新型类脑算法

A. 中国向类脑智能领域发力，机器人将超越我们

作者：中国科普博览

近日，“类脑智能技术及应用国家工程实验室”成立大会暨首届中国类脑智能高峰论坛（以下简称“大会”）在合肥举办，大会以“类脑智能、驾驭未来”为主题，将为人工智能领域的科研机构、业内企业和亟待转型的传统行业搭建起全方位的交流平台。

人工智能已上升为国家战略目标，类脑智能技术及应用国家工程实验室填补了中国类脑智能领域创新能力工程实验室的空白，对显着提升人工智能技术的科研水平和核心竞争力，促进中国智能产业的跨越式发展具有重要的意义。

未来的类脑智能研究会在结构类脑和行为类人方面更加深入。目前不管是神经结构模拟还是学习行为模拟都是比较粗浅的。以学习为例，当前主流的监督学习是比较“粗暴”的学习方式，即一次性给予大量的类别标记数据对人工神经网络进行训练，而要收集大量标记数据是要付出很大代价的。人脑的学习具有很强的灵活性，从小样本开始，不断地随环境自适应。这种学习灵活性应该是未来机器学习的一个主要研究目标。

我国提出的“中国脑计划”（“脑科学与类脑研究”），其基本框架是一体两翼：一体是脑认知功能研究，从脑科学和神经科学角度研究脑神经结构和认识功能；两翼是脑科学应用研究，一是脑疾病的诊断、预测、治疗，另一方面是类脑智能研究。将来类脑智能和当前主流的基于传统计算的人工智能方法将并行发展，相互取长补短。另外，从应用的角度，人与机器协同工作，人的智能与机器智能互补也是一个必然趋势。未来，类脑智能研究将推动智能技术向通用的人类水平的智能，即强人工智能的目标逐渐逼近。

B. 清华大学开发出的异构融合类脑计算芯片登上《自然》杂志的封面，这个芯片为什么那么厉害

近日，清华大学类脑计算研究中心施路平教授团队展示了一辆自动驾驶自行车。这不是全球第一辆自动驾驶自行车。但它配备了一种人工智能芯片——神经形态计算机芯片——它可能是最接近于独立思考的机器。

其实早在2015年，清华团队就完成了第一代"天机"芯片，2017年进化为第二代，速度更快，性能更高，功耗更低，相比于当前世界先进的IBM TrueNorth，也具备功能更全、灵活性、扩展更好的优点，密度高出20%，速度高出至少10倍，带宽高出至少100倍。

C. 什么是类脑计算

什么是类脑计算？
一般地说，类脑计算是指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。

D. 首发｜脑科学火了，类脑芯片公司SynSense时识科技融了近两亿

9月17日，类脑芯片公司SynSense时识 科技 宣布完成近两亿元Pre-B轮融资，由 栖港投资 和 张江科投 联合领投， 中电海康、招商启航、泰科源电子、Ventech China 等产业投资人跟投，老股东 和利资本 、 亚昌投资 继续加码。

“本轮融资资金主要用于加速类脑芯片产品的研发，推动类脑技术在人工智能边缘计算领域的产业化落地。”SynSense时识 科技 创始人兼CEO乔宁 介绍说。

资料显示，SynSense时识 科技 是一家世界领先的类脑智能芯片设计及研发公司。基于苏黎世大学及苏黎世联邦理工20多年的类脑技术研究成果，公司于2017年2月成立于瑞士苏黎世，并于2020年4月将总部迁至中国。这也是世界知名高校苏黎世大学唯一孵化并境外持股的一家类脑芯片公司。SynSense时识 科技 提供全球领先的超低功耗、超低延时的类脑技术解决方案，其解决方案多次获得CES等产业创新奖，可广泛用于万亿级边缘计算智能应用场景。

技术大牛联手

做了一家类脑芯片创业公司

SynSense时识 科技 的创始人兼CEO乔宁博士， 毕业于中科院半导体研究所 ，在2012年加入了苏黎世大学及苏黎世联邦理工的神经信息研究所（INI），并作为高级研究员（Oberassistant）带领课题组从事前沿的类脑芯片研究与开发。他曾经主导和参与了近10项欧盟类脑项目，设计开发多款世界领先的类脑芯片平台，并在国际顶级会议及期刊上发表类脑相关文章数十篇。

SynSense时识 科技 创始人兼CEO乔宁博士

SynSense时识 科技 的联合创始人Giacomo Inperi教授师从加州理工传奇人物、神经形态工程发明人、集成电路之父Carver Mead教授。二十多年来，Giacomo教授一直深耕类脑技术研究，在类脑技术领域极富影响力，被视为类脑界大神级人物。目前Giacomo教授为苏黎世大学与苏黎世联邦理工学院终身教授、苏黎世神经信息研究所INI所长，并作为首席科学家任职于SynSense时识 科技 。

