能成分，如下图所示：

　　ＳＹＮＡＰＳＥＳ（突触）：电化学脉冲通过称为突触的微小界面点进入细胞

　　ＤＥＮＤＲＩＴＥＳ（树突）：突触分散在称为树突的树根状纤维的表面上

　　ＣＥＬＬ　ＢＯＤＹ（细胞体）：树突伸展到周围的神经组织，从突触中收集脉冲，并将脉冲传回神经元的心脏，称为细胞体。相较于已有的深度学习实时视觉处理方案，ＤＹＮＡＰＣＮＮ所提供的超低延时动态视觉解决方案对比与ＤＬ加速器技术，将识别响应延时缩短了１０倍以上，同时功耗降低１００倍以上，能为车载及高速飞行器等高速视觉场景提供更好的解决方案。ＡＩＣＴＸ的名字与“脑皮层”紧密相连，代表ＡＩＣＴＸ神经拟态运算在硬件中实现，以期解决人工智能中的问题。对此，ＡＩＣＴＸ首席执行官乔宁博士表示：“因为看不到应用，出现质疑的声音很正常。２０１８年初，成功获批了欧盟Ｈ２０２０关于脑机接口的为期４年的科研项目“ＳＹＮＣＨ”及欧盟动态机器视觉科研项目“ＴＥＭＰＯ”，并获得相应经费支持。所有这些优势对边缘计算在能效和实时性上有极大的提升，尤其是边缘设备需要对实施动态数据的实时本地处理，比如生产车间，自动驾驶汽车或者机器人等。　对于动态信息实时处理的超低功耗，超低延时以及成本是我们方案的竞争力所在。乔宁博士希望能够推动类脑芯片的商用，因此无论在芯片设计路线、应用方面都有更明确的目标，加之整个团队长期的积累，让他有自信说ＡＩＣＴＸ在类脑芯片商用方面能领先ＩＢＭ和ＩＮＴＥＬ两大巨头。不仅如此，由于ＡＩＣＴＸ的ＳＮＮ处理器算力主要是用于稀疏点数据流的实时处理，因此并不强调算力。乔宁博士强调，我们创立公司做类脑芯片从一开始就是以应用为主导，类脑芯片最擅长的是超低功耗的实时动态信息处理，针对的应用场景是ＩＯＴ端的传感器信息的本地实时超低功耗处理。乔宁博士表示，ＤＹＮＡＰＣＮＮ相应的开发套件将于２０１９年第三季度上市。类脑芯片是人类脑研究和半导体技术的全新结合，具有巨大的发展前景。从硬件实现角度看，类脑架构可以利用脉冲机制进行高度稀疏的脉冲驱动运算，大大节省了能耗。

　　深耕科研，基于多年世界领先的科研成果，乔宁博士与业界大牛ＧＩＡＣＯＭＯ　ＩＮＤＩＶＥＲＩ教授一起于２０１７年２月底在瑞士苏黎世创立类脑芯片公司ＡＩＣＴＸ。据了解，该研究所于１９９５年由苏黎世联邦理工学院（ＥＴＨ　ＺＵＲＩＣＨ，２０１９年ＱＳ世界大学排名第７名）和苏黎世大学（ＵＺＨ，２０１９年ＱＳ世界大学排名第７８名）联合创办。而比如传统摄像头生成的基于帧的静态数据，则更适合用传统的深度学习芯片处理。只是，市场会在多大程度上接受ＤＹＮＡＰＣＮＮ和ＳＰＥＣＫ，我们拭目以待。自２０１２年起加入苏黎世大学及苏黎世联邦理工大学的神经信息研究所ＩＮＩ进行类脑芯片研究，从１２年到１６年底，基本每年都会设计１－２款神经形态处理器，对类脑芯片有很深的理解。２０１８年底，获得ＢＶ（百度风投）领投的数百万美元ＰＲＥ－Ａ轮融资，用于加速研发及技术成果落地。在类脑研究起步较早的欧洲，许多研究人员进行相关的研究是觉得类脑研究很有意义，并且很享受研究的过程，而不是考虑如何去应用或实现商业化

20190422082352