类脑芯片：AI 性能的下一个前沿

苹果库克称 iPhone X 将“定义未来十年技术路径”。其集成神经网络引擎——首个商用人脸识别 ASIC——预示深度神经网络崛起。如今，类脑处理器正成为支撑 AI 指数级需求的唯一可行路径。

面对数据带宽瓶颈与计算需求攀升，Yole Développement（法国里昂）最新报告指出：感知与计算必须模拟神经生物架构才能突围。

接受 EE Times 专访时，Yole 成像首席分析师 Pierre Cambou 表示：类脑感知与计算可解决 AI 当前大多数挑战，并在未来数十年开拓新应用疆域。“类脑工程是通向仿生学的下一步，也是 AI 进步的引擎。”他解释。

为何是现在？

图灵发问“机器能思考吗？”七十年，Carver Mead 提出类脑工程三十年，实用类脑机器长期难觅。转折始于 Georgia Tech 2006 年现场可编程神经阵列与 MIT 2011 年模拟自适应神经行为芯片。

真正突破源于多伦多大学团队发布“用深度卷积神经网络做 ImageNet 分类”。AlexNet——八层卷积神经网络——首次成功将 120 万高分辨率图像分类为猫、狗等 1000 类。“AlexNet 证明深度学习更强，点燃 AI 流星式崛起。”Cambou 指出。

当前深度学习多搭摩尔定律便车，“尚可运行”。但领域扩张时，高性能低功耗芯片需求将超越传统缩放极限。Cambou 警告：深度学习“将失效”若仍绑定现有范式。

他列举三大拦路虎。一、摩尔定律经济学：仅寥寥玩家能跨越 7nm，垄断风险扼杀创新。二、数据量增速超越存储技术，形成瓶颈。三、功率墙：7nm 芯片约 1 teraflop/watt，自动驾驶可能需 1 kilowatt——即 1000 teraflops，现有技术无法企及。类脑硬件凭借极致能效提供出路。

Cambou 呼吁颠覆性转向：利用新兴存储技术提升带宽与能效——类脑计算的本质。“AI 将持续进化，下一跃迁是类脑。”

近年多项目构建硅神经元仿真认知。Yole 预测若技术障碍清除，类脑市场将从 2024 年 $69M 增至 2029 年 $5B、2034 年 $21.3B。生态跨越三星、英特尔、SK Hynix 等巨头与 Brainchip、Nepes、Vicarious、General Vision 等初创。

来源：Yole

神经元与突触

类脑硬件走出实验室，由感知、计算、存储跨界协作驱动。合资、战略联盟、欧盟人脑计划等长期项目加速推进。

商业化产品恐待 2024 年后，但潜在规模巨大。英特尔 2017 Loihi 芯片——13 万神经元——及 800 万神经元 Pohoiki Beach 系统展示快速节奏。IBM TrueNorth 拥 100 万神经元、2.56 亿突触，Brainchip Akida 达 120 万神经元、100 亿突触。

“突触比神经元更关键。”Cambou 说。“后续步骤：在现有异步冯诺依曼混合架构上构建应用，继而引入基于 RRAM 的方案注入数十亿突触。”

美光、西部数据、SK Hynix 等存储巨头布局类脑，但真正突破或来自聚焦初创：Weebit、Robosensing、Knowm、Memry、Symetrix。其忆阻器与相变存储路线旨在模拟突触可塑性，MRAM 有望补强类脑栈。

类脑感知生态亦在成熟，根植于 Misha Mahowald 1991 年硅神经元。现不足十家提供事件驱动相机与传感器，含 Prophesee、三星、Insightness、Inivation、Celepixel。帧基影像无法如人眼般自然捕捉运动；事件驱动设备为动态场景提供实时模式识别。

Cambou 指出：“电影欺骗大脑，但计算机需要同等视觉信息流。”同理延伸至听觉、成像、行为传感器，构筑通用智能基石。

Yole 预测类脑感知营收从 2024 年 $43M 增至 2029 年 $2B、2034 年 $4.7B。

汽车先行，但不止汽车

汽车虽是最显性早期采纳者，类脑感知与计算将先落地工业与移动——机器人、实时感知、物流。“深度学习需海量数据，类脑系统从寥寥图像或词汇学习并捕获时序动态。”Cambou 解释。

十年内，混合存内计算芯片或解锁大规模自动驾驶，让计算机以类人敏锐度解读非结构化环境。