【編者按】立于百年機遇變革潮頭，數字經濟已成中國經濟高質量躍遷新引擎。加速數字產業(yè)化、產業(yè)數字化，是當下發(fā)展數字經濟及數字化轉型的重要命題。到底什么是數字經濟？數字經濟現處何種階段？數字經濟的發(fā)展方向在哪里？如何實現數字化轉型？……

億歐EqualOcean作為一家專注科技、產業(yè)、投資的信息平臺和智庫，現推出“數字經濟／數字化轉型百人談”專輯（同期，億歐EqualOcean數字產業(yè)創(chuàng)始人俱樂部也已成立），將通過深度訪談100位各行業(yè)數字經濟／數字化轉型洞察者、推動者與實踐者，在認知層探索解決方案與方法論。

本文系“億歐EqualOcean數字經濟／數字化轉型百人談”專輯文章之一，我們訪談了新氦類腦智能平臺總經理江偉杰，就類腦這項新興技術進行了深入交流。

江偉杰博士現任全球半導體聯(lián)盟亞太區(qū)執(zhí)行長，擁有豐富的實際應用和芯片開發(fā)工程經驗。全球半導體聯(lián)盟擁有近400家成員公司，產值占半導體行業(yè)75％以上。

世界上最復雜的東西是什么？

答案不是機器，不是AI，是我們的大腦。

神經學家說，人腦是世界上最復雜的東西，它復雜得讓試圖解釋它的簡單模型可笑，讓精致的模型無用。生物學家說，人的大腦是否能理解它自己，是最古老的哲學問題。

在人工智能的發(fā)展中，一直存在著兩大技術路徑，一條是以模型學習驅動的數據智能，另外一條是以認知仿生驅動的類腦智能。前者即我們通常所指的“人工智能”技術，它已廣泛應用于人臉識別、機器視覺等各大領域；后者作為全新的技術才剛剛開始，具備巨大的想象空間。

近日，億歐EqualOcean采訪了新氦類腦智能平臺總經理江偉杰，試圖探究：類腦技術究竟意義何在？其未來將如何發(fā)展？

算法世界的成本瓶頸

先用一組數據來感知計算機世界和人腦世界的差距：

曾排名世界第一的超級計算機天河一號，裝有3．2萬顆主CPU和4．8萬個協(xié)處理器，其計算力相當于13億人同時用計算器算上1000年，但耗電量驚人，滿負荷下一天電費超30萬，一年費用超1億；

日本曾將算力排名世界第4的超級計算機與人腦作PK實驗，結果出乎意料地顯示，這臺超級計算機在模擬1％人腦活動的時候就消耗了將近40分鐘，而我們的大腦執(zhí)行這樣的工作只需要1秒鐘；

人腦消耗的能量如果用電量來衡量的話，功率是25W，相比之下，標準計算機僅識別1000種不同的物體，就需要消耗250W的能量。

這些事實都指向一個問題：算法成本有多高？

聰明的算法模型固然提高了人們的工作效率，但要進一步發(fā)展以執(zhí)行更復雜任務，將不可避免面臨高功耗、低效率所帶來的成本瓶頸。

計算機的世界里，這一切都源于“馮·諾依曼結構”。1946年，第一臺通用計算機ENIAC誕生，在它27噸的龐大身軀里，CPU負責加工處理數據，內存負責存儲。自此，存儲單元和運算單元分離，成為計算機的基本架構。

但兩相分離的產業(yè)格局，導致內存技術與處理器技術發(fā)展不同步。在過去的20多年中，處理器的性能以每年大約55％的速度快速提升，而內存性能的提升速度則只有每年10％左右。內存的存取速度嚴重滯后于處理器的計算速度，“內存墻瓶頸”導致高性能處理器難以發(fā)揮出應有的功效，對高性能計算形成極大制約。

但在人腦結構下，計算和存儲發(fā)生在同一神經突觸中，數以百萬億的神經元同時進行著存儲和計算，讓信息處理變得快速而高效。

怎樣模仿人類神經系統(tǒng)工作原理，開發(fā)出快速、可靠、低耗的運算技術？類腦技術即由來于此。