类脑芯片:AI芯片新方向 ——新氦类脑智能推动类脑智能及AI芯片产学研合作新方向

类脑芯片是人工智能芯片中的一种架构。它模拟人脑进行设计,相比于传统芯片,在功耗和学习能力上具有更大优势。类脑芯片的研究就是基于微电子技术和新型神经形态器件的结合,希望突破传统计算架构,实现存储与计算的深度融合,大幅提升计算性能、提高集成度、降低能耗。

8月底,由新氦类脑智能主办的“2019新氦AI芯片论坛暨国际智能电子与系统学术讨论会”在上海市杨浦区长阳创谷隆重召开。期间,国内外20多位产学研各方向专家、企业家针对“人工智能与类脑智能的趋势”、“算法与芯片的发展方向“展开了深度探讨。

类脑计算——人工智能的新基石

类脑计算借鉴大脑中进行信息处理的基本规律,在硬件实现与软件算法等多个层面,对于现有的计算体系与系统做出本质的变革,从而实现在计算能耗、计算能力与计算效率等诸多方面的大幅改进。作为一种借鉴人脑结构存储、处理信息方式发展起来的新技术,类脑计算将是人工通用智能的基石。

在本次论坛中,四川大学类脑计算研究中心主任唐华锦为我们介绍了大脑进行编码的原理,与超级计算机对比,类脑计算拥有百亿个神经元、百万亿个突触,还有大量平行的尖峰神经元,计算能力更强。

立足于类脑计算前沿,类脑计算研究中心主要进行类脑计算、感知信息处理核智能硬件、大规模脑认知计算网络、类脑计算芯片和软件、智能机器人的研究,并且与国际和国内顶尖类脑研究机构建立了密切合作关系,以期带动以类脑计算为核心的人工智能算法、类脑芯片感知器、智能机器人的技术创新。

如今人工智能产业发展快速,边缘计算已经成为驱动因素之一,并且希望尽可能的实现对人脑结构的模拟,极力将机器打造得像人一样思考和工作,让决策更加拟人化、更加精确。蓝海智能总裁John Rowland认为NVM的下一代技术将会进一步实现功耗下降,在未来还会有很多其他新的领域,但无论何种解决方案,低功耗、高效率都将是不变的主题。

斯坦福大学托马斯·李教授通过美国通讯领域的历史,为我们展望了半导体行业的未来,他讲到“我们希望能够做全运用的加速,而并不是特定的场景加速而已,因为毕竟在未来场景是随时出现的,我们希望所有场景都能实现实时的场景,能全面的提升。”同时托马斯·李教授还对边缘计算的实时性,延迟性等等发表了自己的看法及观点,具体的演讲视频及演讲内容,欢迎关注“Neuhelium新氦”公众号进行观看。

来自法国新能源与原子能委员会的艾哈迈德·杰拉亚主任也论坛中讲到技术与产业的应用,通过几个实例介绍了如何做到更快更小更低功耗的半导体技术。有关边缘AI的运用,提到类脑的接口,包括甚至可以让截瘫的人再次行走的实际应用。

类脑智能——未来人工智能的发展方向

类脑智能有着很好的应用前景,国内很多优秀企业在类脑芯片的研发、量产以及AI架构等方面都有不错的成果。

信息通信技术革命经历了由电学、数字,到网络再到智能的过程,如今的计算机越来越小,摩尔定理即将终结,物理限制效应越来越明确。会上,上海智能电子与系统研究院院长郑立荣为我们介绍了他们的研究成果:CNN专用处理芯片(Wolong)、CNN专用处理芯片(Log量化版),而且芯片的面积还可以进一步缩减。

不管是智慧家庭、智慧城市、还是智慧医疗、智能机器人等人工智能应用,AI芯片都是人工智能产业的核心部件。联合微电子中心(香港)致力于提升AI芯片的功能,研发的机器学习硬件加速器和DNN加速器,基于GPU的应用程序,通过深度学习显著提高准确性,可以广泛应用于物体识别、行为识别、人脸识别,并且拥有人脸识别、智能零售、自动驾驶、室内监控、地面监控等广泛的应用场景。

汽车电子发展也离不开芯片的支持。随着智能网联时代的到来,车规级芯片对可靠性、大算力、安全性、集成度、低功耗等方面的要求也越来越高,芯驰科技的首席执行官仇雨菁女士表示未来芯片的迭代速度会更快,芯片从量产至汽车上市的时间,这个周期在会被压缩的更短,而这对于芯片厂家来说将是更大的挑战。

