类脑计算技术深度调研 2022类脑计算行业发展前景及规模预测

• 2022年10月27日 WuYaNan来源：互联网 283 11
• 繁体

类脑计算，已然从实验室走向了商业化摸索。据相关机构预测，2035年类脑计算的市场规模约200亿美元。

类脑计算行业发展前景如何？类脑计算作为通往AGI最有潜力的一条路径，这个领域已经开始得到学界和产业界越来越多的关注。类脑计算这个概念最早是在上世纪80年代，由一个叫做Cuver Mead的美国科学家提出。据不完全统计，目前全球范围内已有20家左右相关创企，虽然融资轮次多集中于A轮，但各家公司拿到的融资金额少则千万多则上亿。

根据中研普华研究院《2022-2027年国内外类脑计算技术发展研究及趋势预测报告》显示：

类脑计算技术深度调研 2022类脑计算行业发展前景及规模预测

类脑现代计算系统能耗太大，对于日益成为我们生活一部分的复杂AI应用来说，不是可持续发展的平台。类脑计算新技术有望通过完全不同的方式处理信息，能效极高，并能处理我们加速产生的大量非结构化和嘈杂的数据。

从定义上来看，目前的类脑计算可以分为狭义和广义两种。狭义类脑计算指的就是模仿大脑神经结构和工作原理而创新出来的神经形态计算，学术界称其为Brain-like Computing。广义的类脑计算则是在借鉴脑的结构和工作原理的同时，又不局限于对脑的模拟，还会融合传统的人工神经网络 (ANN)等具有更多类脑特征的异构神经网络，学术界称其为Brain-inspired Computing。

相比于深度学习中的DNN，类脑计算的研究主要围绕SNN网络展开。

所谓SNN，全称脉冲神经网络，是第三代人工神经网络。它以0/1脉冲序列表达信息流，编码里包含了时间信息，与ANN最大的区别是具有时序性。

只有当神经元膜电压积累到特定的电压阈值时SNN的神经元才会放电(发放脉冲)，并不会在每个信息传递的周期都被激活。

类脑计算研究涉及的领域范围广泛，包括材料科学、神经科学、电气工程、计算机工程和计算机科学等。材料科学家研究、制造和表征可用于类脑器件的新材料，重点是展示与生物神经系统相似特性的材料。神经科学家提供可能在类脑计算意义上有用的新知识，并利用类脑计算系统来模拟和研究生物神经系统。

电子和计算机工程师利用模拟电路、数字电路、数模混合电路和器件来构造系统，模拟神经系统的运行过程，开发由生物启发的类脑计算系统。类脑计算系统的研究涉及到类脑处理器微体系结构技术、体系结构技术、类脑处理器配套的软件工具链和基于脉冲神经网络的算法等研究领域。在现阶段的社会发展过程中计算机科学技术在社会中的应用具有极大的社会现实含义，不仅其在加速社会经济的道路上起到了积极的作用。

类脑计算领域的相关研究，为新一代计算变革带来了希望。以大脑为模仿对象建立新一代计算技术体系，既可以保留计算机的既有优势，又可以叠加人脑处理信息的诸多优势，将有望打破冯·诺伊曼架构的束缚，实现存储处理一体化、超低能耗和超大规模并行信息处理，让结构逼近人脑、性能媲美人脑的“人造超级大脑”成为可能。

类脑计算未来发展前景分析

应用场景上，目前的类脑解决方案基本都是首先从低维度信息处理和高速视觉处理开始，主要面向端侧可穿戴设备、摄像头和终端设备。在此基础上，未来将加入在复杂环境中的实时决策能力，对应场景为无人机和自动驾驶。随着类脑技术(大规模并行计算、自主学习等)和类脑产业的成熟，在更长的维度上，类脑的应用场景将覆盖数据中心以及自主机器人。类脑芯片由于其低功耗的特征，非常适合人体植入(可植入式疾病治疗)、脑机接口等应用领域。

类脑计算市场规模预测

类脑研究发展迅猛、前景广阔，但总体仍处于起步阶段。与人脑相比， 其基于的深度神经网络(DNN)在信息处理的效率，即速度和功耗上，表现仍不够好。其中“速度”是指它在计算不同神经层的输出是以顺序的方式进行，导致每层都必须等待上一层的输出计算完成后才能执行下一步，缺少架构灵活性。“功耗”则是指在冯诺依曼架构下，庞大的数据量意味着频繁且大规模的运算，随之而来的就是功耗的极速上升。

而我们的人脑靠其中的神经元以脉冲的形式进行信息传递，约870亿个神经元高度非线性地工作，每个神经元在外部和内部都与其他神经元有多达10000个连接，承载着数十万个协调的并行过程，功耗却只要20W左右。

类脑计算，已然从实验室走向了商业化摸索。据相关机构预测，2035年类脑计算的市场规模约200亿美元。

想了解更多关于类脑计算技术行业专业数据分析，请点击查看中研普华研究院出版的报告《2022-2027年国内外类脑计算技术发展研究及趋势预测报告》。

• 相关深度报告REPORTS

  

  2022-2027年国内外类脑计算技术发展研究及趋势预测报告

  类脑计算是指利用数字电路、模拟电路、数模混合电路或新器件来仿真生物神经元以及神经元间的突触连接，进而利用超大规模集成电路（Very Large Scale Integrated，VLSI）系统来模仿神经系统中...

  查看详情

延伸阅读

推荐阅读

猜您喜欢