清华大学通用人工智能芯片“天机芯”登上《自然》封面——以“类脑”觅“天机”
清华大学通用人工智能芯片“天机芯”登上《自然》封面——以“类脑”觅“天机”来源：《经济日报》8-12佘惠敏
近日刊出的《自然》封面文章，展示了清华大学类脑计算研究中心施路平团队研发的新型人工智能芯片“天机芯（Tianjic）”。这是世界首款异构融合类脑芯片，实现了中国在芯片和人工智能两大领域《自然》论文的零突破。
中国造的“天机芯”作为世界首款异构融合类脑芯片，究竟有何突破？
芯片是人工智能系统的“大脑”。现有人工智能技术（AI）存在两种主流“大脑”：一种是支持人工神经网络的深度学习加速器，基于研究“电脑”的计算机科学，让计算机运行机器学习算法；另一种是支持脉冲神经网络的神经形态芯片，基于研究“人脑”的神经科学，无限模拟人类大脑。
虽然同为人工智能，它们却“鸡同鸭讲”不能交流，这是因为两种AI“大脑”的平台各不相同且互不兼容。而“天机芯”却能把这两种原本互不兼容的人工智能芯片融为一体，成为世界首款异构融合类脑芯片。这种融合技术有望实现人工通用智能（AGI）。原则上，人工通用智能平台可以执行人类能够完成的所有任务。
“我们7年前开始组队做这项研究，现在取得了初步成果。用类脑计算支撑人工通用智能的发展，然后赋能各行各业，这是我们整个研究的愿景。”研究团队负责人、清华大学精密仪器系教授施路平说。
自行车“成精”了
用于展示“天机芯”性能的平台，是在清华大学操场上“撒欢”的一辆自行车。这是一辆无人驾驶的自行车。试验中，无人驾驶自行车不仅可以识别语音指令、实现自平衡控制，还可以自行越过路面的小凸起，不会因失去平衡而摔倒，还能探测和跟踪前方行人，并自动避障。这体现了它的动态感知、目标探测、过障、自主决策等能力。
自行车“成精”了？不，这只是因为它配上了“天机芯”大脑。“天机芯”之外，这款自行车还配备了惯性测量单元传感器、摄像头、麦克风，刹车电机、转向电机等制动器，以及控制平台、计算平台等处理平台。
“这些功能中，语音识别、视觉追踪是受脑启发的模型；目标探测和运动控制是机器学习算法；而自主决策则是一个两者混合的模型。”研究团队成员邓磊说，“我们要做一个小型的类脑计算平台，自行车就是我们的最终考量结果”。
要覆盖感知、决策、执行的完整任务；要有能与现实环境交互的真实演示系统；演示系统必须安全可控，可以反复实验；系统对处理芯片有功耗和实时性要求，能体现芯片优势——一块“天机芯”可以同时运行5种不同神经网络：用于图像处理和物体检测的CNN，用于语音命令识别的SNN，用于人类目标跟踪的CANN，用于姿态平衡和方向控制的MLP，用于决策控制的混合网络。芯片采取众核架构和任意路由拓扑，自由集成各种神经网络和混合编码方案，在多个模型之间无缝通信，最终就让人们看到了这辆可以顺利完成各种任务的“成了精”的自行车。据悉，这是世界上第一辆既有“电脑”思维又有“人脑”思维、有近乎“独立思考”能力的自行车。
如何窥探“天机”
以运动的视频分析能力为例。完全采用深度学习技术，需基于每一帧去处理，耗能大、代价高、数据量大，且受传感器带宽限制会出现卡顿。而完全用神经形态技术处理，数据量降下来了，耗能小，但处理正确率又低了，容易出错。“我们的芯片把两种模式结合一起处理，就可以很好地达到代价和功能的平衡。”邓磊说。
两种模式的功耗相差多少？人脑功耗约20瓦，而据IBM测算，实时模拟人脑需要300多台天河2号同时工作。天河2号一年仅电费就要1亿元人民币，全速运算的话，电费更高达1.5亿元。