不仅AI芯片重要,AI架构的地位也不可忽视,可以说一个好的AI架构是研发成功的第一步,只有更优质的AI架构才能开发出更优质的芯片产品。新思科技人工智能实验室主任/MLPerf工作组主席廖仁亿表示传统的智能芯片的发展经过规范、设计、实施、检验、定案和验证等过程,而新思的AI平台从软件到硅片,实现周期更短、质量更好,也更加安全,并且会使用一些新的工具去发展、支持AI芯片的发展。

蓝海智能的总裁罗强先生就“边缘计算训练芯片”进行了演讲,同时代表产业界表示,目前的技术边缘计算快速的发展,是AI芯片进步的驱动因素之一,但是在未来,我们也将会取得更大的半导体领域的进展,半导体技术的进步也会给我们带来更多的创新,我们很多制造商,会采用新的半导体技术,这些技术包括像台机电等等,都在快速进行开发,他们可以为客户有更加完整的解决方案,这些半导体技术,并不仅仅只增加性能,还可以降低功耗,并不是一个单位数的,而是指数级的,这是未来希望通过半导体技术所达到的效能。

在AI芯片领域,中国的机会非常巨大,中国本身的市场很大,有数据、场景优势,最重要的是我们国家把它作为战略来发展,大力扶持芯片产业。

作为重要的前沿科技领域,类脑智能研究的大幕已经拉开,未来企业想成为AI领域的领导者,没有类脑芯片技术的加持,将举步维艰。

目前所面临的挑战

类脑智能的发展为我们带来了新的机遇,比如在汽车行业,汽车亟需更多的电力、更加智能化应用等;与此同时,我们也面临着更多新的挑战。

主要挑战是缺少人才。从算法、计算框架,到整个芯片的实现,我国人才都十分匮乏,需要全面、大力培养人才来支持AI产业。

现在的模型,比如说深度学习,要么做视觉识别,要么语音识别,只是模拟类似单一的脑区,而我们的大脑是由不同的脑区来完成不同的功能,多个脑区之间又有联合学习的能力。为了真正让类脑智能更加灵活,我们应该借鉴大脑复杂的多脑区结构,完成多脑区协同学习,只是现在还没有统一的架构来满足多脑区灵活学习需求,这将是未来的重要研究方向。   

目前深度学习、人工智能所用的平台工具都是开放、开源型,且基本上为国际企业所提供;需要国内企业努力,做出一个符合本土AI需求的框架,尽早弥补我国从研究、开发,到维护整个平台工具链条这一薄弱环节。

开源降低了本土企业的研发门槛,但开源的背后是国外大企业的支持,话语权并不在我们手里;在类脑智能这个新领域里,中国企业或许可以一试。

未来市场巨大

人脸识别、声音识别、图像识别,到游戏、自动驾驶等等,人工智能可以说无处不在,随着5G的进一步普及,未来AI和5G市场潜力巨大。本土人工智能产业可利用海量数据引领全球AI行业发展。

由物联网提供数据支撑,由AI提供解析方案,这将是从“万物互联”到“万物智联”的新途径,其本质是实现机器对物理世界的智能化感知。芮启智能首席执行官环宇翔先生表示AIoT的处理具有边缘化、智能传感、低延时、低功耗以及保证隐私安全等特征。展望未来,算法和专用硬件是基础,行业场景和行业经验是关键,而这一切的核心源于大量的数据,必须依赖于行业专家的支持经验,把数据转化成想要的AI能提取的智能信息,这是AI得以实现的关键。

现阶段人们需要更高效的神经网络硬件,以促进类脑芯片制造。斯德哥尔摩大学教授Anders Lansner表示,脑科学能够帮助我们实现这一目标,如何充分真正了解人类大脑的运作机制,则需要结合神经科学以及认知心理学这两个学科,对于未来新一代的人工智能而言,我们需要深入的了解这些学科本身的内容以及背后的概念。

全球电子产业链制造重心在中国,中国制造业产值占世界制造业产值的比重不断增加,同时中国半导体产值的增速也高于制造业产值增速,5G、汽车电子等方面的大力发展催生半导体拥有新机会。计算力、算法的提升,大量数据的储备,以及中国广泛的资本四大因素促进了人工智能进入繁荣期,而人工智能带来的产业变革大家都有目共睹。华登国际副总裁苏东先生表示中国半导体产业的成功离不开政策、产业链、市场以及人才的铺垫。

