神经形态计算是一种新型计算模式，它通过仿照人类大脑的结构来构建极度相似计算架构，能够模拟大脑结构和神经突触的可塑性，以及大脑的事件驱动、分布式和并行的处理方式，通过积累经验进行学习，发现事物之间的相互联系，能极大提升计算系统的感知与自主学习能力，在模式识别、行为建模、查找目标、智能自动化数据处理、智能分析等多方面具有明显优势。此外，神经形态计算所需能耗较低，有助于应对当前十分严峻的能耗问题。

2015年3月，美国高通公司^[1]在2015世界通信大会上正式发布了基于Zeroth（零计划）平台的下一代处理器——骁龙820处理器。Zeroth是高通公司研发的一种神经形态计算平台，该平台将使智能手机变得更加聪明，可以在用户发出指令前预测其需求。高通表示将于2015年下半年开始试产骁龙820，相关智能手机有望于2016年初面市。这预示着，作为2014年最引人关注的前沿科技之一的神经形态计算技术即将进入大规模商业应用时代。

表1  神经形态计算芯片与传统芯片特点比较

一、重大成果引关注

2014年12月，《科学》杂志将IBM公司研制的神经形态计算芯片“真北”（TrueNorth）评选为“2014年世界十大科技突破”之一。该成果在2015年1月底同样入选了我国两院院士评选的“2014年世界十大科技进展”新闻。“真北”是IBM在2014年8月宣布的一项重大成果^[2]，具备100万个可编程的神经元、2.56亿个可编程的突触和54亿个晶体管，但功耗仅为70毫瓦，每秒每瓦可进行460亿次突触运算。这种芯片的架构是一个由4096个数字化、分布式的神经突触内核组成的二维片上网状网络，每一内核模块都集成了存储、计算和通信元件，并能以事件驱动、并行和容错的方式运行。多个此款芯片可以无缝互联、进行扩展，从而为开发未来的神经形态超级计算机打下了基础。“真北”具有完整的认知型硬件和软件生态系统，可能变革传统计算技术，并为移动应用、云计算、超级计算和分布式传感等带来新的发展机遇。

此外，神经形态计算在近两年还得到了全球多家重要媒体的关注。《纽约时报》发文称计算机已进入能够从经验中自我学习的阶段，并将颠覆现有的数字技术。《华盛顿邮报》提出2014年应当关注的首个热点科技词汇就是“神经形态”。美国麻省理工学院《技术评论》网站将“神经形态芯片”评选为“2014年十大突破性科学技术”之一。《科学》杂志发文称神经形态计算将在近期赋予机器人类似人类的感知能力和自主能力。

二、欧美积极开展研发布局

近年来，美国与欧盟对神经形态计算都投入了大量研发资源，布局了许多重大项目，并取得了快速进步。

美国国防部高级研究计划局（DARPA）、国家科学基金会（NSF）、陆军研究实验室（ARL）等已投入上亿美元支持相关研发，IBM、高通、Brain公司等企业也已开发出了相关产品。其中DARPA支持的SyNAPSE项目旨在开发形式、功能和架构都与哺乳动物大脑类似的认知计算机，并创建智能水平能与老鼠或猫相媲美的机器人，该项目参与机构多、持续时间长、投入经费高，并在各个阶段都取得了若干成果，是美国神经形态计算研发项目的典型代表，IBM的“真北”就是SyNAPSE项目的成果之一。SyNAPSE项目各阶段研发目标如表2所示。

表2  SyNAPSE项目各阶段研发目标

2015年1月，美国陆军研究实验室公布的《2015-2019年技术实施计划》^[3]提出将利用神经形态计算等新兴计算技术来研制未来超级计算机和促进大数据技术研发与应用。相关研发目标包括：针对神经形态计算研发可扩展、分布式的算法；利用神经形态计算等技术开发战场指令应用；实现神经形态计算、量子计算和生物计算等新型计算模式与硬件的集成，并用于装备士兵；探索神经形态计算技术，开发相关小型系统与算法；利用多核技术和神经形态计算技术开发异构计算架构；利用神经形态计算技术，提高系统的自治能力，开发基于决策的方法；利用下一代计算架构（包括百亿亿次计算、量子计算、神经形态计算、DNA计算、生物计算）开发异构计算机。

欧洲也开展了多项神经形态计算研发项目，相关研发经费超过两亿欧元，其中在2013年启动的欧盟“人脑计划”（HBP）将神经形态计算作为一项核心内容，分配了至少1.56亿欧元的经费，为目前支持力度最大的研发项目^[4],[5]。HBP共设13个子项目，包括神经形态计算、认知架构、神经信息学、大脑仿真、神经机器人等5个密切相关项目。HBP研发神经形态计算系统的策略是将神经形态硬件与不同级别的大脑模型相结合，系统地研究神经形态系统计算性能与模型复杂性之间的关系，以及在保持计算性能的前提下降低复杂性的方法，而大多数方法都依赖于高性能计算。HBP的神经形态计算研发将实现以下目标：（1）通过物理模拟人脑模型进行神经形态计算，实现脑细胞、电路和功能的物理仿真；（2）开发数字多核脑模型，实现神经形态计算仿真；（3）实现通用软件工具与高性能计算的集成，为神经形态系统应用程序设计和开发提供支持；（4）开发神经形态电路新技术，包括分布式存储器技术、纳米级开关、高密度组装技术、三维硅集成技术，以及神经形态的超大规模集成电路；（5）构建神经形态计算平台，全面整合神经形态计算系统的工具和技术，供科研人员利用。

1. 我国发展建议

   近几年，我国有不少机构和科研人员投入到了相关研究中，各方也开始重视对相关问题的研究与布局^[6],[7]。然而，我国科研部门还未设立重大研发计划，缺乏阶段性规划，也未见企业参与，缺乏竞争力。为使我国能及早抓住此次技术变革机遇，建议从以下两方面展开行动：

   1、神经形态计算具有很强的前沿性和跨学科性，美国和欧洲目前都通过大型的国家项目来支持科研院所与企业来开展研究，具有很强的战略性和规划性。而我国在战略布局、项目规划等方面还处于缺失状态，需要加强中长期战略研究与规划，并给予支持和实施。

   2、当前研发热点在于将计算机科学与脑科学相融合，美国和欧洲都已划拨巨资支持脑科学重大研究计划，以大力促进计算机科学与脑科学的融合发展。建议我国围绕大脑结构、大脑仿真与模拟、神经网络、大脑认知和信息处理机制、神经形态芯片及软件、大规模数字模拟电路、忆阻器、单神经元计算、神经机器人等当前热点研发主题投入研发资源，并构建相关研发平台与工具供各方利用，加快促进计算科学与脑科学的融合创新。                                               

（唐川）