類腦計算技術深度調研 2022類腦計算行業發展前景及規模預測

• 2022年10月27日 WuYaNan來源：互聯網 283 11
• 繁體

類腦計算，已然從實驗室走向了商業化摸索。據相關機構預測，2035年類腦計算的市場規模約200億美元。

類腦計算行業發展前景如何？類腦計算作為通往AGI最有潛力的一條路徑，這個領域已經開始得到學界和產業界越來越多的關注。類腦計算這個概念最早是在上世紀80年代，由一個叫做Cuver Mead的美國科學家提出。據不完全統計，目前全球范圍內已有20家左右相關創企，雖然融資輪次多集中于A輪，但各家公司拿到的融資金額少則千萬多則上億。

根據中研普華研究院《2022-2027年國內外類腦計算技術發展研究及趨勢預測報告》顯示：

類腦計算技術深度調研 2022類腦計算行業發展前景及規模預測

類腦現代計算系統能耗太大，對于日益成為我們生活一部分的復雜AI應用來說，不是可持續發展的平臺。類腦計算新技術有望通過完全不同的方式處理信息，能效極高，并能處理我們加速產生的大量非結構化和嘈雜的數據。

從定義上來看，目前的類腦計算可以分為狹義和廣義兩種。狹義類腦計算指的就是模仿大腦神經結構和工作原理而創新出來的神經形態計算，學術界稱其為Brain-like Computing。廣義的類腦計算則是在借鑒腦的結構和工作原理的同時，又不局限于對腦的模擬，還會融合傳統的人工神經網絡 (ANN)等具有更多類腦特征的異構神經網絡，學術界稱其為Brain-inspired Computing。

相比于深度學習中的DNN，類腦計算的研究主要圍繞SNN網絡展開。

所謂SNN，全稱脈沖神經網絡，是第三代人工神經網絡。它以0/1脈沖序列表達信息流，編碼里包含了時間信息，與ANN最大的區別是具有時序性。

只有當神經元膜電壓積累到特定的電壓閾值時SNN的神經元才會放電(發放脈沖)，并不會在每個信息傳遞的周期都被激活。

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?；旌想娐泛推骷順嬙煜到y，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。

類腦計算領域的相關研究，為新一代計算變革帶來了希望。以大腦為模仿對象建立新一代計算技術體系，既可以保留計算機的既有優勢，又可以疊加人腦處理信息的諸多優勢，將有望打破馮·諾伊曼架構的束縛，實現存儲處理一體化、超低能耗和超大規模并行信息處理，讓結構逼近人腦、性能媲美人腦的“人造超級大腦”成為可能。

類腦計算未來發展前景分析

應用場景上，目前的類腦解決方案基本都是首先從低維度信息處理和高速視覺處理開始，主要面向端側可穿戴設備、攝像頭和終端設備。在此基礎上，未來將加入在復雜環境中的實時決策能力，對應場景為無人機和自動駕駛。隨著類腦技術(大規模并行計算、自主學習等)和類腦產業的成熟，在更長的維度上，類腦的應用場景將覆蓋數據中心以及自主機器人。類腦芯片由于其低功耗的特征，非常適合人體植入(可植入式疾病治療)、腦機接口等應用領域。

類腦計算市場規模預測

類腦研究發展迅猛、前景廣闊，但總體仍處于起步階段。與人腦相比， 其基于的深度神經網絡(DNN)在信息處理的效率，即速度和功耗上，表現仍不夠好。其中“速度”是指它在計算不同神經層的輸出是以順序的方式進行，導致每層都必須等待上一層的輸出計算完成后才能執行下一步，缺少架構靈活性?！肮摹眲t是指在馮諾依曼架構下，龐大的數據量意味著頻繁且大規模的運算，隨之而來的就是功耗的極速上升。

而我們的人腦靠其中的神經元以脈沖的形式進行信息傳遞，約870億個神經元高度非線性地工作，每個神經元在外部和內部都與其他神經元有多達10000個連接，承載著數十萬個協調的并行過程，功耗卻只要20W左右。

類腦計算，已然從實驗室走向了商業化摸索。據相關機構預測，2035年類腦計算的市場規模約200億美元。

想了解更多關于類腦計算技術行業專業數據分析，請點擊查看中研普華研究院出版的報告《2022-2027年國內外類腦計算技術發展研究及趨勢預測報告》。

• 相關深度報告REPORTS

  

  2022-2027年國內外類腦計算技術發展研究及趨勢預測報告

  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...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