2020 年將是類腦計算產業化的關鍵起跑點。
過去的十年中，AI及其應用（例如計算機視覺和自然語言處理）已經徹底改變了許多行業和人們日常生活。如何讓機器朝著更智能的方向更快進化？巨頭與初創企業都在爭奪下一波發展浪潮的機遇。
由於邊緣計算和5G網絡等新技術更依賴於瞬時響應，數據中心固有的延遲和資源占用問題將變得愈發難以接受。在解決這個問題上，作為類腦智能的核心組成部分，一種名為「類腦計算」（neuromorphic computing，也稱為神經形態計算）的新型計算範式受到更多關注。
類腦計算能夠大幅提升數據處理能力和機器學習能力，能耗和體積卻要小得多，或將引領計算機微型化和人工智慧的下一階段。
IBM、英特爾、高通等巨頭公司已經在該技術上押注多年。今天，一家來自瑞士、背靠著名研究機構蘇黎世大學及蘇黎世聯邦理工神經信息研究所的新創企業SynSense（原名為aiCTX）宣布已完成近億元A輪融資。該輪融資由和利資本領投、Merck、中科創星、科沃斯、雲丁等跟投。據了解，公司正在籌備2020年將母公司全面落地中國，同時，第一款基於類腦的SoC即將推向市場，力爭成為第一家實現類腦晶片商用的公司，全面發力與巨頭正式賽跑。
頂尖類腦研究機構數十年積累對外輸出
首先，為什麼要讓機器實現「類腦」？
在人腦這個僅占3%人體質量的場所中，1000億個神經元攜1000萬億個突觸相連接。每一秒都有神經元衰老死亡「退役」的情況下，它仍能運轉計算著世界撲面而來的巨大信息量。功耗只有20瓦。
低功耗、高容錯、創造性……人腦有太多值得機器追趕的能力。而類腦計算，就是要讓機器實現類似人類大腦般高效、實時處理大規模動態時空數據，並且這種能力能夠部署在各種類型的設備上。
對於SynSense創始人兼CEO喬寧來說，這也是為何類腦晶片對從事了近10年傳統晶片研發的他產生吸引力的原因。
2012年，他從中科院半導體研究所博士畢業，當時，作為類腦計算研究第一高地的歐洲，已經有很多類腦相關的研究，包括晶元級別的大規模晶片項目。而在中國，約2014、2015年才有類腦計算這個概念。
「我個人覺得這方面的研究具有一定的挑戰性。我從本科、碩士、博士近十年的時間都是研究傳統晶片，當時就想嘗試一下。另外歐洲的科研也環境比較好」他說。
他所在的蘇黎世大學及蘇黎世聯邦理工神經信息研究所（Institute of Neuroinformatics，以下簡稱「神經信息研究所」），是蘇黎世大學和蘇黎世聯邦理工的第一個交叉學位研究所。追溯這家研究機構的歷史，是類腦計算由加州理工學院起源並延伸至歐洲的發展歷程。
1980年，類腦計算的大門首次打開。超大規模集成電路(VLSI)發明者之一、加州理工學院傳奇人物Carver Mead在Proceeding of IEEE發表文章《Neuromorphic Electronics Systems》首次提出類腦計算概念，並設想用CMOS模擬電路去模仿生物視網膜outer plexiform layer，搭建具有生物計算特性的系統。
在那之後，類腦計算的研究力量開始逐漸壯大，一些教授學者來到蘇黎世，發展出新的分支，其中就包括Carver Mead的學生、該研究所的現任所長Giacomo Indiveri，他也是喬寧日後的老師，現為SynSense首席科學家。
1995年，神經信息研究所成立，專門致力於類腦研究，開始結合生物層面的解剖、網絡模型、算法、工程化等，一步步拼齊類腦研究的完整版圖。
