李波
近日，清華大學在類腦視覺感知芯片領域取得重要突破：
清華大學依托精密儀器系的類腦計算研究中心施路平教授團隊，提出一種基于視覺原語的互補雙通路類腦視覺感知新范式，研制出世界首款類腦互補視覺芯片“天眸芯”。基于該研究成果的論文《面向開放世界感知、具有互補通路的視覺芯片》(A Vision Chip with Complementary Pathways for Open-world Sensing)作為封面文章，登上5月30日的《自然》雜志。
這是該團隊繼異構融合類腦計算“天機芯”后第二次登上 《自然》 雜志封面，標志著在類腦計算和類腦感知兩個方向上均取得重要突破。
這一成果與我們的日常生活有哪些關系?據介紹，隨著人工智能的飛速發展，無人駕駛和具身智能等無人系統在現實社會中不斷推廣應用，其中，視覺感知作為獲取信息的關鍵途徑，發揮著至關重要的作用。然而，在復雜多變且不可預測的環境中，實現高效、精確且魯棒的視覺感知依然是一個艱巨的挑戰。
在開放世界中，智能系統不僅要處理龐大的數據量，還需要應對各種極端事件，如駕駛中的突發危險、隧道口的劇烈光線變化、夜間強閃光干擾等。傳統視覺感知芯片由于受到“功耗墻”和“帶寬墻”的限制，在應對這些場景時往往面臨失真、失效或高延遲的問題，嚴重影響系統的穩定性和安全性。
為了克服這些挑戰，清華大學精密儀器系類腦計算研究團隊聚焦類腦視覺感知芯片技術，提出了一種基于視覺原語的互補雙通路類腦視覺感知新范式。該范式借鑒了人類視覺系統的基本原理，將開放世界的視覺信息拆解為基于視覺原語的信息表示，并通過有機組合這些原語，模仿人視覺系統的特征，形成兩條優勢互補、信息完備的視覺感知通路。
基于這一新范式，團隊進一步研制出了世界首款類腦互補視覺芯片“天眸芯”，在極低的帶寬和功耗代價下，實現了每秒10000幀的高速、10bit的高精度、130dB的高動態范圍的視覺信息采集，不僅突破了傳統視覺感知范式的性能瓶頸，而且能夠高效應對各種極端場景，確保系統的穩定性和安全性。
基于“天眸芯”，團隊還自主研發了高性能軟件和算法，并在開放環境車載平臺上進行了性能驗證。在多種極端場景下，該系統實現了低延遲、高性能的實時感知推理，展現了其在智能無人系統領域的巨大應用潛力。
據悉，論文通訊作者為清華大學精密儀器系施路平教授和趙蓉教授。研究團隊表示，“天眸芯”的成功研制為自動駕駛、具身智能等重要應用開辟了新的道路。結合團隊在類腦計算芯片“天機芯”、類腦軟件工具鏈和類腦機器人等方面已應用落地的技術積累，“天眸芯”的加入將進一步完善類腦智能生態，有力推動人工通用智能的發展。
據中研普華產業研究院出版的《2024-2029年中國腦機接口行業市場深度調研及未來發展趨勢預測報告》統計分析顯示：
大腦是人類最重要的器官，理解大腦的結構與功能是21世紀最具挑戰性的前沿科學問題。
近年來，美國、歐盟、日本等國家(地區)紛紛宣布啟動腦科學研究，即“腦計劃”;腦科學研究既對有效診斷和治療腦疾病有重要的臨床意義，還可推動新一代人工智能技術和新型信息產業的發展。
類腦計算是指利用數字電路、模擬電路、數模混合電路或新器件來仿真生物神經元以及神經元間的突觸連接，進而利用超大規模集成電路(Very Large Scale Integrated，VLSI)系統來模仿神經系統中的神經生物學結構。