“从未来看，人工通用智能是一个必然趋势。而且，人工通用智能可以赋能各行各业。”施路平介绍，现有人工智能是专有人工智能，一个问题对应一个解决办法，只要满足条件，现有系统都可以做得很好。但现有人工智能难以处理模糊问题，也不能跨界处理问题。比如阿尔法狗下围棋能赢世界冠军，却做不出阅读理解题。
与之相对的，是能处理视觉、听觉、学习、推理等多种任务，具备举一反三、融会贯通能力的“人工通用智能”。发展人工通用智能，是人工智能学界一直在努力的方向，国内外很多机构都在做。
“我们认为未来是个融合架构，不会抛弃现有计算机系统，而是做改进。”施路平说，现有两种发展人工智能的方法，分别基于电脑思维和人脑思维，各有优缺点。但团队研究对比后发现，两者都代表了人脑处理信息的部分模式。“所以我们产生了想法——把两者有机融合起来。这是我们研究工作的主体思想。”
那么，融合面临哪些挑战？“最大的挑战不是来自科学技术，而在于我们的学科分布过细，不利于解决这样的复杂问题。所以，多学科深度融合是解决问题的关键，可以把电脑思维和人脑思维的优势结合起来，帮助我们发展人工智能。”施路平介绍，清华大学类脑计算研究中心由校内7家院系联合组建，融合了脑科学、电子、微电子、计算机、自动化、材料以及精密仪器等学科，成立之初，就瞄准了基于天机系列芯片的类脑系统的研发。
团队成员、清华大学精密仪器系副研究员裴京说：“像我们这样能组织起7个院系、各行业专家一起研究的团队，全世界还不多。到清华来交流过的国际团队都认为我们是研究类脑计算的最成功模式。”
然而，面对人工智能研究的纷繁复杂，研究道路并非一帆风顺。施路平讲述了他多年前爬山迷路的故事。刚研究类脑计算时，他曾因缺乏相关文献而苦恼。一次爬山，他离开大道随意乱走，迷路后通过太阳确定方向，沿着一个方向走出大山。
“可见，在一条从来没有人走过的路上，如何寻找方向是非常重要的。”施路平说，脑科学是一个金矿，自然界的通用智能系统只有人脑，以“类脑”觅“天机”，从脑科学的最新研究成果中找方向标，就成为一个必然选择。
而施路平团队的类脑研究，与简单模拟大脑结构的仿脑还不一样。类脑跟仿脑出发点不一样。仿脑是尽可能仿制跟脑一样的结构，在此结构上发挥新的计算功能。而类脑研究是要解决人工智能的时空复杂度、能效等问题，如果从人脑研究中发现了可以解决这些问题的优点，不管是结构上的优点，还是信息运行模式上的优点，施路平团队都会借鉴参考，看看能不能放到“天机芯”的系统架构中去。
“类脑是借鉴，不是简单模仿，是神似，而不是形似。在借鉴过程中，我们对脑、智能都有了越来越深的理解。”施路平说。
未来的“天机芯”世界
“目前为止，天机芯片是我们研究出来的最完美结果。但这并不意味着通用智能系统已经完成，这只是一个初步成果。”施路平说，团队将在研发中对产品逐渐迭代，直至逼近人工通用智能，不会一蹴而就。
现在，“天机芯”已研发到第三代。2015年问世的第一代“天机芯”110纳米，只是个小样（DEMO）；2017年制成的第二代“天机芯”28纳米，由156个功能核心FCore组成，包含约4万个神经元和1千万个突触。这也是登上本次《自然》封面文章的芯片。与当前世界先进的IBMTrueNorth芯片相比，二代“天机芯”功能更全、灵活性和扩展性更好，密度提升20%，速度提高至少10倍，带宽提高至少100倍。
“下一代芯片将是14纳米或者更小。”裴京介绍，第三代芯片功能比第二代强大很多，有望在明年初完成研发。