而從2012年加入該所至今，喬寧見證了類腦計算如何從最早的作為人腦反向工程的純科研存在，展現出走向應用的潛力。
最初的類腦晶片，完全是為了人腦反向工程而存在，即為生物解剖、算法及模型團隊提供硬體驗證平台。
「類腦用來反向人腦，一般是通過解剖，然後基於解剖切片進行三維建模呈現，進而去觀察神經的連接。目前，復現這些連接還未實現，但是，我們可以得到神經元的連接數和連接比例」，喬寧說。
因此，早期從實驗室中誕生的類腦晶片，都是通用架構的晶片，包括IBM和英特爾。「大家的目的都是為了幫助科學家去理解人腦以及驗證具體的模型。從晶片角度的發展來說，這些晶片基本也是為了支持科研上的反向工程。這晶片的商業落地還稍微有一些早，還不是很成熟，只是用來支持基礎科學研究」，他說。
直到2014年，類腦晶片迎來了標誌性事件：IBM公司發布百萬神經元級別TrueNorth晶片，在執行某些任務時，其能效可達傳統中央處理器的數百倍，也是類腦晶片首次與人腦的大腦皮層有了可比之處。雖然TrueNorth功耗仍然比較大，但是其可擴展超過了當時的晶片。整個類腦晶片領域開始加速小跑，進入到工程化研發的階段。
喬寧所在的蘇黎世的實驗室，基本上每年也在推出新的晶片。從最初的通用架構單核晶片，發展到了多核晶片多核，工藝上從180nm工藝發展到了22nm工藝。
2016年起，神經信息研究所分離出的大約10人團隊，開始從公司層面來計劃將類腦晶片產業化，打造基於類腦計算的專用晶片；與此同時，也仍會兼顧學校面向的科學研究開發通用晶片。
最終，公司於2017年正式成立，目前總部暫落在瑞士蘇黎世，並在成立不到一年就拿到了歐洲H2020腦機接口項目。信息所多年在類腦計算上積累的技術和專利，開始逐漸流向了商用雛形的產品之中。
2018年，在pre-A輪中拿到百度風投數百萬美元的領投，也讓這家公司在某種意義上「走出」歐洲，受到更多關注。
從通用到專用，走向商業驅動的類腦晶片
從籌備成立初期至今，團隊由支持256個神經元的單一測試晶片，到研發出多核、多晶片級別的系統整合，到了2019年擁有了第一款SOC級別的產品，包含了類眼和類腦晶片模塊，而這種系統整合是史無前例的。
「從科研角度來講越來越複雜，從工程角度來講越來越接地氣，設計流程也越來越偏應用了……如果人腦沒有研究清楚，那麼類腦計算就不可能達到人腦能實現的功能。但是從另外一個角度來講，我們已經知道了關於人腦的一小部分（大約10%），不少已經可以應用到現實生活中」，回顧在探索類腦晶片邁向應用的歷程，喬寧如此說道。
那麼，相較於傳統的晶片，類腦晶片展現的技術潛力又有哪些？
類腦晶片一大技術特性在於其依靠脈衝神經網絡，執行基於脈衝的運算。
脈衝神經網絡模擬人的神經元，能夠同時融入時、空信息，因此更適用於受人類推理、判斷、決策等思維過程啟發的計算，善於做複雜時空序列分析。
而且，雖然每個神經元發放速率很低，但基於全並行運算，在視覺等領域的響應遠遠快於現有解決方案（幾毫秒對應於現有技術的幾十毫秒）。這也就決定著類腦晶片將適合各種傳感器信息的實時處理。
另外，類腦還涉及獨有的事件觸發運算的機制——當沒有動態信息生成的時候不會有運算髮生，如同人的大腦擁有的「放空」狀態，
擁有這些技術特點，相比於傳統晶片，類腦晶片在學習能力和功耗上具有更大優勢，可突破傳統計算架構，實現存儲與計算的深度融合，從而大幅提升計算性能、提高集成度、降低能耗。
