十问亿级神经元类脑计算机：AI领域有望突破，哪些还需火候

近日，浙江大学联合之江实验室共同研制成功了中国首台基于自主知识产权类脑芯片的类脑计算机（Darwin Mouse）。

研究团队在9月1日的成果发布会上指出，该类脑计算机在神经元规模上超越了德国海德堡大学的BrainScaleS、IBM的Blue Raven和英特尔公司的Pohiki Springs三大类脑计算系统，是目前国际上神经元规模最大的类脑计算机。

据悉，这台类脑计算机包含792颗浙江大学研制的达尔文2代类脑芯片，支持1.2亿脉冲神经元、近千亿神经突触，与小鼠大脑神经元数量规模相当，典型运行功耗只需要350-500瓦。

类脑计算机与传统计算机的差别是什么？在哪些设计上借鉴了大脑？解决了什么痛点？能否在处理某些任务上超越传统计算机？当前类脑计算发展到什么程度？何时能够应用？……带着这些疑问，澎湃新闻（www.thepaper.cn）记者9月2日专访了浙江大学亿级神经元类脑计算机研究团队负责人、浙江大学计算机科学与技术学院教授潘纲。

潘纲在采访中介绍，类脑计算机与传统计算机差别非常大，传统计算机的算法和软件无法在类脑计算机上运行。类脑计算机主要用于处理其擅长的人工智能任务，并不会替代冯·诺依曼架构的传统计算机。两者互补与融合会是未来的可能趋势。

他表示，Darwin Mouse类脑计算机是一个初步成果，硬件的类脑抽象模拟还较为简单，后续需要继续迭代。当前，国际上类脑计算发展还处在初级阶段，未来走向成熟需要硬件、软件和算法三方面进步。

谈及社会各界对此次成果发布会的关注，他表示，研究团队“做了一个初步的演示，主要是想告诉大家：类脑计算机在很多方面都有很大的潜力，可以往前做。”

研究团队此次展现了类脑计算机可以完成人工智能中的很多任务，例如语音识别、图像识别等。“但具体做到什么样的精度或者准确度、能不能直接打败现在传统的计算机呢？我觉得有些方面可能性还是比较大，但还需要更多努力。”

当天发布会上，研究团队进行了类脑计算机的应用演示。在类脑计算机的控制下，3台机器人接收到语音指令后，分别担任巡逻、救援、工程检修“特种兵”，模拟合作开展抗洪救险任务。在另一个实验场景中，课题组成员给计算机演唱一首歌其中的两句，然后，计算机通过回想把后续的歌曲内容“唱”出来。

潘纲在采访中对澎湃新闻（www.thepaper.cn）记者表示，未来，类脑计算机有望在人工智能等领域做出突破，也可能加速神经系统模拟相关领域的科研工作。

潘纲教授分别于1998年、2004年获得浙江大学学士与博士学位，主要研究方向为人工智能、脑机接口、类脑计算、计算机视觉和普适计算等。

他担任计算机辅助设计与图形学国家重点实验室副主任，计算机系统结构与网络安全研究所副所长，中国人工智能学会常务理事和中国人工智能学会脑机融合与生物机器智能专委会主任委员。

澎湃新闻与潘纲对话实录，整理为10个问答：

1.澎湃：什么是类脑计算机？类脑计算机在哪些设计和功能上借鉴了大脑？

潘纲：用硬件及软件模拟大脑神经网络的结构与运行机制，构造一种全新的智能系统，这种颠覆传统计算架构的新型计算模式，通常称为类脑计算。而硬件或者芯片上模拟复杂神经网络的完整可用的计算系统则被称作类脑计算机。

Darwin Mouse类脑计算机的“类脑”设计主要体现在两方面：模仿大脑的信息传递方式——达尔文2代类脑芯片通过脉冲传递信号，类似于生物的神经元行为；将大脑运算抽象为由神经元连接组成的神经网络，用芯片直接模仿单个神经元的计算模型。

Darwin Mouse是在神经元尺度上模仿大脑。这种设计在功耗层面有巨大的潜力。例如，人脑的典型功耗大概是20瓦左右，相当于1-2个节能灯的功耗。自然界中，很多神经元远低于100万的昆虫就能做到实时目标跟踪、路径规划、导航和障碍物躲避。

2.澎湃：无论是单个的神经元模型或是通过脉冲传递信号，这些仿脑设计原则上都可以通过传统计算机模拟实现。为什么需要专门研制一台类脑计算机？

潘纲：传统CPU的核心是数值运算和逻辑，用传统计算机模拟亿级脉冲式神经网络时，会出现运行速度慢、计算能量高等效率问题，其效率与类脑计算机相比是多个量级上的差别。

3.澎湃：除了底层芯片之外，类脑计算机与传统计算机有什么差异？

潘纲：类脑计算机与传统计算机差别非常大，传统计算机的算法和软件在类脑计算机上不能运行。另外，普通计算机能做的事情，类脑计算机不是都能做的。比如简单的质数分解，其实现在的类脑计算机上是没有现成的算法可以实现。

