作為類腦智能研究的范疇，類腦芯片近幾年的發展進步受到了企業和政府的支持，國內也不斷有新的研究成果出現。

國內在類腦芯片的研究進展

近年來，國內在類腦芯片的研究上也取了很多的進展，如西井科技的腦神經元芯片、浙大的“達爾文”類腦芯片、清華大學的電子突觸陣列技術等。

西井科技是國內較早研究類腦芯片的企業，目前它們已推出了自主研發的擁有百億規模神經元人腦仿真模擬器和可商用化五千萬類腦神經元芯片DeepSouth兩款產品。神經元人腦仿真模擬器類似于飛行員訓練用的飛行模擬器，雖然人腦模擬器不能取代活體實驗，但可以大大減少活體消耗。它可以通過接受醫學上大腦神經元脈沖放電數據，以更直觀方式呈現人腦的脈沖形態，幫助人類更清晰更直觀的研究人腦的癥狀，同時采集數據反饋回大腦仿真模擬器檢驗藥物及治療效果。

DeepSouth 是一款可商用化的芯片，它能模擬出高達五千萬個“神經元”，有 五十多億個“神經突觸”，該芯片除了具備“自我學習、自我實時提高”的能力外，還可以直接在芯片上完成計算，不需要通過網絡連接后臺服務器，可在“無網絡”情況下使用。值得一提的是，DeepSouth 芯片在同一任務下的功耗僅為傳統芯片的幾十分之一到幾百分之一。

2015年12月，由浙江大學牽頭的聯合研究小組在國內首次研制出支持脈沖神經網絡的類腦芯片，它們取名為“達爾文”芯片。據相關人士介紹，這款芯片借鑒大腦神經網絡結構與原理，創造出更省電、高效、智能的計算系統，與傳統人工神經網絡相比，其在結構與原理上都更加接近生物神經系統。

政府對類腦芯片研究也同樣關注

美國為保持技術優勢，率先發起類腦計算芯片的相關研究工作，通過模仿人腦工作原理，使用神經元和突觸的方式替代傳統馮諾依曼架構體系，使芯片能夠進行異步、并行、低速和分布式處理信息數據，并具備自主感知、識別和學習的能力。因此市面上第一款類腦芯片TrueNorth就來自于美國的IBM公司。

中國也十分重視類腦研究，不僅在2015年將腦計劃作為重大科技項目列入國家“十三五”規劃，還發布了關于腦計劃“一體兩翼”的總體戰略：一體即認識腦：以闡釋人類認知的神經基礎為主體和核心;兩翼即保護腦：預防、診斷和治療腦重大疾病和模擬腦：類腦計算。

中國的學術界也展開了對類腦的研究，2015 年中科院、清華、北大，相繼成立“腦科學與類腦智能研究中心”，2017年5月在合肥成立了類腦智能技術及應用國家工程實驗室。這些實驗室將借鑒人腦機制攻關人工智能技術，推進類腦神經芯片、類腦智能機器人等新興產業發展。這些類腦學術研究成果也在向企業界轉化，例如清華大學類腦研究中心成果在2018年轉化成立北京靈汐科技公司，以專注類腦芯片商用化。

類腦芯片的研究方向

現階段類腦智能研究發展依然緩慢。一是由于腦機理認知尚不清楚。大腦是人類進化的高級產物，重量約1.5公斤，占體重2%，功耗約20瓦，占全身功耗20%，當前人類對大腦的認識還不足5%，尚無完整的腦譜圖可參考;二是由于類腦計算模型和算法尚不精確。神經元連接的多樣性變化性，使得前饋、反饋、前饋激勵、前饋抑制、反饋激勵、反饋抑制的建模不精確，腦功能分區與多腦區協同的算法不準確;三是現有計算架構和能力制約?，F在計算系統是馮諾依曼架構，計算與存儲分離，系統功耗高、并行度低、規模有限，而類腦計算系統是非馮諾依曼架構，計算與存儲統合，高密度、低功耗，顛覆現有架構的代價較大。

而現類腦芯片需從不精確、非完整信息的類腦神經計算技術出發，通過提煉神經網絡處理中的共性運算特性，發展類腦神經元計算模型，通過改變控制參數，使相同神經元電路模塊能完成不同的神經元功能，增強神經計算電路模塊的通用性，降低設計、制造的難度。此外，還需要迫切解決類腦計算芯片的功耗問題，需要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。發展基于統一抽象的、實時可調的軟件抽象層設計，通過和硬件結合，對低功耗設計與評估進行實時反饋和調節，為上層設計提供一個可靠且便利的軟硬件間的橋梁，解決能適應多種應用需求的兼容性問題。

和使用了諾依曼結構的GPU、FPGA、ASIC相比，類腦芯片是基于更早期的集成電路發展的?，F在的類腦芯片尚未在市場上大規模應用，擁有很大的發展空間。