類腦計算芯片技術發展及軍事應用淺析

毛 磊 姚保寅 黃旭輝 王智斌

隨著智能時代對大規模數據處理的要求越來越高，摩爾定律下的處理器集成器件數量越發接近極限，當下急需通過架構的變化以應對大數據的需求。類腦計算芯片結合微電子技術和新型神經形態器件，模仿人腦神經系統計算原理進行設計，旨在突破“馮˙諾依曼瓶頸”，實現類似人腦的超低功耗和并行信息處理能力。

基本概念與內涵

類腦計算芯片（簡稱“類腦芯片”），廣義上指參考人腦神經元結構和人腦感知認知方式來設計的芯片，分為兩大類：一是側重于參照人腦神經元模型及其組織結構來設計芯片結構，稱為神經形態芯片，如IBM公司的“真北”；二是側重于參照人腦感知認知的計算模型而非神經元組織結構，即設計芯片結構來高效支持人工神經網絡或深度神經網絡等成熟的認知算法。狹義上，類腦芯片一般指神經形態芯片。

類腦芯片尤其是神經形態芯片具有如下特點：善于做復雜時空序列分析；雖然每個神經元發放速率很低，但基于全并行運算，響應速度遠遠快于現有解決方案；適合做各種傳感器信息的實時處理；獨有的事件觸發運算機制，即當沒有動態信息生成的時候不會有運算發生。

發展現狀及水平

類腦芯片起源于20世紀80年代，加州理工學院教授卡弗?米德最先提出的“神經擬態計算”的設計理念。2008年美國惠普公司發明出可模仿人腦觸功能的憶阻器，使得以硬件形式模仿人腦形態和功能首次成為可能，為類腦芯片的快速發展奠定重要基礎。美歐日等均設立各種類腦計劃，為未來發展開辟道路，如美國2013年宣布的“通過發展創新性神經技術的大腦研究”計劃（簡稱“大腦”計劃）、歐盟第七框架計劃的旗艦項目“人腦工程”、日本文部科學省2014年9月啟動的“大腦研究計劃”等。

IBM公司的“真北”類腦芯片

美國DARPA在2008年憶阻器研制成功后，迅速啟動總投資1.01億美元，為期6年的“神經形態自適應可塑可擴展電子系統”項目，旨在研制出具有百萬神經元級別的類腦芯片，項目主要由IBM和休斯研究實驗室負責。

IBM于2014年發布了第二代“真北”類腦芯片，采用28納米工藝，含100萬個神經元數量、2.56億個可編程突觸、54億個晶體管，每秒可執行460億次突觸運算，總功耗為70毫瓦，尺寸僅為一張郵票大小，能以80%的正確率對校園監控視頻中的行人和車輛進行實時分類，相比執行同樣任務的筆記本電腦，“真北”速度是后者的100倍，功率僅為其千分之一。

為加速實現“真北”類腦芯片實際應用，IBM公司還開發出“核心集”硬件描述語言，為類腦芯片的功能定制提供便利。目前，IBM公司以“神經突觸核心”為基本模塊，已開發出150余種能實現特定功能的算法包。算法包間還可進一步結合，實現更復雜的功能。

IBM公司側重架構研究，對“真北”芯片中的“神經突觸核心”電路做了充分簡化，其中的突觸只具有導通和斷開兩種狀態。這種設計便于用傳統計算機仿真模擬，但缺乏通過即時學習改善芯片性能的能力。休斯研究實驗室的“神經突觸核心”采用模擬設計，并利用“突觸時分復用技術”使每個實體突觸都能發揮上萬個虛擬突觸的作用。2014年6月，該實驗室研制出包含576個神經元和7.3萬突觸的芯片，演示了通過即時學習改善芯片性能的能力。在項目下一階段，該成果將應用于“真北”架構，構建可實時學習的類腦微處理器。