目前，商业化应用也已提上日程。该论文署名作者中，有两位就职于北京灵汐科技有限公司。这是从清华大学类脑计算研究中心孵化出的高科技企业，第三代天机芯片正在由双方联合研发。该公司还发展了基于“天机芯”系统的工具链，芯片上市后，应用开发的工程师们可以使用这些工具开发出所需应用。
“应用方面，我们主要考虑解决通用问题，给大家提供平台。”裴京说。
从无人自行车的实验看，“天机芯”上市后，完全可以应用于自动驾驶汽车和智能机器人中。而从长远来看，以“人工通用智能”为目标的“天机芯”，如果真能实现自己的理想，它将“无所不能”，可用于各行各业。因为“通用人工智能”，就是你和你的大脑能做的任何事情，都让机器学会去做。
那么，电脑可否超越人脑？“电脑早就在某些方面超越了人脑，比如记得快记得准，算得快算得准。但目前在很多智能层次，例如自主学习、模糊推理等很多领域，计算机和人脑仍有相当大距离。类脑计算可以缩小它们的差距。”施路平认为，计算机的特点是一直前进从不退步，因此超越人脑的领域将会越来越多，但我们不必因此惧怕它的发展。“要用人类的智慧来规范人工智能的发展，让它服务于人类。”
编辑：李华山
2019年08月12日15:05:54
寒武纪MLU100：我国首款云端人工智能芯片，能耗效率领先竞争对手5倍
中国科学院3日在上海发布了我国首款云端人工智能芯片——寒武纪MLU100。这一面向人工智能领域的大规模的数据中心和服务器提供的核心芯片，可支持各类深度学习和经典机器学习算法，充分满足视觉、语音、自然语言处理、经典数据挖掘等领域复杂场景下的云端智能处理需求。
与传统的终端芯片相比，云端智能芯片规模更大，结构更复杂，运算能力更强。据寒武纪科技创始人、中科院计算技术研究所研究员陈天石介绍，寒武纪MLU100云端人工智能芯片采用寒武纪最新的MLUv01架构和TSMC16nm的先进工艺，可工作在平衡模式和高性能模式下，平衡模式下的等效理论峰值速度达每秒128万亿次定点运算，高性能模式下的等效理论峰值速度可达每秒166．4万亿次定点运算，而典型板级功耗仅为80瓦，峰值功耗不超过110瓦。
基于MLU100芯片的几种应用方案也于今日同步亮相。联想集团推出搭载MLU100智能处理卡的云端智能服务器SR650，它打破了37项服务器基准测试的世界纪录。中科曙光推出“PHANERON”服务器产品及人工智能管理平台SothisAI。科大讯飞公司则与寒武纪芯片深度合作，将寒武纪智能处理器应用于语音智能处理，据测试，其能耗效率领先竞争对手的云端GPU方案5倍以上。
据了解，人工智能芯片模仿了人脑神经网络结构，一条指令即可完成一组神经元的处理。这一计算模式在做识别图像等智能处理时，效率比传统芯片高几百倍。目前，人工智能芯片已经广泛应用于图像识别、语音识别、智能安防、智能驾驶、消费类电子等领域。云端智能芯片的问世，也将为大数据量、多任务、高通量等复杂的云端智能处理需求提供新的技术支撑。
寒武纪科技是由中科院计算所智能处理器中心孵化的人工智能芯片独角兽企业。其创始人陈天石2015年带领中科院计算技术研究所科研团队发布全球首个深度学习专用处理器芯片“寒武纪”，2016年带领团队创办寒武纪科技公司并在上海浦东临港地区落地，当年发布的全球首款商用终端智能处理器，已应用于千万级智能终端中。3日，该公司同时发布了新的终端智能处理器IP产品寒武纪1M。陈天石在公开信中表示，他们会以处理器IP授权的形式与同行共享最新技术成果，帮助全球客户能够快速设计和生产具备人工智能处理能力的芯片产品。
