20世纪80年代，科学家设想将人类大脑的功能映射到硬件上，即直接用硬件来模拟人脑结构，这种方法称为神经拟态计算，这类硬件被称为神经拟态芯片。经过近40年发展，神经拟态芯片相继问世。全球知名信息研究和分析机构高德纳（Gartner）日前的预测显示，到2025年，神经拟态芯片将成为高级人工智能部署的主要计算架构，该芯片有望成为用于AI系统的主要计算机芯片之一。
脉冲神经网络信息处理不再依赖计算机
传统人工智能主要以计算，即通过编程等手段实现机器智能。其中深度学习是目前广泛应用的技术之一，2006年左右，深度学习技术进入大众视野。它通过添加多层人工神经网络，赋予机器视觉、语音识别以及自然语言处理等方面的能力。
尽管深度学习有人工神经网络的加持，但通过计算实现智能的影子并未消失。“只不过与传统计算相比，深度学习的算法模型发生了变化，实现的物理载体依然是计算机。”北京大学信息科学技术学院教授黄铁军接受科技日报记者采访时表示。
“而与深度学习采用的多层人工智能神经网络不同，神经拟态计算构造的是脉冲神经网络，通过模拟生物神经网络实现智能。它本身就是能处理信息的载体，不再依赖于计算机。”黄铁军表示，神经拟态计算是探索实现人工智能的新范式。在信息处理方面，现在的人工神经网络处理的是相对静态的、固定的信息，脉冲神经网络则适合处理与时空高度相关的复杂信息流。
举例来说，机器人看到豹子时，采用深度学习方法能识别出是豹子，但对机器人而言这只是一个系统中的信息标签，而这些信息好像与它无关，机器并不能结合这些信息为下一步的行动作出判断。而人看到豹子，不仅可以通过外观识别出自己面对的动物是猛兽，还会观察豹子的行动，甚至判断自己所处的现实环境，并根据综合信息作出是否需要逃跑的判断。“这才是真正的智能。智能不仅是信息分类这么简单，它是对时空信息进行综合处理并作出决策行动的过程。”黄铁军解释道，神经拟态计算就是要通过模拟生物神经网络的方式，让机器拥有接近甚至超越生物神经网络的系统，帮助机器感知自然界中时空变化的信息，实时处理信息流并采取行动。
神经拟态芯片是实现神经拟态计算不可或缺的硬件之一。目前，神经拟态芯片和当下备受市场青睐的AI加速器均为处理神经网络而设计，都比CPU性能高，且都声称能耗更低。在这样的发展背景下，有人提出疑问：神经拟态芯片和AI加速器之间会发生竞争吗？
英特尔神经拟态计算实验室主管迈克·戴维斯（Mike Davies）认为，神经拟态芯片不能直接与传统的AI加速器相比。AI加速器是为深度学习而设计的，它使用大量数据训练大型网络，而神经拟态计算处理单个数据样本。神经拟态芯片接收到真实世界的数据信息后，以最低的延迟和最低的功耗进行处理，此模型与AI加速器完全不同。
黄铁军称，神经拟态芯片和AI加速器的价值取向完全不同。神经拟态芯片是面向未来的技术，旨在打造全新的架构，建立新的智能模型和体系。而AI加速器则是立足当下产业的技术，其目的是把“计算机+软件”打造的人工神经网络硬件化，提高运行效率。“至于让人工智能处理时空信息，构建更复杂的神经网络，并非AI加速器当下的着眼点。毕竟，从产业化角度来说，应用于现实场景解决实际问题才是最重要的。”
“所以，神经拟态芯片和AI加速器之间不会发生竞争。”黄铁军称，假如脉冲神经网络最终替代了深度学习技术，今天做AI加速器的生产商或许会转战神经拟态计算市场，不过那是另一回事。