除“真北”芯片外，英特爾于2017年發布了Loihi類腦芯片，采用異構設計，擁有13萬個神經元和1.3億個突觸，可加速機器學習，同時將功耗要求降低到現有芯片的千分之一。英特爾于2019年展示了其最新的可模擬800多萬個神經元的Pohoiki Beach芯片系統，含64顆Loihi芯片，集成1320億個晶體管，總面積3840平方毫米，擁有800多萬個“神經元”（相當于某些小型嚙齒動物的大腦）和80億個“突觸”，執行任務速度比傳統CPU快1千倍，能效可提高1萬倍。此外，高通、谷歌和英偉達等也在加大類腦芯片的研究。前幾年大火的谷歌AlphaGo和英偉達GPU等，均采用了最新類腦芯片技術。

歐盟在“人腦工程”計劃的支持下，類腦芯片研制也取得顯著進展。英國曼徹斯特大學領導的“脈沖神經網絡體系結構”項目是“人腦工程”計劃的基礎仿真項目。該項目基于多核ARM芯片構建認知超級計算機。2018年，全球最大的神經形態超級計算機“脈沖神經網絡體系結構”首次啟用，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。

德國海德堡大學領導的“多層次大腦”項目是“人腦工程”計劃的神經形態計算項目。該項目將從神經元到大腦整體等不同層次加深對大腦信息處理過程的理解，在8英寸晶片上構建了384塊緊密互聯的神經形態管芯，包括20萬個神經元和5000萬個突觸，采用這種神經形態處理器的計算機已經成功運行，功能比IBM公司的“真北”神經形態芯片更接近生物神經元。

關鍵技術及應用

類腦芯片關鍵技術主要包括算法模型和硬件平臺技術兩大類。

“脈沖神經網絡體系結構”類腦芯片

算法模型技術類腦芯片算法模型技術主要涉及人工神經網絡、脈沖神經網絡等。其中，人工神經網絡受到腦網絡啟發，通過連接大量具有相同計算功能的神經元節點形成神經網絡，實現對輸入輸出模式的擬合近似。人工神經網絡從輸入到輸出呈現層級結構，當層數較多時則被稱為深度神經網絡。人工神經網絡本質上是存儲和計算并行，脈沖神經網絡則更嚴格地模擬大腦的信息處理機制，與前者主要有兩大不同，其一是采用脈沖編碼（0/1），其二是具有豐富的時間動力學。

脈沖神經網絡方法需要有與生物神經元的動力學相似的人工突觸和神經元。對模擬突觸功能至關重要的人工突觸已經被簡單的兩終端憶阻器實現。最近，帶有積分泄漏和發放功能的人工神經元也被單一的憶阻器器件實現。支持脈沖神經網絡的器件通常稱為神經形態器件，目前大多只能體現低功耗的特性，性能尚不能與深度神經網絡匹敵。

硬件平臺技術類腦芯片硬件平臺技術主要涉及深度神經網絡專用處理器和神經芯片及系統。面向深度神經網絡的專用處理器設計需要充分考慮大量參數存儲訪問帶來的面積、速度和能耗瓶頸，通過壓縮和簡化網絡模型，結合計算模塊的設計進一步優化整個架構。還有另一類深度學習專用處理器的解決方案，主要基于深度壓縮算法來指導硬件設計。具體來說，主要在不損失過多性能的前提下，通過在理論算法層面對深度神經網絡進行各種近似或壓縮，從而設計輕量化網絡以減小所需要的計算和存儲資源，實現更快的運行速度和更低的能量消耗。

目前神經形態芯片主要基于傳統CMOS技術的神經形態計算電路和基于新型納米器件的神經形態計算電路。傳統CMOS技術發展相對比較成熟，如“真北”芯片是異步-同步混合（無全局時鐘）數字電路的代表作；海德堡大學的“多層次大腦”芯片則是模擬集成電路的代表作。而基于新型納米器件的神經形態計算電路目前最受關注的方向是利用憶阻器等搭建的神經形態芯片。

深度神經網絡專用處理器和神經形態芯片分別支持人工神經網絡和脈沖神經網絡模型。通過設計通用類腦芯片，可實現上述兩種模型異構融合，在保持專用芯片高效能的同時，需盡可能提高對上述模型支持的通用性。