跃然科技：首款跃然人工智能交易基金成立
1月17日，跃然科技在上海发布了一款人工智能交易系统——“爱（AI）交易”系统，同时，也宣布首款基于爱交易系统的私募基金产品——跃然人工智能交易基金的成立。
据界面新闻记者了解，子午跃然人工智能一号证券投资基金，这个被称为“中国首款由人工智能系统管理运营基金”投资领域涉及股票、期权以及商品期货，并已在中国证券投资基金业协会完成登记备案，将于本月底试运行，该基金规模为3000万元人民币。
跃然科技首席科学家叶承羲介绍，爱交易系统核心算法应用当下最先进的人工智能技术AlphaGo的架构，由估值网络和决策网络两部分组成。其中估值网络用来预测股市未来的变化以及概率，而决策网络根据客户自己本身的持仓偏好，通过深度强化学习寻找最佳下单时间以及每次下单的股数。与AlphaGO类似，爱交易的估值网络也是通过卷积神经网络从高频数据中搜索交易信号，完全无须人工参与。
跃然科技公司CEO朱嘉琦在发布会上表示：“2018年将是AI交易元年，该基金只是试水产品，跃然科技未来他们将会把这套AI模型共享给行业内的合作伙伴。如果说以往的投资是门槛高、风险大、信息不透明的资本巨鳄的游戏，那么AI将会为我们提供多元化、定制化、个性化的服务。”
作为子午投资和跃然科技两家公司的创始人，朱嘉琦有着在包括美国、欧洲、印度市场的十年量化交易经验，交易品种包括股票、期货和期权。此外，子午投资的主要团队成员首席科学家叶承曦在深度学习领域、CTO朱彤在网络移动安全都在美国资本市场有资深履历。
朱嘉琦并不避讳量化交易所带来的巨额回报。在当天的发布会上，跃然科技CEO朱嘉琦回忆了五年前被称为“光大乌龙指”事件，他表示，“光大证券交易员的失误操作，造成超过100支股票出现巨额交易，但我有幸通过量化交易操作抓住了短暂的交易机会，并在当天获利丰厚。当天我便买了一辆阿斯顿·马丁犒赏自己。”
从量化交易到人工智能，预期中的丰厚获利与团队支持成为朱嘉琦团队从量化交易迈入人工智能领域的动力。在他看来，在量化交易中加入AI机器自我学习的特性，能够帮助量化模型适应不同市场环境，深入挖掘新选股因子以及因子与股票收益之间的非线性关系，提高模型预测能力，更敏锐地捕捉未被发现的市场机会。
不过，一些量化对冲基金认为，机器学习不过是众多观察市场异动统计方法中的一种，所谓的人工智能并不稀奇。而最为致命的是，一个模型如果被证实有效而又流行起来的话，很快就会导致这一模型失效。
最近的美国AI基金领域例子也在眼前。
2017年10月18日，美国两家公司EquBotLLC、ETFManagersGroupl合作推出全球首只应用人工智能、机器学习进行投资的ETF——AIPoweredEquityETF。AIEQ刚问世的时候表现十分优异，不过随后该基金表现却不尽如人意，甚至出现和大盘指数表现大幅偏离的情况。例如10月25日和11月7日市场表现较弱，标普500指数两天的跌幅分别为0.47%和0.02%，纳斯达克综指跌幅分别为0.52%、0.27%，而AIEQ这两天的跌幅达到了1.11%和1.09%。
即使在模型构建上有所进步，让机器更多的参与到策略的制定中，人工智能还面临着两大问题：一是模型预测过于精确（过拟合）以至于短期难以实现；另一则就是人工智能的决策并不透明，普通人难以理解机器的操作逻辑。实际上，从目前人工智能深度参与投资的所有公开信息中，并无百发百中的成功者。