對比現有的 AI 和基於類腦計算的類腦智能，兩者的一大區別還在於，深度學習技術在靜態物體識別再怎麼爐火純青，在處理動態信息時的表現往往又是另一回事了。
「對類腦計算的優勢來說歐美是有共識的，類腦計算擅長實時的數據分析。現在，它可以做到超低延時的運算，包括視覺、語音方面的識別」，喬寧說。
因此，在市場切入點上，相比較於把各種傳感器數據傳到雲上進行處理，SynSense將自己定位於發展用於邊緣運算、端上的超低功耗處理器和傳感器。他笑稱，「類腦計算有的時候會讓用戶和市場覺得有距離感，相比之下我們會介紹稱自己是邊緣計算晶片公司」。
喬寧認為，對比IBM和英特爾開發面向基礎研究和通用架構的類腦晶片，SynSense最大不同將在於開發應用驅動的類腦晶片。
最新一輪融資領投方和利資本的合伙人張飈亦表示：「非常看好類腦技術的前景，堅信SynSense是第一個把此技術落地的公司。」
視覺場景邊緣計算，能否讓類腦晶片在市場上真正嘗到甜頭？
SynSense 將自己定位為一家以類腦技術為主線，專注於邊緣運算，開發超低功耗、低成本邊緣運算智能處理器及智能傳感器，為智能家居、智能安防、自動駕駛、無人機、機器人等多領域提供完整解決方案的高科技公司。
目前，SynSense主要關注兩大業務方向：
一是視覺信號，以動態攝像頭為輸入的超低功耗、超低延時的實時動態圖像處理及智能應用。主要應用場景為智能家居及安防領域；
二是身體信號、語音等自然信號的超低功耗實時處理。可用於手機、健康監測及工業機械領域。
面向視覺，2019年5月，SynSense發布了全球第一款完全基於事件觸發運算的動態視覺AI處理器DynapCNN。
正如上文所言，現有的視覺識別技術仍以幀為主，是靜態視覺處理。而DynapCNN的不同在於打破這一限制，基於像素級事件驅動運算，為超低延遲、超低功耗的動態視覺處理所定製。
據悉，它是一款純異步、高可配置性、高可拓展性的神經形態處理器，晶片面積12mm2，採用GF22nm工藝設計，單晶片集成超過100萬脈衝神經元和400萬可編程參數，支持多種脈衝CNN架構，其晶片架構所具有的可拓展性適合於實現大規模脈衝卷積神經網絡。DynapCNN將運算能效提高100-1000倍的同時，實時AI視覺處理現存方案的識別響應處理延遲縮短10倍以上，在汽車自動駕駛、安防、物聯網等動態高速視覺領域具有廣泛的應用前景。對於超低功耗的、不依賴於雲的邊緣運算場景需求，DynapCNN也有強大競爭力。
面向自然信號，通用晶片DynapSE系列晶片，則相較專用晶片DynapCNN具有更靈活的可配置性，晶片集成自然信號到脈衝輸入轉換接口電路，可用於便攜設備端側語音信號處理、可佩戴設備的健康監測及工業機械噪聲監測等。在語音信號處理上應用DynapSE進行口令識別，功耗低於1mW。
值得一提的是，因為背靠神經信息研究所，SynSense也是一家全棧式類腦計算技術公司，提供包括IP授權、硬體設計、軟體配置、算法開發等定製化服務以滿足特定場景需求的全棧式解決方案。
因此，SynSense現階段主要晶片研發不但有專用脈衝卷積神經網絡（SCNN）晶片DynapCNN、通用脈衝神經網絡（SNN）晶片DynapSE，還包括針對公司硬體架構的脈衝神經網絡算法、模型的搭建及仿真；及支持系列晶片應用的用戶軟體工具鏈開發。
