當前人工智能依靠的底層理論是基于多層神經(jīng)網(wǎng)絡的深度學習，而深度技術(shù)算法所支持的人工智能應用空間集中在（或局限于）圖像識別和語音識別。人工智能識別做的是比對，這時信息進入大腦后缺少加工、理解、思考等步驟，還停留在感知階段，未能達到認知階段。
機器學習/深度學習算法興起于上世紀50年代（一直沿用至今），今天深度學習算法的潛力已近天花板，限制了人工智能擴大應用創(chuàng)新。
2014年IBM研究類腦算法，開發(fā)TrueNorth芯片，支持人工智能應用創(chuàng)新，以期向“認知”邁進。IBM開發(fā)基于大規(guī)模脈沖神經(jīng)網(wǎng)絡的類腦算法的TrueNorth芯片，是由4096個細小的計算內(nèi)核組成，這些計算內(nèi)核形成了100萬個數(shù)字腦細胞和2.56億個神經(jīng)囘路，像“大腦神經(jīng)元”一樣工作（不同于運行打包成指令序列的傳統(tǒng)人工智能芯片）。
2019年在《nature》雜志封面上發(fā)表了清華大學丨施路平團隊研發(fā)的“世界首款雙控異構(gòu)融合類腦芯片”，其意義非同凡響！
2014年清華大學類腦研究中心施路平團隊研發(fā)類腦技術(shù)，將基于脈沖神經(jīng)網(wǎng)絡（ANN）的類腦計算算法與基于人工神經(jīng)網(wǎng)絡（SNN）的深度學習算法集成到一顆芯片“天機芯（TianJic）”上，實行資源復用，利用交叉優(yōu)勢，使人工智能應用創(chuàng)新更接近于“自主思考”的認知階段。
天機芯應該屬于CGRA結(jié)構(gòu)（這是一種更高層次的可重構(gòu)技術(shù)），對應Tianjic的FCcore是一個結(jié)合了SNN和ANN主要算法的統(tǒng)一硬件結(jié)構(gòu)，而且在一塊芯片上同時支持商業(yè)應用和算法研究，可以說這是Tianjic最大的創(chuàng)新點。在無人駕駛的自行車上進行功能驗證，應該說施教授團隊選擇如此應用場景讓人眼前一亮，極具吸引力和沖擊力。
搭載該芯片的自動行駛自行車展示了自平衡、動態(tài)感知、目標探測、跟蹤、自動避障、過障、語音理解、自主決策等功能。
第二代天機芯（2017）具有高速度丶高性能丶低功耗等特點，比TrueNorth芯片動能更全，靈活性和擴展性更好，速度提高10倍。
圖片來源：清華大學官網(wǎng)
現(xiàn)在看來，IBM研發(fā)True North芯片，Intel研發(fā)Loihi芯片，均偏重于底層理論研究，即偏重于對類腦脈沖神經(jīng)網(wǎng)絡及類腦算法的研究。脈沖神經(jīng)網(wǎng)絡（ANN）是模擬生物神經(jīng)元連接和運行方式的模型，通過計算產(chǎn)生神經(jīng)電脈沖進行信息傳遞，這和傳統(tǒng)網(wǎng)絡的權(quán)重連接+激活的方式有很大差別。目前國內(nèi)外學術(shù)界和產(chǎn)業(yè)界對ANN研究還不多、不深，主要在基礎(chǔ)算法上尚未見到關(guān)鍵性突破。
國內(nèi)一些AI專家認為，純脈沖神經(jīng)網(wǎng)絡（和其類腦基礎(chǔ)算法）將是推動人工智能發(fā)展進入認知階段的關(guān)鍵。他們目前正在致力于研發(fā)ANN（已有幾年），我認為應該將這項研究成果，不光結(jié)合或應用于純脈沖神經(jīng)網(wǎng)絡，更要結(jié)合或應用于ANN+SNN異構(gòu)融合網(wǎng)絡。
現(xiàn)將已發(fā)布的搭載SNN芯片參數(shù)一覽表公布如下：
自《評人工智能如何走向新階段》一文發(fā)表（在內(nèi)部）后，引來了專家、草根們的廣泛議論，有深有淺，其中似有一些思考價值，故錄入本文后記：
1、
7、
10、脈沖神經(jīng)網(wǎng)絡類腦芯片的進步將會帶來計算體系結(jié)構(gòu)的革命，是下一代人工智能發(fā)展的重要突破方向。由浙江大學牽頭研發(fā)的脈沖神經(jīng)網(wǎng)絡類腦芯片“達爾文2”已于近期發(fā)布（2015年發(fā)布“達爾文1”，現(xiàn)在已啟動研究“達爾文3”），達爾文2單芯片由576個內(nèi)核組成，每個內(nèi)核支持256個神經(jīng)元、神經(jīng)突觸1000多萬（即單芯片支持的神經(jīng)元規(guī)模達15萬個），經(jīng)過系統(tǒng)擴展可構(gòu)建千萬級神經(jīng)元類腦計算系統(tǒng)（在神經(jīng)元數(shù)目上相當于果蠅的神經(jīng)元數(shù)目），達爾文2是目前已知單芯片神經(jīng)元規(guī)模居全國前列。該類腦芯片目前主要應用于圖像物體識別、視頻音頻理解、自然語言處理、腦電識別，較之基于深度學習的人工神經(jīng)網(wǎng)絡，具有獨到優(yōu)勢，更擅長于模糊數(shù)據(jù)處理。
（https://www.huxiu.com/article29556.html）看，那些發(fā)表AI論文的高產(chǎn)作者主要是畢業(yè)于美國的博士，占44%，在中國獲得博士學位的作者約11%，其次是英國6%，德國5%，加拿大4%，法國4%，日本4%。從就業(yè)數(shù)據(jù)地域分布看，美國繼續(xù)吸引AI研究人員為之工作的占46%，中國占11+%，其次是英7%，德4%，日4%。在頂級刊物上有影響的AI研究人員全球約4000人，其中美國1095人，中國255人，英國140人，澳大利亞80人，加拿大45人。從AI人員流動情況看，美國最能吸引AI研究人員為之工作，中國其次，其吸引的絕對數(shù)量占美國的1/4。
2019年1月我們在拉斯維加斯CES會展上發(fā)布3.5（城市路況自動駕駛），這是迄今最強大的Apollo開放開源平臺，它成為全球首家能應用于普通城市交通環(huán)境的開源自動駕駛平臺，能夠安全行駛通過車道線不清的窄道，無紅綠燈控制的路口，街道槽車、減速隔離帶等多種特殊路線段。但要實現(xiàn)普通乘用車人工智能的全自動駕駛，還會遇到很多技術(shù)上的挑戰(zhàn)，還需相當長的時間才能完成。
23、華為在昇騰AI處理器基礎(chǔ)上開發(fā)了Atlas 900人工智能訓練集群，基于深度學習框架，可用于人臉識別、車輛識別、具有超強算力（算力達到256PFLOPS），用于分析20萬顆星體僅需59.8秒，（比現(xiàn)在世界紀錄快10秒）也可做成模塊化裝置，用于攝像頭、無人機、等終端應用領(lǐng)域。
有人說深度學習技術(shù)潛力已近天花板，從本例看來，這個論證不完全正確。深度學習還可進一步提升算力！只是基于深度學習難以使人工智能跨越感知抵達認知。