SynSense时识 科技 拥有世界顶级的类脑技术研发及产业化团队 。截止目前，公司在苏黎世、上海、南京、成都、苏州等地拥有顶级设计研发中心及联合实验室，汇聚了来自十几个国家及地区的近百名顶尖的技术研发人员，涵盖了类脑芯片算法、芯片架构、芯片设计、芯片应用开发等多个维度。公司近80%人员属于研发团队，且研发团队中有近50%的人员拥有国际顶级高校博士及以上学历及研发经验，整个团队在Nature、Science等顶级期刊及会议发表文章600余篇，引用量超过17,000余次；公司管理层曾就职于Intel、海思、IDT、联想等国际知名公司，均有超过10年以上产业研发及管理经验。

基于类脑算法、芯片技术、市场应用落地等全方位优势，SynSense时识 科技 已成为国际公认的类脑技术的引领者之一。2020年公司落地中国之后，迅速引起行业关注，并获得诸多国内外奖项。2020-2021年连续两年被EE Times评为“全球最值得关注的100家新创公司”之一，也是唯一一家入选榜单的类脑芯片公司。

在Yole发布的《2021年类脑市场与技术分析报告》中，SynSense时识 科技 也获得高度关注，被称为“唯一一家横跨感知与计算两界的类脑智能芯片公司”。

Yole2021年类脑产业分析报告

今年7月，SynSense时识 科技 发布颠覆式边缘视觉智能解决方案Speck。Speck为全球首款基于类脑感知及类脑计算的全仿生、动态视觉智能SoC。Speck单芯片集成了动态视觉感知DVS模组，以及SynSense时识 科技 独创的DYNAP-CNN动态视觉运算内核，为世界上第一款完全事件驱动、亚毫瓦超低功耗、毫秒级超低延迟、无隐私，专注于端上的完整智能视觉解决方案。该设计一经发布就获得业界广泛关注，不但产品获得世界人工智能大会WAIC卓越人工智能引领者奖（SAIL），公司也成功与全球知名手机模组厂商深入开发合作，推出轻量级智能视觉模组。

目前，公司已与中电海康等公司在智能安防、智能灯具、智慧康养等领域达成深度合作，预计2021年底可实现Speck的小规模量产。

全球首款基于类脑技术的动态视觉智能 SoC――Speck

与其他研究驱动型的机构相比，SynSense时识 科技 的风格更加务实。在以市场为导向的基础上，这家公司走上了另一条道路： 以市场需求为引擎，驱动算法优化，最后将类脑技术落实到芯片设计以及应用层。

在这个实现路径下，对比于IBM的TrueNorth、Intel的Loihi以及清华大学的天机芯等通用类脑芯片平台，SynSense时识 科技 的类脑芯片的集成度会获得几十倍的提升，在芯片功耗大幅降低的同时，芯片的成本也将降低到几十分之一或者百分之一，例如从100美金降低至1美金。这也是为什么SynSense时识 科技 能受到各知名资方以及产业资方高度认可和背书的主要原因之一。

脑科学赛道悄悄火了

他们分享了投资背后的逻辑

作为本轮领投方，栖港投资专注于旨在引领和推动未来 科技 发展的硬 科技 企业，挖掘技术和市场能力俱佳的优秀团队。对于投资时识 科技 ， 栖港投资创始合伙人徐琳洁 表示：“在后摩尔定律时代，类脑计算是打破冯·诺依曼瓶颈、实现多模态融合的重要技术，可为AI边缘计算各类场景提供超低功耗和超低延时的解决方案，发展潜力巨大。时识 科技 起源于全球类脑科学主要发源地——苏黎世神经信息研究所，目前已正式发布多款可商用类脑芯片，在技术先进性、商业落地方面均走在全球前列。未来，期待时识 科技 在中国这个最具潜力和规模的应用市场中大放异彩，成为全球类脑 科技 发展的领导者。”

张江科投作为张江集团全资投资战略实施主体联合领投本次融资， 张江科投总经理余洪亮 介绍说，“我们一直以来都深度关注类脑技术等具有革命性、前瞻性及创造性的新技术。SynSense时识 科技 在类脑计算领域具有世界领先的技术优势。公司的创始人乔宁博士以及Giacomo教授在行业内具有很强的影响力；而团队的数十位核心成员在学术、研发及工程化能力等方面也都是顶级的。同时，SynSense时识 科技 非常务实，公司技术以应用为驱动，针对实际应用场景，充分发挥类脑技术优势设计颠覆式边缘计算技术解决方案，团队具有清晰的产业落地路径，也获得了业界的高度认可。”

本轮的战略投资方、战略合作伙伴， 中电海康研究院院长、凤凰光学股份有限公司董事章威 表示：“中电海康集团对类脑计算赛道一直保持着密切关注。在传统AI遇到算力瓶颈、能耗瓶颈的今天，类脑计算通过对生物脑运作机制的借鉴，有望为人工智能技术的进一步发展和应用落地，带来全新的 探索 思路。

