清华大学研发类脑计算机 将推动AI高速发展！

近日，清华大学计算机系张悠慧团队和精密仪器系施路平团队与合作者在《自然》（Nature）杂志发文，提出“类脑计算完备性”以及软硬件去耦合的类脑计算系统层次结构。

该论文通过理论论证与原型实验证明该类系统的硬件完备性与编译可行性，并扩展了类脑计算系统应用范围使之能支持通用计算。

而类脑计算处于起步阶段，国际上尚未形成公认的技术标准与方案，这一成果填补了空白，利于自主掌握新型计算机系统核心技术。

什么是类脑计算？

类脑计算是生命科学，特别是脑科学与信息技术的高度交叉和融合，其技术内涵包括对于大脑信息处理原理的深入理解，在此基础上开发新型的处理器、算法和系统集成架构，并将其运用于新一代人工智能、大数据处理、人机交互等广泛的领域。

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。大脑神经网络在不同的层级水平上具有不同的信息处理与逻辑分析能力，但它们却是协同统一的整体，彼此之间紧密联系。类脑计算机正是这样一款模拟大脑神经网络运行、具备超大规模脉冲实时通信的新型计算机模型。类脑计算机通过模拟生物大脑神经网络的高效能、低功耗、实时性等特点，借助大规模的CPU 集群来进行神经网络实现。

当前计算机技术正面临两个重要的瓶颈：“冯·诺依曼”架构导致的存储墙效应造成能效低下，以及引领半导体发展的摩尔定律预计在未来数年内失效。一方面，传统处理器架构需将高维信息的处理过程转换成纯时间维度的一维处理过程，其效率低、能耗高；在处理非结构化信息时无法构造合适的算法，尤其在实时处理智能问题时难以满足需求。此外，信息处理过程在物理分离的中央处理器和存储器内完成，程序和数据依次从存储器读入中央处理器进行处理，而后再送回存储器中，该过程造成大量的能耗损失。程序或数据往复传输的速率与中央处理器处理信息的速率不匹配导致严重的存储墙效应。另一方面，随着业界进入的亚10 纳米技术节点，器件越来越逼近各自物理微缩的极限，量子效应越来越干扰器件的正常工作。虽然对于摩尔定律的具体终结时间人们有不同的估算，但工业界对于持续50年摩尔定律的终结本身并无争议。

显而易见，对脑神经科学展开深入研究，并研发相应的类脑计算技术便尤为迫切。欧盟、美国、英国、韩国、日本等国家／地区都已深度开展脑科学或神经科学等相关领域的研究，2016 年更是被誉为类脑计算机研究的元年。类脑计算机与传统计算机所依托的理论和技术均有所不同，下面从体系结构、基础软件、应用软件、典型应用、智能目标等方面来进行简要比对。