人工智能的应用除了我们所熟知的自动驾驶、智能家居等应用领域外,还能赋能升级线下零售。阿里、天猫、京东等线上零售的交易额非常巨大,而线下零售产值是线上的四倍多;另外,线下零售的流量更优质。Aibee算法科学家翁仁亮表示:线下场景数字化可以与线上数据打通,以及电子商务跟线下零售打通,这对于运营商来说,让零售可以做得更为精确。

可以想象,未来“类脑智能”将形成新型智能形态,并且利用其强大的感知、记忆、推理、学习能力以及机器智能体的信息整合、搜索、计算能力为各行各业赋能,给我们的生产生活带来更大的便利。

新氦类脑智能的启示

深度学习的角度来说,我们起步比国外晚很多,从平台角度来说,都有自己的平台,几乎能够统治深度学习的江山,然而在类脑智领域里面,还没有出现一家独大的情况,像新氦类脑智能,国内的类脑中心复旦大学,以及清华大学等高校和机构,已是中国类脑智能的领头羊。作为类脑芯片产业的新生力量,新氦类脑智能公司正在加速推动产业化,充分发挥技术优势,推动产业转化,为各类型技术团队及企业提供专家支持,行业资源,对接各类型人工智能应用场景。

新氦类脑智能研发与转化功能型平台由国际顶级芯片及人工智能行业专家领衔,配备前沿的芯片设计、仿真及测试验证环境,加强应用基础研究,拓展实施国家重大科技项目,突出关键共性技术、前沿引领技术、颠覆性技术创新,作为世界领先的技术平台,立足上海面向全球。

半导体行业观察
半导体行业观察

最有深度的半导体新媒体,实时、专业、原创、深度,30万半导体精英关注!专注观察全球半导体最新资讯、技术前沿、发展趋势。

产业AI芯片类脑芯片
相关数据
复旦大学机构

复旦大学(Fudan University),简称“复旦”,位于中国上海,由中华人民共和国教育部直属,中央直管副部级建制,国家双一流(A类)、985工程、211工程建设高校,入选珠峰计划、111计划、2011计划、卓越医生教育培养计划、卓越法律人才教育培养计划、国家建设高水平大学公派研究生项目,九校联盟(C9)、中国大学校长联谊会、东亚研究型大学协会、环太平洋大学协会的重要成员,是一所世界知名、国内顶尖的全国重点大学。

相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

神经元技术

(人工)神经元是一个类比于生物神经元的数学计算模型,是神经网络的基本组成单元。 对于生物神经网络,每个神经元与其他神经元相连,当它“兴奋”时会向相连的神经元发送化学物质,从而改变这些神经元的电位;神经元的“兴奋”由其电位决定,当它的电位超过一个“阈值”(threshold)便会被激活,亦即“兴奋”。 目前最常见的神经元模型是基于1943年 Warren McCulloch 和 Walter Pitts提出的“M-P 神经元模型”。 在这个模型中,神经元通过带权重的连接接处理来自n个其他神经元的输入信号,其总输入值将与神经元的阈值进行比较,最后通过“激活函数”(activation function)产生神经元的输出。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

物体识别技术

计算机视觉领域的一个分支,研究物体的识别任务

感知器技术

感知器是Frank Rosenblatt在1957年就职于Cornell航空实验室时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈神经网络,是一种二元线性分类器。 Frank Rosenblatt给出了相应的感知机学习算法,常用的有感知机学习、最小二乘法和梯度下降法。

京东机构

京东(股票代码:JD),中国自营式电商企业,创始人刘强东担任京东集团董事局主席兼首席执行官。旗下设有京东商城、京东金融、拍拍网、京东智能、O2O及海外事业部等。2013年正式获得虚拟运营商牌照。2014年5月在美国纳斯达克证券交易所正式挂牌上市。 2016年6月与沃尔玛达成深度战略合作,1号店并入京东。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

类脑芯片技术

类脑芯片是一种结构独特,可以仿照人类大脑的信息处理方式进行感知、思考、产生行为。人脑中的突触是神经元之间的连接,具有可塑性,能够随所传递的神经元信号强弱和极性调整传递效率,并在信号消失后保持传递效率。而模仿此类运作模式的类脑芯片便可实现数据并行传送,分布式处理,并能够以低功耗实时处理海量数据。

推荐文章
暂无评论
暂无评论~