芯片人工智能双范畴天然论文零冲破：清华类脑计较或打破传统 -

我们都知道，我们现在的电脑都是基于冯诺依曼结构的计算机。可以说，虽然现在的计算机科技发展如此之快，虽然人工智能和机器人如此先进，但底层计算机结构依然稳如磐石安之若素从未变化

不过时代总是向前发展的，哪怕是底层的基础东西，依然会随着时代变化而革新和突破。现代人工智能技术越来越快的发展，已经越来越明显地受到传统冯诺依曼计算机结构的限制了。正是考虑到传统摩尔定律的逐渐失效，传统冯诺依曼计算机结构带来的局限，当前计算机的发展都不可避免要试着打破传统的计算机结构，以寻求新的发展方向。

比如从生物大脑中获得灵感而发展类脑计算方法。而从人类大脑中汲取灵感的神经形态计算（也就是类脑计算），就是一种推动下一波计算机工程的计算模型和架构。而它，还有潜力打破传统的冯·诺伊曼计算机结构的瓶颈。我国清华大学团队无疑走在了前列。

说起清华大学在人工智能——或者说通用人工智能AGI的研究上，当然不是第一次了，不仅不是第一次的公开报道，而且一人客也不是没讨论过。这个曾经登上Nature封面的科技资讯，来源于大学类脑计算中心的相关研究成果。彼时清华类脑计算中心施路平团队自行研发的异构融合类脑芯片“天机芯”，在世界范围内，实现了中国在芯片和人工智能两大领域《自然》论文的零的突破，而在落地领域内，已经实现了高度灵敏，打造了一款能听懂自然语言的高智能无人驾驶自行走自行车。

而今年清华类脑计算中心的研究成果，则是为了解决类脑计算系统的“基础设施架构”问题。也就是说，他们提出了一种全新的、突破性的类脑计算通用系统层次结构。这个已然超越图灵完备性概念的概念叫神经形态完备性，属于一种更具适应性、更广泛的类脑计算完备性的定义，它降低了系统对神经形态硬件的完备性要求，提高了不同硬件和软件设计之间的兼容性。

换句话说，这是一种新型的计算机结构，不仅在普通能力上和我们熟知的冯诺依曼结构相等，而且在类脑计算任务上表现得更高效更兼容。另外，

而为了满足神经形态完备性，清华团队还提出一种全新的系统层次结构，这一结构囊括了编程语言或框架以及其基础上的算法或模型的软件层、类脑芯片和架构模型的硬件和将代码转换成硬件支持的等效形式中间层的编译层。

这是类脑计算领域很重要的一步，据了解，它是一种有潜力打破冯·诺伊曼瓶颈并推动下一波计算机工程的计算模型和架构。祝贺。

返回爱影视