科技日報記者?張佳欣
現(xiàn)代計算機(jī)對電力的需求正在以驚人速度增長，許多科技公司正努力開發(fā)更節(jié)能的硬件。但是，人們能否構(gòu)建一種全新架構(gòu)的計算機(jī)，從而在節(jié)能方面實(shí)現(xiàn)質(zhì)的飛躍？
BrainChip公司推出的Akida神經(jīng)形態(tài)芯片。
圖片來源：BrainChip公司官網(wǎng)
一些公司給出了肯定的答案。他們正在利用神經(jīng)神態(tài)計算技術(shù)，制造像大腦一樣思考的計算機(jī)，即“類腦計算機(jī)”。這種創(chuàng)新技術(shù)旨在模仿人類大腦處理信息的方式，或許會在人工智能（AI）、機(jī)器人等多個領(lǐng)域掀起一場革命。
人腦或是計算機(jī)終極形態(tài)
人腦以極低的能耗運(yùn)行，卻能完成復(fù)雜多樣的任務(wù)。據(jù)美國今日物理網(wǎng)站報道，人腦運(yùn)行的功率約為12—20瓦，占人體代謝率的20%；相比之下，有些臺式電腦的功率約為175瓦，英偉達(dá)H100等尖端AI加速器的功率更是高達(dá)300—700瓦。
在神經(jīng)形態(tài)計算中，電子設(shè)備模仿神經(jīng)元和突觸，并以一種類似于大腦網(wǎng)絡(luò)的方式相互連接。
神經(jīng)形態(tài)計算機(jī)在設(shè)計上的一些基本特性，使其與傳統(tǒng)計算機(jī)區(qū)別開來。首先，神經(jīng)形態(tài)計算機(jī)沒有單獨(dú)的內(nèi)存和處理單元，這些任務(wù)可以在芯片上每個神經(jīng)元的位置一起執(zhí)行，所以不需要在內(nèi)存和處理器之間傳輸數(shù)據(jù)，減少了能源消耗并加快了處理速度。
其次，在傳統(tǒng)計算中，系統(tǒng)的每個部分始終處于開啟狀態(tài)，并可以與任何其他部分進(jìn)行通信；而神經(jīng)形態(tài)系統(tǒng)中模擬的神經(jīng)元和突觸只有在需要時才被激活，從而節(jié)省了能源。
此外，現(xiàn)代計算機(jī)是數(shù)字化的，使用1或0來表示數(shù)據(jù)；而大腦中的電信號并不簡單地由0和1組成，神經(jīng)形態(tài)計算機(jī)也能模擬大腦這一點(diǎn)。
硬件與軟件是雙重支柱
神經(jīng)形態(tài)計算依賴于兩個基本技術(shù)支柱：硬件和軟件。
在硬件方面，科學(xué)家正在開發(fā)特定的神經(jīng)形態(tài)芯片。例如，英特爾公司2021年發(fā)布的原型神經(jīng)形態(tài)芯片Loihi 2。這款芯片面積為31mm2，其處理器最多可封裝100萬個人工神經(jīng)元。
今年4月，英特爾宣布打造出全球最大的神經(jīng)擬態(tài)系統(tǒng)Hala Point，旨在支持未來類腦AI研究。該系統(tǒng)就是基于Loihi 2處理器構(gòu)建的，擁有多達(dá)11.5億個神經(jīng)元和1280億個突觸，速度最高可達(dá)人腦的200倍。英特爾稱，Hala Point的神經(jīng)元容量大致相當(dāng)于貓頭鷹的大腦，是迄今為止世界上最大的神經(jīng)形態(tài)計算機(jī)。
除了英特爾，IBM公司也在去年推出了其最新的類腦芯片原型“北極”（NorthPole）。這款芯片是之前“真北”（TrueNorth）芯片的升級版，測試顯示，它比市場上的其他芯片更節(jié)能、更節(jié)省空間、速度更快。目前，研究團(tuán)隊正致力于將這些芯片組合成更大規(guī)模的系統(tǒng)。
此外，規(guī)模較小的神經(jīng)形態(tài)公司，如澳大利亞AI芯片制造商BrainChip、中國AI芯片初創(chuàng)公司SynSense以及荷蘭神經(jīng)形態(tài)處理器公司Innatera也在這一領(lǐng)域積極投入研發(fā)。
在軟件方面，正在開發(fā)的算法和計算模型都在模仿大腦的學(xué)習(xí)和信息處理方式，例如人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。
商業(yè)應(yīng)用前景樂觀
據(jù)英國廣播公司報道，神經(jīng)形態(tài)計算機(jī)的未來商業(yè)應(yīng)用主要分為兩大領(lǐng)域：一是為AI應(yīng)用程序提供更節(jié)能、更高性能的平臺，包括圖像和視頻分析、語音識別以及為ChatGPT等聊天機(jī)器人提供動力的大型語言模型；二是“邊緣計算”，即在聯(lián)網(wǎng)設(shè)備上實(shí)時處理數(shù)據(jù)，自動駕駛汽車、機(jī)器人、手機(jī)、可穿戴技術(shù)等都可通過“邊緣計算”應(yīng)用極大提高效率。
然而，技術(shù)挑戰(zhàn)依然存在。神經(jīng)形態(tài)計算發(fā)展的主要障礙之一在于軟件的開發(fā)，以適應(yīng)這些獨(dú)特硬件的運(yùn)行需求。盡管硬件已逐漸成熟，但如何以全新的編程方式激活其潛力，仍是亟待解決的問題。此外，成本也是一大挑戰(zhàn)。無論是硅基還是其他材料，制造全新的神經(jīng)形態(tài)芯片都需要高昂的成本投入。
今年5月，德國科技公司SpiNNcloud Systems宣布，他們正在開發(fā)一款名為SpiNNaker2的神經(jīng)形態(tài)超級計算機(jī)，能模擬至少100億個神經(jīng)元，并計劃將其商業(yè)化。這款基于人腦原理的混合AI高效能電腦系統(tǒng)，無疑為神經(jīng)形態(tài)計算領(lǐng)域注入了新活力。
英國倫敦大學(xué)學(xué)院神經(jīng)形態(tài)研究專家托尼·肯揚(yáng)表示：“雖然還沒有一個‘殺手锏級別’的應(yīng)用，但神經(jīng)形態(tài)計算將在許多領(lǐng)域顯著提高能源效率和性能。隨著這項技術(shù)逐漸成熟，我們將看到它的廣泛應(yīng)用。”