應用前景

類腦芯片擁有超低功耗、大規模并行計算、高速或實時信息處理等技術潛力，在軍事應用場景下，特別是對性能、速度、功耗有強約束的條件下，具有獨特的優勢，可用于天/空基針對軍事目標的超低延時動態視覺識別，組建認知超級計算機實現海量數據快速處理，此外還可用于未來戰場的智能博弈對抗與決策。

超低延時動態視覺識別類腦芯片的超低功耗、超低延時、實時高速動態視覺識別、追蹤技術及傳感器信息處理技術，是國防科技戰略層面的關鍵技術，尤其超低延時實時高速動態視覺識別技術，在衛星、飛機等裝備高速動態識別領域具有極為重要的作用。美國空軍于2014年授予IBM一份價值55萬美元的合同，利用“真北”芯片幫助衛星、高空飛機和小型無人機等更加高效、智能地完成機器視覺分析，自動識別坦克或防空系統等車輛，而功耗不到原來1/5，這對于太空有限的供能資源非常重要。三星高級技術研究院于2016年也利用IBM“真北”芯片，研發了動態視覺傳感器，以每秒2000幀的速度識別圖像，用于3D地圖生成和自動駕駛等。

類腦芯片擁有廣闊的應用前景

海量數據快速處理類腦芯片促進神經形態超級計算機發展，使其具有極高的計算速度和海量數據處理能力，未來還能進行“認知”與“思考”，將改變計算機常規工作模式。美國空軍研究實驗室于2017年6月利用IBM公司的“真北”類腦芯片開始研制類腦超級計算機，并于2018年8月發布了世界上最大的神經形態超級計算機“藍鴉”。該計算機可以同時模擬6400萬個生物神經元和160億個生物神經突觸，功耗僅為40瓦，是傳統超級計算機的百分之一。美國空軍實驗室計劃在2019年演示一種利用“藍鴉”開發的機載目標識別應用程序，2024年將實現百億億次的類腦認知超級計算機，對10倍于目前全球互聯網流量的大數據進行實時分析，屆時將使制約下一代戰機等先進裝備發展的大數據從難題變為資源，加速創新與發現，并極大縮短國防科技與工程的發展周期。

智能博弈對抗與決策面對未來戰爭，特別是智能化、無人化、強博弈對抗條件下，類腦芯片通過借鑒大腦的信息處理和信息存儲方式，在智能計算的算力、能耗與效率等方面具有優勢，有望實現飛機/導彈等的博弈對抗和決策的跨越式發展，提升未來戰場軍事對抗能力。

類腦芯片可用于未來戰場的智能博弈對抗與決策

結語

類腦芯片的本質是模擬人腦工作原理實現快速學習，解決極其復雜的計算問題，有望滿足衛星、無人機、單兵裝備等的低能耗需求，并通過不斷學習實現復雜環境中高效信息處理。當前類腦芯片研究已取得階段性進展，建議國內相關研究機構：一是大力加強類腦芯片理論建模和功耗降低等關鍵技術研究，如研究建立神經網絡處理器相關的功耗模型，通過結構設計參數的選擇，降低相對功耗。二是充分調動認知科學、神經以及遺傳科學、計算機科學和社會學等各領域專家，加強學科交叉，逆向工程推進類腦芯片研究取得新突破。三是加強類腦芯片研制用單晶硅、憶阻器等關鍵材料影響機制研究。如在人造突觸設計時，針對非晶材料對電壓模擬神經元信息傳輸的影響機制研究，以及憶阻器材料對人工神經網絡邏輯完備性、計算復雜度、級聯、可重構性的影響機制研究等。四是促進用戶-企業-高校產學研用合作，加速類腦計算技術向實際應用轉化。如從應用端發力，突出導向性，倒逼類腦芯片研發；形成用戶-企業-高校產學研用合作機制，暢通類腦芯片研發應用鏈條等。