在清华大学里，有这么一个团队，他们在“类脑芯片”研究的道路上不改初心，屡破难关，最终成功研发出了世界首款异构融合类脑芯片，研究成果于日前作为封面文章在Nature杂志上发表。或许，很多人都不知道这项研究成果未来会对人们的生产生活带来哪些改变，但肯定听过“天机”芯片，以及这款“类脑芯片”研发团队的名字——清华大学施路平团队。

“类脑”而非“仿脑”

清华大学施路平团队发布的“天机”芯片是世界首款异构融合类脑芯片，同时也是世界上第一个既可支持脉冲神经网络又可支持人工神经网路的人工智能芯片。通过团队研究人员的介绍了解到，类脑芯片——“天机”的“类脑”并非我们通常所说的“仿脑”。

团队成员清华大学精仪系副研究员裴京介绍，类脑的核心理念是融合、借鉴人脑的结构和运行模式，结合现有的计算机技术，同时尽可能在多架构设计时，融合脑科学研究的发现和现有计算机技术进程。此外，团队研究的目标是解决人工通用智能问题，我们期望发展出一种类脑计算机，能够像人脑一样高效的处理复杂的智能问题，数据机器能够更多的贴近人们的生活、学习和工作，最终在一些智能人物的处理方面超过人脑，极大拓展人类的智力活动空间。

8月1日，该团队刊登在Nature杂志上的《Towards artificial general intelligence with hybrid Tianjic chip architecture》文章，展示了一辆装有“天机”芯片的无人自行车，这辆自行车借助模型和算法，实现语言识别、目标探测、追踪、躲避障碍物功能，以控制自身的运动平衡，实际上依靠的就是自己决策的动能。这个自行车展示平台也有力佐证了异构融合类脑芯片的“类脑”而非“仿脑”。

“天机”落地开花

人工智能已上升国家战略，无论是国家层面，还是地方层面，都高度重视人工智能的技术进步与产业发展。随着人工智能技术的逐渐成熟，业界巨头布局的不断深入，其未来的应用场景和市场空间将会得到不断扩展，人工智能将会对人们的生产生活产生深刻影响。

据了解，清华大学类脑计算研究中心已利用知识产权孵化了北京灵汐科技有限公司，该公司是国内领先的类脑计算芯片和系统方面的企业，目前正与中兴合作研发第三代“天机”芯片。同时，北京灵汐科技有限公司也发展了工具链条，方便应用开发工程师利用这项技术。

清华大学施路平团队表示，清华大学类脑计算研究中心实际上是提供了一个开发不同应用的一个新计算平台，异构融合类脑芯片未来将会在智能机器人、自动驾驶、教育、医疗等领域得到广泛应用。相信，借助这项技术和这个平台，未来会与更多的应用开发者和公司合作，共同来推动自创芯片它的研究、发展，应用。

信念让美好愿景变为现实

2014年，在清华大学的支持下，清华大学精仪系联合计算机、电子、微电子、自动化、材料、生物医学工程等七个院系，以及北京师范大学、新加坡科技设计大学等，成立了类脑计算研究中心，这也意味着一个由不同专业领域研究人员组成的多学科融合的类脑计算团队正式诞生。研究人员依托这个多学科融合的团队，凭借着较强的科研实践能力和开拓创新精神，在异构融合类脑芯片研究的道路上不断攻坚克难，最终将起初的美好愿景变成了现实。

“现在是智能时代，有人工智能有非常大的发展，而这些发展都是基于现有的计算机发展起来的，我们在很久很久之前我们就看到了计算机发展的驱动力，就是物理微缩会接近极限。另外，现在的数据是大数据，80%是非结构化这种数据。所以我们当时就预测，未来计算机结构因为会有一个比较大的变化。”清华大学类脑计算研究中心主任施路平在接受媒体采访时表示，“从未来发展的角度看，人工通用智能是一个必然的趋势，但是它也经历几起几落，遇到了很多的挑战，发展过程是非常不容易，经过分析我们认为，现在是时候要认认真真的考虑这个问题了。所以，我们团队把研究聚焦在类脑计算，用类脑计算支撑人工通用智能的发展，然后赋能各行各业，这是我们的研究愿景。”

异构融合类脑芯片的研究成果发布，离不开整个团队成员的不懈努力，是一个多学科融合的一个结晶。团队成员美国UCSB博士后邓蕾在Nature杂志新闻发布会上介绍，虽然我们在这6年中经历过一些质疑和挫折，但是整个团队并没有因此退缩，在这个过程中，团队的每一位成员都相信这种途径可以支持这个方向，可以支持这个解决方案，研究成果是整个清华大学类脑计算研究中心团队坚持的结果。

做这样的研究是很困难的，施路平教授在谈及异构融合类脑芯片研究过程时表示。首先要分析这样的研究需要怎么做，包括需要考虑类脑计算系统基本的理论框架，以及研究在这个新系统里信息如何表达、如何处理、如何使用等问题；其次，要考虑芯片的基本理论，以及实现它的核心关键技术，也就是研究在现有的芯片上信息如何载、载什么、怎么用等问题；最后，要考虑不抛弃现在的计算机系统，把计算机系统加一些新的改进，以及如何实现融合的问题，这是问题的关键。我们的团队仔细分析了计算机及其信息传输转换的特点，以及人脑转换的特点，通过“沿途下蛋”的研究方式和坚持不懈的努力，建立了一个异构融合的一个类脑计算架构，最终取得了今天的研究成果。