脈沖神經網絡芯片商業化還需要好幾年

　　條條大路通羅馬。不同技術路線的存在，也自有其生存的土壤。

　　人工神經網絡是從算法向硬件發展的。吳甘沙告訴記者，傳統的算法在通用芯片(CPU和GPU)上效率不高，于是出現了特定的算法加速器，來加速包括卷積神經網絡、遞歸神經網絡在內的各種神經網絡算法。比如Teradeep，它來源于Yann LeCun(上文提到的深度學習大神)的工作NeuFlow，已經實現了商業化。

　　中國科學院計算技術研究所寒武紀系列芯片在知識產權布局上非常獨到，也開始了商業化的探索。谷歌的TPU(Tensor Processing Unit)也是一種專用的加速器芯片，跟其深度學習軟件Tensor Flow匹配。就中短期而言，這類芯片有很好的商業化前景。

　　對于神經擬態芯片，常常見諸媒體的是架構和處理器層面的進展。吳甘沙提出，IBM的TrueNorth芯片和高通的Zeroth芯片，兩者都基于脈沖神經網絡。TrueNorth發源于DARPA的SyNAPSE，展示了在100mW功耗下模擬復雜的遞歸神經網絡的能力，體現了這一架構的獨特之處(但也有人指出功耗優勢來自較低的主頻)。Zeroth的商業試用并不成功，目前已轉向人工神經網絡加速器。

　　英特爾也在做脈沖神經網絡的芯片，估計商業化還需要好幾年。即便如此，各家公司還是投入重兵，因為它所代表的新型處理范式——計算與記憶的一體化、復雜互聯、遞歸、時空編碼、異步、低精度、隨機性、高容錯等特征，有很高的研究價值。例如，生物神經元有很多突觸連接，這在硅芯片上很難實現。另外，傳統的CPU和GPU都是同步的，實現神經擬態需要異步電路。

　　“所以說，另一種思路是在器件方面得到突破，比如DARPA UPSIDE基于模擬芯片，有些類腦芯片基于憶阻器(memristor)，以及IBM剛剛宣布的人工神經元，所有這些都比傳統的晶體管更容易實現類腦計算。”吳甘沙強調。

　　“IBM的神經元新器件對脈沖神經網絡的硬件實現有很大幫助，但這類模型在算法方面尚有很長的路要走。”陳天石表示，“未來也許會有突破，但近年不樂觀。”

　　實際上，對于人工神經元芯片的問世，IBM自身也是非常清醒的。他們在指出“這些相變神經元是我們到目前為止所創造出的行為最接近生物神經元的人工器件”的同時，也強調將面臨“更難的部分——編寫一些能夠真正利用該芯片的神經形態的軟件”。

　　但正如IBM所說：“我們沒有任何理由止步于此。”