目前，SynSense正在與國內的安防巨頭、Tire1設備供應商、機器人等公司產生合作關係並進行項目合作。在歐洲，SynSense也與歐洲物聯網巨頭、智能語音等公司開展合作。
短期內，喬寧尤其看好將類腦計算應用到智能家居所需的新一代視覺傳感器上。
他認為，未來一到兩年是智能視覺傳感器爆發的時機：「智能家居中智能傳感器的爆發階段快要到來，類腦晶片在邊緣運算上的優勢能很好地解決這些痛點，這是我們找到的第一個比較好的應用場景。類腦晶片的優勢是低功耗、低延時、低成本，而且對用戶隱私保護也做的比較好。
現在智能家居方面的傳感器都比較簡單，例如紅外傳感器、麥克風、重力傳感器等，而比較稀缺智能視覺傳感器，這是我們主要關注的方面。」
2020 年將是類腦計算產業化的關鍵起跑點
基於上述判斷，公司進一步設計開發了世界第一款結合類眼與類腦技術的全仿生的智能視覺傳感器Speck，該晶片由TSMC65nm工藝設計，晶片面積20mm。作為完整的視覺模組，該晶片在人機互動等應用場景下整體功耗低於1mW，識別響應延時低於30ms。對於手勢、姿態、行為檢測等應用領域較傳統解決方案在功耗、延時、成本等各方面都體現了類腦的優勢。
而且Speck亞毫瓦超低功耗動態視覺智能傳感器SoC 現已投片並測試成功。
作為端上無需聯網的完整視覺模組，該SoC工作狀態下平均工作功耗低於1mW，實時識別響應延時低於30ms，可以廣泛用實時於手勢、姿態識別、行為檢測等人機互動場景。據悉，Speck開發板有望於2020年6月交付客戶使用。
與產品商用同步推進的是計算生態的完善。
為全面推進類腦技術的發展及加快產業落地，SynSense將在2020年與成都高新區合作成立國際級神經信息產業研究院，並結合公司國際影響力及產業落地優勢，與研究院強強聯合、全面整合產業及科研教育資源，以市場需求為導向，構築類腦技術的上下游完整生態。
放眼全球，中國AIoT市場將是類腦晶片走向商業化的一片沃土。這也是為何SynSense決定在2020年將其總部落地中國的重要驅動。
據了解，SynSense現已經在組建國內的研發團隊，規模會與其歐洲團隊差不多，大約在20人左右。在分工上，短期內的研發仍在歐洲，長遠來看，歐洲將主要負責底層IP和算法研發，國內則負責系統的集成、工程化、市場等工作。
對於這家從歐洲發展起來的公司而言，他還有更多的考慮。或許也能代表一批在歐洲進行科技創業的華人科學家的想法。
「瑞士有三所高校，蘇黎世大學、蘇黎世聯邦理工和洛桑聯邦理工，他們的科研實力都很強，每天都會有新的點子。歐洲也有很多的初創公司，人才很豐富，但是缺的是資金和市場，所以很多公司在後來都會搬出去或者就消失了。
人工智慧目前最迫切需要的是市場落地，從市場客戶角度而言，中國是最大的市場，中國的客戶也是最願意嘗試和包容新興技術的，所以從市場落地和客戶角度而言選擇中國。同時，公司的眼光也不局限於中國市場，全球市場也是公司服務的市場。從投資角度來講，中國投資人比較活躍，所以我們選擇了中國。另外，在政府層面的支持，中國也有優勢。就拿我們這次融資來說，領投方和利資本對我們全程支持，在公司發展戰略、產品規劃以及團隊配置過程中給與了很多指導，在產品落地方面幫我們對接了豐富的產業資源，並且承擔了公司落地中國的整體方案設計，還積極協助對接政府資源。這些都是除了資本支持外，我們最需要的。「
如果想成為『另外一個英特爾』，就必須回到中國」，喬寧說。
更多優質內容，請持續關注鎂客網~