电脑被认为是人类最伟大的发明之一，基于此我们构建了一个数码宇宙，支撑了最近十年人工智能的繁荣，大大推动了人类生活的进步。除此之外，我们也常常会发现一种有趣的现象：在很多方面，电脑能力远超人脑，但在学习能力、举一反三能力、复杂动态不确定环境中的综合决策能力等方面，计算机却远不如人脑“灵光”。虽然人脑和电脑的基本原理不同，但他们之间却可以实现优势互补。因此，借鉴脑科学的基本原理，将人脑和电脑的优势结合起来，发展类脑计算系统是未来一个非常有前景的方向。

理想类脑计算系统三大需求

第一、类脑计算系统必须能够支持人工通用智能的发展。有别于现有人工智能的计算范式，大脑智能主要体现为通用性，比如自主学习能力、迁移能力和鲁棒性、多模态多任务并发关联。类似大脑的人工通用智能是类脑计算的终极目标，而人脑是目前唯一的通用智能体，因此借鉴人脑信息处理机制的类脑计算系统必须能够支持通用智能的发展。

第二、类脑计算系统必须具备超高的运行效率。人脑的智能水平很高，不仅能实时完成各种各样的任务，而且大脑的能量消耗只有大约20瓦，仅相当于一个普通电灯泡。而最初，谷歌阿尔法狗围棋机器人对决韩国围棋选手李世石时，其运行后台装在了上千张CPU/GPU卡，成本巨大。由此可见，传统处理器平台所采用的计算架构和人脑系统的超高运行效率相差甚远，这是类脑计算系统亟需解决的问题。

第三、类脑计算系统必须具备强大的扩展能力。人脑含有千亿神经细胞和万兆突触连接，进化和不断学习是人脑的一个重要特征。传统智能系统通常是以实现某个任务为目标而设计的专用处理架构，而类脑计算系统还需要考虑对脑网络的灵活支持。随着环境复杂性和任务难度的增加，类脑计算系统要能够扩展到更大的规模。

综上所述，想要构建一个理想的类脑计算系统，从智能角度需要能够支撑人工通用智能的发展，从计算角度需要具备超高的运行效率，从构建角度需要具有强大的扩展能力，这些是类脑计算实现长足发展的技术基础与保障。

两条智能路线的优势互补→异构融合“天机芯”

发展通用人工智能，主要有基于计算机科学和基于神经科学两个主要方向，二者各有优缺点。基于此，学术界和产业界持续投入并开发了多种专用计算平台，分别称为“机器学习加速器”和“神经形态芯片”，掀起了一股人工智能芯片的热潮。

然而，当前这两类智能芯片只针对单一的机器学习或神经形态计算范式，虽然在各自领域均取得了诸多成果，但并未摆脱单一范式的固有缺陷。通过在不同任务基准上，对上述两类单一范式的模型进行广泛比较，我们发现这两类范式虽然各有缺陷，但多数情况下却显现出优势互补的特性。例如，以人工神经网络为主的机器学习模型善于处理密集型特征、准确率高、计算代价大，而以脉冲神经网络为主的神经形态模型善于处理稀疏型特征、准确率低、计算代价小。此外，我们系统性梳理了两类范式下的各种神经网络模型，发现他们虽然计算与编码方式不同，但连接方式与突触积分过程却大致相似。

图1： “天机芯”2019年《自然》杂志封面

由此，以施路平教授为首的清华大学类脑计算团队提出将目前两大智能范式进行融合的新范式，致力于推动通用人工智能的发展。通过将各类模型的计算过程统一拆分成少数几个功能单元，设计了统一的计算核架构，提出了世界首创的、符合脑科学基本规律的新型类脑计算架构—异构融合“天机芯”。相比于单一计算范式的芯片，“天机芯”仅增加不到3%的面积，同时支持计算机科学和神经科学的神经网络模型，并允许构建前所未有的混合计算模型。这种扬长避短、优势互补的双重范式，开启了类脑计算探索的新大门，成功发表为2019年《自然》杂志封面论文[1]（图1），入选2019年中国科学十大进展、中国十大科技进展新闻、15项世界互联网领先科技成果。

光有芯片可不行→类脑计算工具链

重新回顾计算机的发展历程，我们可以发现，除了计算机硬件本身，图灵完备性和软件工具链功不可没。前者从理论上保证了计算机架构的通用性，后者通过解耦软硬件设计使得软件和硬件可以独立发展，我们才能看到计算机硬件和软件系统一代又一代长久地发展至今。

图2 类脑计算完备性和工具链（2020年《自然》杂志论文图）

回到类脑计算，同样的道理，光有芯片可不行。类脑计算领域若想长足发展，也必须建立类似计算机系统层级架构的通用理论和工具链。经过几年时间的技术攻关，本团队基于松弛的图灵完备性提出了类脑计算完备性，并构建了从图灵完备的编程语言和计算操作图到类脑计算完备的执行原语图和硬件部署的完整类脑计算系统层级架构，解耦了类脑计算软硬件设计过程，将帮助类脑计算从各自为战的底层芯片研发逐渐走向统一标准的完整生态建设。该工作也成功发表在2020年《自然》杂志[2]。

积极推动类脑计算产业化

为推动类脑计算产业化，清华大学类脑计算研究中心孵化出北京hth华体会体育官网登录入口科技有限公司。我们以类脑计算芯片及平台为切入点，辐射构建类脑计算软硬件基础设施，助力类脑计算理论研究与应用落地，推动通用人工智能的发展，最终赋能各行各业。

类脑计算代表了人类对自身智能探索的最高峰，是一个伴随人类存在永远不会消亡的课题，不断激发着研究者的探索激情。相比于当下比较火热的机器学习人工智能，此路虽有荆棘，但未来可期。

参考文献：