类脑计算机能做的是一个神经网络可以做的事情。这个神经网络不是人工智能经常讨论的已经非常简化的神经网络，而是有更加生物逼真度的神经网络。

类脑计算机主要将用于处理其擅长的人工智能任务，并不会完全替代冯·诺依曼架构的传统计算机。两者互补与融合会是未来的可能趋势。

4.澎湃：类脑计算机在哪些任务上已经做到了超越普通计算机？

潘纲：我们在发布会中展现的任务并非表明都比传统计算机完成得更好，只是从仿脑的技术路线去做，发现传统的一些任务，类脑计算机也可以实现。

一定要说超过谁呢？我觉得可能现在火候还欠缺一点，在整体上很多地方都要欠缺一点，例如算法或者软件。

但这样一套新的技术体系是有非常大的潜力，可以突破目前人工智能再往前发展的“下一个坎”。有望通过类脑计算的方式为人工智能乃至其他计算任务做出突破。

目前来看，类脑计算机的内在机制可以让计算机的功耗降低，这对计算机而言非常重要。目前一些国际研究结论表明，类脑计算机的功耗至少比传统计算机低1~2个量级。

此外，凡是与神经系统模拟相关的领域，我们都可以考虑用类脑计算机为其制作新的工具，帮助加速研究或是技术开发。

5.澎湃：类脑计算机的运算速度如何？

潘纲：类脑计算机的运算速度很难与现有的计算机比较。例如用于检测CPU或超算的指标，很多都不是类脑计算机所擅长的。我们内部会参考突触操作速度和时延等指标。

目前超算的评测研究相对比较成熟，有公认的指标可以比较，让计算机运行多种不同类型的计算任务，比如线性方程组求解，看谁的速度快。但类脑计算机目前还没有现成的评测标准。

过几年，更多类脑计算机出现后，应该会有一些相对来说比较公平的评测标准。

6.澎湃：“全球神经元规模最大”意味着什么？有哪些同类计算机？

潘纲：我给类脑计算机做一个简单的界限：我们把它看做是一定要在硬件或者芯片上模拟复杂神经神经网络的。如果是在传统计算机上的纯软件模拟，就不叫类脑计算机。

这样的界限下面，目前国际上有三个典型的类脑计算系统：一是德国海德堡大学牵头的，规模达到400万神经元；第二个是IBM，规模是6400万神经元；第三是英特尔，1亿神经元。

媒体以“全球最大”作为宣传亮点，但我的理解是——我们现在这套类脑计算机与目前国际上最好的类脑计算机的规模是相当的。就规模而言，从研究或者技术的角度看，（3台计算机）其实没有本质差别。

总体上现在国内类脑计算的发展还是慢的，特别与美国和欧洲相比。但是这几年大家比较重视，国家的投入也多了。我觉得接下去几年应该会慢慢改善，后面还是有比较多的机会，未来可以超过他们。

7.澎湃：为什么需要研制专门面向类脑计算机的操作系统——达尔文类脑操作系统（DarwinOS）？传统计算机的操作系统不能使用？

潘纲：对。操作系统的主要任务是管理类脑计算机的硬件资源，而管理的目的是更加充分高效的利用。因为计算模式不一样、硬件不一样，现有的操作系统无法移植过来使用，所以需要自己的操作系统。

我们希望如果未来类脑计算机发展起来以后，编写人工智能任务程序的时候，只需要针对操作系统写，而不是针对芯片。

8.澎湃：今年年初，清华大学微电子所研发了全球首款多阵列忆阻器存算一体系统，成果在《自然》在线发表。请问浙大的类脑计算机与清华这个存算一体系统之间，在设计思路和原理上有什么异同？

潘纲：类脑芯片是类脑计算机的核心部件，类脑芯片本身有不同的技术路线，忆阻器是其中一条路线。忆阻器是一种新型器件，可以用来“搭建”类脑芯片，就好像是芯片中的一种基本砖块，它有些特别好的性能，例如有“记忆”功能；但是忆阻器目前的工艺还不够成熟，暂时还无法实现大规模集成，但未来很可能是类脑芯片必备的器件

我们去年研制的达尔文二代类脑芯片因为需要支持大规模神经元，没有用忆阻器技术做，是用一种更加成熟的技术，与英特尔和IBM的技术方案比较接近。

9.澎湃：团队对达尔文2代类脑芯片有产业化的计划吗？

潘纲：我们暂时还没有，希望在某些关键技术上再继续做一些突破。有很多种原因。虽然现在媒体都很关注，但我们还是有比较清醒的头脑，知道类脑计算技术并不是说几个词语出来就能马上用起来，还是需要一些技术的沉淀和积累。

应该说，因为这项技术还是比较新的，真正应用可能还是有一定的距离，还是需要再打磨。或者说还是需要国内外同行们一起努力，再坚持做几年。那样我觉得可能会出现更加成熟的条件，再往下做。现在做其实也可以，但是可能比较辛苦。

10.澎湃：类脑计算还处于初步阶段，如果要实现类脑计算机真正应用，或者说类脑芯片能够量产、实现其功能，这中间需哪些方面的努力？

潘纲：还需要很多工作。芯片上肯定还得改，使其集成度与效率更高。例如IBM单个类脑芯片才集成100万个神经元，实际上能够做的事情不多，所以规模上肯定还要提升。

第二方面，算法很重要，最后需要与算法结合起来实现应用。需要依照芯片的仿脑方式，设计特别的算法。

我在新闻发布会上介绍，我们所展示的机器人有几个核心功能，都初步地用类脑的方式实现了。但客观的说，现在这些核心的功能例如路径规划、图像识别和语音识别等，如果真正去商用，还需要在性能上做出比较大的提高。所以算法是未来非常重要的一方面。

第三方面，类脑计算机的硬件、软件和算法这三个方面，单凭一个学校或者一个单位是做不好的，需要更多有志于类脑计算的同行们加入。