從類腦芯片的原理分析，類腦芯片的研究具有很大的積極意義。但是類腦技術的研究尚且存在很多問題，其產業化道路還有很遠。

國內外在類腦芯片上的研究成果

作為全球最早研究類腦芯片技術的企業，IBM公司早在2011年就取得了一些成績，通過模擬人腦大腦結構，IBM研發了兩個具有認知和感知功能的硅芯片原型，當時它們給這個芯片取名為“蟲腦”。在2014年的時候，IBM再接再厲又研制出升級版的“蟲腦”芯片，性能大大提升。據OFweek了解到，這款芯片使用了54億個晶體管，功耗每平方厘米僅消耗20 毫瓦，直徑僅幾厘米，表現相當出色。

同樣是在2014年，高通原本打算發布一版電子芯片，2013年高通曾公開此款芯片，將其命名為Zeroth。據OFweek了解，這款芯片是一款類似大腦的計算機芯片，高通將它稱作“神經處理裝置”。

Zeroth芯片的的終極目標是實現新型處理架構的創建、定義和標準化，高通稱之為“神經處理器”(NPU)。它們設想NPU用于各種不同設備，在SoC里與其它模塊并存，因此既能用傳統編程語言開發程序，也能隨時調用NPU來訓練設備，使之具備人腦一樣的交互和行為。

近日，英特爾中國研究院表示它們已研發出類人腦的神經擬態LOIHI芯片，這款芯片以人腦為模型，包括模擬大腦基本機制的數字電路，它有1024個人造神經元和1.3億個突觸連接。

全球最大的神經形態超級計算機SpiNNaker日前首次啟用，它擁有100萬個處理器內核，每秒可執行200萬億次操作，能夠達到人腦百分之一的比例，是世界上第一個低功耗、大規模人腦數字模型。谷歌、英偉達、Facebook等巨頭也在加大類腦芯片的研究。前幾年大火的Google AlphaGo和英偉達的GPU以及Facebook大腦等，無一不借鑒或采用了最新的類腦芯片技術。

類腦芯片的產業落地過程

追溯類腦芯片的真正落地，還要從TrueNorth說起。TrueNorth 是 IBM 潛心研發近 10 年的類腦芯片。美國 DARPA 計劃從 2008 年起就開始資助 IBM 公司研制面向智能處理的脈沖神經網絡芯片。

IBM公司不僅僅沉浸在實驗室研究類腦芯片技術，它們還積極地推動產業的發展，2014年IBM將研制出的模擬人腦芯片應用在潛水系統上，用這款芯片制作的超級計算機來探測海嘯和海底環境。不久前，美國空軍研究實驗室與IBM公司合作研發的AI超級計算機引起關注，這款機器最大亮點是采用模擬人腦神經網絡的芯片，處理能力相當于六千四百萬個神經細胞和一百六十億個神經突觸的類腦功能，機器學習性能超過當前任何硬件模型。除了算力，這款芯片的低能耗優勢讓人眼前一亮，其每個芯片耗能只相當于十瓦燈泡。目前它們正在探索這款芯片系統在可穿戴、飛機和自動化設備等領域的應用。

16年，IBM又公布了與美國空軍研究實驗室、美國陸軍研究實驗室、以及勞倫斯?利物莫國家實驗室在TrueNorth芯片應用方面合作的最新成果，包括手指識別、情緒識別、圖像分類和對象追蹤等。

與 TrueNorth 和Loihi不同， 高通公司開展研究的是Zeroth “認知計算平臺”，曾在業界引起了巨大的震動。原因就在于它可以融入到高通公司量產的 Snapdragon處理器芯片中，以協處理的方式提升系統的認知計算性能，并可實際應用于手機和平板電腦等設備中，支持諸如語音識別、圖像識別、場景實時標注等實際應用并且表現卓越。

這些芯片能夠用于支持類似Siri和Google Now的數碼助手來控制機器人四肢、無人機以及無人汽車。Zeroth芯片模仿人腦結構，由數十億協力合作的神經細胞組成，此款芯片在特定領域的計算速度比普通計算機更快、更有效。

類腦芯片產業化存在的問題

1. 類腦芯片材料的缺失

目前類腦芯片研制的挑戰之一是在硬件層面上模仿人腦中的神經突觸，在設計人造突觸時通常用施加電壓的方式來模擬神經元中的信息傳輸。但這種技術存在一個難題，由于大多數由非晶材料制成的人造突觸中，離子通過的路徑有無限種可能，難以預測離子究竟走哪一條路，造成不同神經元電流輸出的差異。科學家們研究了基于CMOS和憶阻器實現人工神經網絡，但對憶阻器的邏輯完備性、計算復雜度、級聯、可重構等性能要求很高，從憶阻器理論出發，神經元模型中的鈣離子和鉀離子通道由易失性憶阻器構成，對憶阻器的頻率依賴嚴重，滿足類腦芯片的單晶硅和憶阻器等材料技術仍有待突破。

2. 對腦的觀測和認識不夠

類腦芯片的研究在于直接在微芯片上模擬生物神經元和突觸的屬性，做到這一點面臨的主要挑戰，是配置由人造神經元組成的網絡，讓其能執行特定的任務。類腦芯片的架構是模擬人腦的新型芯片編程架構，這種芯片的功能類似于大腦的神經突觸，處理器類似于神經元，而其通訊系統類似于神經纖維，通過這種神經元網絡系統，計算機可以感知、記憶和處理大量不同的情況。因為人腦是由140億個腦細胞組成，每個腦細胞可生長出2萬個樹枝狀的樹突用來計算信息，人腦神經細胞功能間每秒可完成信息傳遞和交換次數達1000億次。用半導體材料模擬腦細胞和突觸的功能來設計芯片，由于人類對于腦的研究遠遠不夠，這樣的芯片在性能上遠遠達不到“人腦”的要求。

3. 類腦芯片的研究門檻高，人才和企業隊伍缺失

類腦芯片技術有很多難點，它本身有著很強的技術門檻，據不完全統計，目前從事類腦芯片研究隊伍(包括企業和研究機構)不到一百家，整個團隊仍不強大，全球研究這門技術人才遠遠不夠撐起整個產業。必須承認的是，類腦芯片是一門涉及電子、人工智能、材料、神經學等多學科的綜合技術，對頂層設計人才的全面要求很高，目前行業很缺這樣的人才。

4. 類腦芯片的工程化難題

因為類腦芯片的脈沖神經網絡特性決定了異步電路是脈沖神經網絡神經元間大量互聯以及通訊的最有效形式，對于某些需要復雜模型的SNN網絡，模擬運算以及數模混合電路會是最優的解決方案。當前類腦芯片在走向應用的過程中面臨著工程化的難題。對于不同的應用，類腦芯片處理器的產業化進程會有所不同，這對于中下游企業而言，芯片在不同場景下的兼容性和性能也會有所不同，目前尚未出現真正產業化的通用類腦芯片。

在類腦芯片概念提出至今，國內外投入研究的企業數量也很多，對于國內的芯片企業來說，這也是一次位于同一級別研究的跑道，是一次重要的發展機會。