和現有馮諾伊曼體系結構 計算與存儲分離的特點相對，類腦計算中的神經元結構既有計算能力，也有存儲能力。類腦計算的這種特點從根本上消除了馮諾伊曼體系結構的“存儲墻”問題。通過對類腦計算進行研究，能夠更好地理解腦計算模型，為實現類腦智能提供路徑。
SNN也被稱為第三代神經網絡，是人工智能領域機器學習算法的一種，是計算機科學與生物神經科學交叉而成的新興學科。相比于傳統的ANN，如各種深度學習網絡，SNN實現了更高級的生物神經元模擬水平，更容易模擬人腦低功耗高性能的處理方式，是信息技術向智能化發展的重點研究方向。
與ANN相比，SNN有諸多優良特性，在實現低功耗、高性能的智能系統上潛力巨大。類腦計算研究涉及的領域范圍廣泛，包括材料科學、神經科學、電氣工程、計算機工程和計算機科學等。
材料科學家研究、制造和表征可用于類腦器件的新材料，重點是展示與生物神經系統相似特性的材料。神經科學家提供可能在類腦計算意義上有用的新知識，并利用類腦計算系統來模擬和研究生物神經系統。
電子和計算機工程師利用模擬電路、數字電路、數模混合電路和器件來構造系統，模擬神經系統的運行過程，開發由生物啟發的類腦計算系統。類腦計算系統的研究涉及到類腦處理器微體系結構技術、體系結構技術、類腦處理器配套的軟件工具鏈和基于脈沖神經網絡的算法等研究領域。
在現階段的社會發展過程中計算機科學技術在社會中的應用具有極大的社會現實含義，不僅其在加速社會經濟的道路上起到了積極的作用。計算機技術在發展的同時帶動經濟社會的進步。
由于傳統的計算機科學沒有相關的技術信息支撐，當代的發展方向是積極向前的、相互融合的。不過由于當代社會信息的共享性還有待于提高到新的階段，-些方面的信息受到一定的局限和壟斷性。
伴隨著越來越普遍的計算機科學在全世界范圍內的迅猛發展，信息將可以被方便快捷的進行傳播，有理由相信計算機技術將會帶動社會經濟更好發展，其對經濟的發展將起到積極有效的作用。
許多新興的類腦芯片在SNN計算中顯示出巨大的潛力。 例如浙江大學的達爾文芯片，其目標是嵌入式低功耗應用。蘇黎世大學研究人員開發的DYNAP-SEL結合了異步數字邏輯和模擬電路，以實現模擬SNN實現。 清華大學的研究人員成功設計了混合型天機芯片 ，該混合型既可以實現常規神經網絡又可以實現SNN。
隨著腦科學與類腦行業競爭的不斷加劇，大型企業間并購整合與資本運作日趨頻繁，國內外優秀的腦科學與類腦企業愈來愈重視對行業市場的分析研究，特別是對當前市場環境和客戶需求趨勢變化的深入研究，以期提前占領市場，取得先發優勢。正因為如此，一大批優秀品牌迅速崛起，逐漸成為行業中的翹楚。
中研普華利用多種獨創的信息處理技術，對腦科學與類腦行業市場海量的數據進行采集、整理、加工、分析、傳遞，為客戶提供一攬子信息解決方案和咨詢服務，最大限度地降低客戶投資風險與經營成本，把握投資機遇，提高企業競爭力。
本報告利用中研普華長期對腦科學與類腦行業市場跟蹤搜集的一手市場數據，同時依據國家統計局、國家商務部、國家發改委、國務院發展研究中心、行業協會、中國行業研究網、全國及海外專業研究機構提供的大量權威資料，采用與國際同步的科學分析模型，全面而準確地為您從行業的整體高度來架構分析體系。讓您全面、準確地把握整個腦科學與類腦行業的市場走向和發展趨勢。
未來行業市場發展前景和投資機會在哪?欲了解更多關于行業具體詳情可以點擊查看中研普華產業研究院的報告《2024-2029年中國腦機接口行業市場深度調研及未來發展趨勢預測報告》。
研究院服務號
中研網訂閱號