全球首台类脑计算机“悟空”出世
人类大脑是一部极其高效的“计算机”，神经元数量为860亿个至1000亿个，通过突触连接实现信息传递，即神经元之间或神经元与肌肉等其他细胞之间传递信号的特殊结构。有了它，人类大脑就能举一反三、融会贯通，可处理视觉、听觉、语言、学习、推理、决策、规划等各项任务。类脑计算正是借鉴了人类这样的生物神经网络工作机理，构建低功耗、高并行、高效率、智能化的计算系统。
据悉，“悟空”由15台服务器组成，每台服务器搭载64颗达尔文3代类脑计算芯片，典型状态下功耗2000瓦，由浙江大学牵头、联合之江实验室于2023年初研制成功。简单来说，类脑芯片就是能让计算机像人一样聪明的核心技术，是建造类脑计算机最关键的部件。
为突破芯片间信息传递速度和能效问题，“悟空”团队耗时两年，在电路设计、计算体系等多项关键技术上取得突破。同时，还研制了新一代达尔文类脑操作系统。基于此，“悟空”便拥有了强大的运算能力和应用拓展性。
应用领域实现大幅拓展
类脑计算机有望解决现有深度网络及大模型高能耗、高计算量的问题。在图像识别、语音识别、自然语言处理等传统人工智能领域，类脑计算凭借其低功耗、高并行的特性，可实现更高效、快速的处理。例如，在智能安防监控中，利用类脑计算机实时分析海量视频图像数据，快速准确地识别异常行为与目标物体；在智能语音助手方面，能够更迅速地理解用户语音指令，提供更自然流畅的交互体验。此外，类脑计算机的无人监督在线学习机制，将为人工智能带来革命性进步，使机器能够像人类一样，在与环境的交互中不断学习与进化，实现更高级别的智能，如自主决策、创造性思维等。
类脑计算机可作为神经科学家研究大脑的强大仿真工具。通过模拟不同神经元规模的动物大脑，如“悟空”能够初步模拟秀丽线虫、斑马鱼、小鼠以及猕猴等动物大脑，为研究大脑的工作机理提供新的实验手段。科研人员可以利用类脑计算机构建虚拟大脑模型，在虚拟环境中进行各种神经科学实验，观察神经元活动与大脑功能之间的关系，深入探索大脑的认知、学习、记忆等过程，有助于解开大脑的奥秘，推动脑科学的快速发展。同时，这也能减少对真实生物实验的依赖，降低实验成本与伦理风险。
神经拟态计算因其低功耗特性，在边缘AI领域具有巨大潜力。未来，类脑芯片将更多地应用于边缘设备，如智能摄像头、智能家居设备、可穿戴设备等。在智能摄像头中，类脑芯片可实时处理视频图像数据，进行目标检测与识别，无需将大量数据传输到云端，既节省网络带宽，又保障数据隐私安全；在智能家居设备方面，类脑芯片能够让家电产品更智能地感知用户需求，自动调节工作状态，实现家居的智能化控制；可穿戴设备搭载类脑芯片后，能实时监测人体生理数据，如心率、血压、睡眠状态等，并进行智能分析，为用户提供个性化的健康管理建议。随着类脑芯片在边缘AI领域的广泛应用，将推动物联网向智能化、自主化方向发展。
类脑计算机的发展趋势
随着科技的迅猛发展，类脑计算机作为融合了计算机科学、神经科学等多学科的前沿领域，正努力让计算机“像人脑一样自我学习和进化”由理论变为现实。
从硬件角度来看，以“悟空”类脑计算机为例，其神经元规模已超过20亿，接近猕猴大脑规模。未来，类脑计算机将朝着进一步扩大神经元与突触规模的方向发展，以模拟更为复杂的大脑功能。这需要在芯片设计与制造工艺上不断创新，例如采用更先进的制程技术，提高芯片的集成度，让单颗芯片能够支持更多的神经元与神经突触，从而构建出更接近人类大脑神经元数量与连接复杂度的类脑计算系统。
从能耗上看，人类大脑在极低功耗下实现强大的计算能力，类脑计算机的发展目标之一便是逼近人脑的能效比。一方面，研发新型的硬件架构与材料，像采用存算一体化架构，减少数据在存储与计算单元之间传输的能耗；探索新型半导体材料或忆阻器等，以实现更低能耗的信息存储与处理。另一方面，优化芯片的电源管理技术，通过动态电压频率调整等手段，根据计算任务的负载动态调节功耗，降低整体能耗。如IBM的“北极”芯片相比4nm节点的Nvidia H100 GPU，能效提高了五倍，未来类脑芯片在能效比提升上仍有巨大潜力。
为解决芯片间信息传递的速度与能效瓶颈，2.5D、3D先进封装等集成技术将得到更广泛应用。如“悟空”利用2.5D先进封装技术研制出晶圆级超集成类脑计算芯片DarwinWafer，并搭建晶上系统刀片服务器，摆脱传统光罩物理约束，实现导线微纳尺度的互连优化。未来，通过进一步发展3D封装技术，可实现芯片在三维空间上的紧密堆叠，缩短芯片间信号传输距离，大幅提高数据传输速度与效率，同时降低功耗。在芯片互连方面，高速、低延迟的片间通信协议与接口也将不断涌现，以支持大规模芯片集群的高效协同工作。
软件与算法的创新同样重要。新一代达尔文类脑操作系统采用分层资源管理架构，实现了神经拟态任务的高效并发调度与系统资源的动态优化。未来，类脑操作系统将在任务调度、资源管理、设备驱动等方面持续优化。例如，开发更智能的任务调度算法，能够根据不同类脑应用的需求特性，动态分配计算资源，提高系统整体运行效率；完善设备驱动程序，更好地适配各类新型类脑硬件设备，充分发挥硬件性能。此外，还将注重操作系统的兼容性与可扩展性，便于开发者在不同类脑计算机平台上便捷地开发与部署应用。
当前，“悟空”已能运行DeepSeek类脑大模型完成逻辑推理、内容生成和数学求解等任务。未来，类脑大模型将朝着更大规模、更强泛化能力与可解释性方向发展。通过增加模型的参数规模与复杂度，提升模型对复杂知识的表示与处理能力；改进模型训练方法，提高模型在不同领域任务上的泛化性能，减少对大量标注数据的依赖；研究模型的可解释性技术，使类脑大模型的决策过程和机制能够被理解，增强人们对其输出结果的信任。