据了解，SynSense时识 科技 的类脑芯片，具有毫瓦级运行功耗和毫秒级计算速度，同时还能够实现感知与计算一体化，十分适合作为传统视觉与AI的一种特色补充，用于各类物联网终端和边缘计算设备，以低功耗、低成本的代价长期监测和分析动态事件和目标行为。中电海康集团非常期待与广大伙伴合作，共同将类脑计算从实验室推向万物智联的各行各业。”

本轮的跟投方、战略合作伙伴 招商启航总经理王金晶 表示：“我们认为信息 社会 到智能 社会 ，迫切需要更好的算力。类脑计算芯片做为借鉴脑科学基本原理发展的非冯·诺依曼架构的新型信息处理芯片，已经展现出来了巨大潜力。SynSense时识 科技 创始团队包括了该领域多名国内外领军级人才，为边缘计算提供了新的解决方案，业界认可度极高。作为央企招商局集团旗下的产业投资基金，我们非常看好SynSense时识 科技 在物联网领域与招商局集团丰富的产业场景实现深度结合。”

本轮的战略投资方、战略合作伙伴、中国排名靠前的知名分销商 泰科源电子的董事长 表示：“非常看好SynSense时识 科技 的类脑技术解决方案，泰科源会积极推进与时识 科技 的技术合作，加速类脑技术的全面产业化落地。”

而本轮的投资方之一，一家起源于法国，深耕中国 科技 消费领域近15年的精品风投机构 Ventech China 认为：”时识 科技 是真正扎根于类脑芯片行业的企业，其推出的一系列产品证明了它拥有做这一领域的国际领军者的潜力，Ventech China也将会利用自己的全球网络助力公司在国际上的发展。”

继A轮领投SynSense时识 科技 之后，半导体领域知名投资机构和利资本持续加码。 和利资本合伙人张飚 表示：“在半导体领域国内很少有初创公司在前沿技术领域能够做到全球领先，引领技术革命浪潮，SynSense时识 科技 作为全球技术领先的类脑技术公司，是开拓性创新，且获得战略方与客户的投资和认可，未来潜力无穷。”

E. 我国科学家什么时候开发出新型类脑芯片

2019年8月1日，《自然》杂志刊登封面文章称，来自清华大学等单位的研究人员开发出全球首款异构融合类脑计算芯片。该芯片结合了类脑计算和基于计算机的机器学习，这种融合技术有望促进人工通用智能的研究和发展。

F. 类脑和卷积神经网络什么关系

一、“类脑”概念

1. 在早期，类脑一般是指从软硬件上模拟生物神经系统的结构与信息加工方式。

随着软硬件技术的进步，以及神经科学与各种工程技术的多方面融合发展，脑与机的界限被逐步打破。尤其是脑机接口，在计算机与生物脑之间建立了一条直接交流的信息通道，这为实现脑与机的双向交互、协同工作及一体化奠定了基础。

随之，“类脑”的概念逐步从信息域自然地延伸到生命域。因此，以脑机互联这一独特方式实现计算或智能，也被归入“类脑研究”范畴。

2. 类脑研究是以“人造超级大脑”为目标，借鉴人脑的信息处理方式，模拟大脑神经系统，构建以数值计算为基础的虚拟超级脑；或通过脑机交互，将计算与生命体融合，构建以虚拟脑与生物脑为物质基础的脑机一体化的超级大脑，最终建立新型的计算结构与智能形态。我们不妨将类脑的英文称为Cybrain (Cybernetic Brain)，即仿脑及融脑之意。其主要特征包括：

A.以信息为主要手段：用信息手段认识脑、模拟脑乃至融合脑；

B.以人造超级大脑为核心目标：包括以计算仿脑为主的虚拟超级脑，以及虚拟脑与生物脑一体化的超级大脑这两种形态；

C.以学科交叉会聚为突破方式：不单是计算机与神经科学交叉，还需要与微电子、材料、心理、物理、数学等大学科密切交叉会聚，才有更大机会取得突破。

3. 类脑研究的主要内容：

类脑研究要全面实现“懂脑、仿脑、连脑”，脑认知基础、类脑模拟、脑机互联三个方面缺一不可。因此，我们将类脑研究主要内容归纳为三个方面：信息手段认识脑、计算方式模拟脑、脑机融合增强脑（见图1）。其中，信息技术贯穿始终。

二、卷积神经网络

1. 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。

2. 卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invariant Artificial Neural Networks, SIANN）” 。

3. 对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet-5是最早出现的卷积神经网络 。

在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用于计算机视觉、自然语言处理等领域 。

4. 卷积神经网络仿造生物的视知觉（visual perception）机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化（grid-like topology）特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程（feature engineering）要求 。

三 、二者关系

人工智能时代的到来，大数据可以提供给计算机对人脑的模拟训练，强大的算力可以支撑计算机能够充分利用大数据获得更多规律，进行知识的学习。

类脑智能做的面比较广，出发点是开发一个与人脑具有类似功能的模拟大脑出来，达到人类的智慧，深度学习只是其中的一个小小的分支，是对人脑研究的一个小成果，而类脑智能相对研究的比较宽泛和深入。

而卷积神经网络只是深度学习的代表算法之一。