神经模态芯片如何商业化落地

神经模态芯片近几年来的落地方向按照神经元规模可以分成两类。

对于Intel和IBM这类在大规模神经元领域大量投资的公司，事实上也并不急着在几年内让神经模态芯片系统落地，而是希望在这几年内把神经模态计算的研究、生态先做起来，等到神经模态计算研究取得突破（例如神经元跨过了某个阈值或者新的训练算法出现，在一些关键领域能解决其他方法无法解决的问题）时就能获得先机。在近几年，大规模神经模态计算芯片的主要应用估计还是在研究上，包括作为脑科学研究（模拟大脑神经系统）系统平台供各大高校和研究机构使用。另外，Intel和IBM估计也在积极寻找一些传统图灵机算法和冯诺伊曼架构难以高效处理但适合神经模态计算的问题（例如优化问题等），和其他有需求的行业公司合作，以此作为神经模态计算的初步落地尝试。

另一方面，在中等规模神经元规模、主打低功耗的神经模态芯片方向上，最近兴起的物联网将会成为最佳的落地应用。物联网配合人工智能将会给社会带来巨大的变化，然而目前基于深度学习的芯片难以实现物联网对于低功耗的需求（小于毫瓦级的功耗）。这时候就是神经模态芯片大展身手的地方。在这个方向上，技术和商业化都较领先的是位于瑞士初创公司的aiCTX，该公司的技术来自于前述苏黎世理工大学Indiveri组的研究，其芯片平均功耗可以到达微瓦数量级，目前主打的场景就是超低功耗物联网场景，包括边缘视觉应用（安防、机器人等场景）、可穿戴设备等等。不久前aiCTX刚发布了含有一百万神经元的芯片DynapCNN，并且获得了CES Asia 2019颁发的创新奖。

在中国，神经模态芯片也得到了国家和业界的重视。在研究方面，清华类脑计算中心做出了卓越的贡献，其工作发表在全球顶级期刊和会议上。上海也于今年建立了上海脑科学与类脑研究中心，神经模态计算是该中心的重点方向之一。在商业化方面，清华类脑计算中心孵化的初创公司灵汐科技在今年发布了自主研发的“天机二代”芯片系统，使用众核存算一体架构，具有高速度、高性能、低功耗的特点。相比国外同行，我国的神经模态计算在最近几年得到了来自国家非常高的重视，相信在未来几年内将会有全球领先的成果诞生。