人腦和計算機哪個結構更復雜？計算機可否像人腦一樣自我學習與進化？智能機器是否可以像人類一樣思考與行動？人類能否打造像人腦一樣的“機器腦”？
這些你可能想過的問題，都屬于類腦計算研究的領域。
類腦計算，是借鑒生物大腦的信息處理方式，以神經元與神經突觸為基本單元，從結構與功能等方面模擬生物神經系統，進而構建“人造超級大腦”的新型計算形態。
從1945年科學家馮·諾伊曼以大腦為參考提出著名的馮·諾伊曼計算機體系結構，到1948年人工智能之父艾倫·圖靈提出用類神經元網絡方式構建現代計算機的設想，
再到2020年浙江大學牽頭研制成功億級神經元類腦計算機，類腦計算研究不斷取得進步。類腦計算既充滿魅力又面臨挑戰，它的主要任務不僅是構建結構逼近人腦的網絡系統，
更在于構造性能媲美人腦的創新生態，為人類展示虛擬腦與生物腦相融合的計算前景。
類腦計算：突破計算能力限制的戰略支點
類腦計算屬于計算機研究范疇。1946年，世界上第一臺現代計算機誕生，計算機科學與技術從此日新月異。短短幾十年間，現代計算機使用的電子器件經歷了電子管、晶體管、中大規模集成電路、
超大規模集成電路等階段，持續更新換代。1965年以來，集成電路的晶體管集成度遵循了“摩爾定律”，即一個芯片上可以容納的晶體管數目在大約18個月后就會增加一倍。但時至今日，通過提高集成電路的晶體管集成度來提升計算能力的模式已難以為繼。計算芯片的電路線條寬度已細到納米數量級，相當于只有幾個分子的大小。在這種情況下，材料的物理與化學性能的變化將導致半導體器件不能正常工作。
因此，如何以新的處理機制解決計算機計算能力限制，成為信息科學發展最為緊迫和最為前沿的問題之一。
通過模仿人腦建造接近乃至超越人類智能的機器是人類的一個樸素理念，也是科學家解決計算機計算能力限制的主要方向之一。與現有計算機相比，人類大腦具有明顯優勢。一是人類大腦的功耗低，
僅有20瓦左右，遠遠低于現有的計算系統；二是人類大腦的容錯性強，即使少部分神經元死亡，對大腦的整體功能影響不大；三是人類大腦對信息的并行處理能力強，
分布于大腦各處的數百億神經元可同時對信息進行分析處理；四是人類大腦神經網絡的可塑性好，可根據環境變化進行自我學習與進化。人腦的這些優勢或許平時不易被我們察覺，
卻是類腦計算研究的重要依據。
類腦計算領域的相關研究，為新一代計算變革帶來了希望。以大腦為模仿對象建立新一代計算技術體系，既可以保留計算機的既有優勢，又可以疊加人腦處理信息的諸多優勢，
將有望打破馮·諾伊曼架構的束縛，實現存儲處理一體化、超低能耗和超大規模并行信息處理，讓結構逼近人腦、性能媲美人腦的“人造超級大腦”成為可能。
類腦芯片：讓計算機像人一樣聰明的核心技術
細心的人會注意到，自然界有許多體型很小的昆蟲，能夠實時跟蹤物體、導航和躲避障礙物。它們的神經元只有幾萬、幾十萬個，與之相比，人類大腦的神經元數量和復雜功能更令人驚嘆。
如果能在芯片上模擬這些大腦，必然可以系統提升計算機的整體能力。正是基于這一想法，類腦芯片應運而生，它是建造類腦計算機最關鍵的部件，可以說是人類大腦的硬件電路形式。
類腦芯片主要負責模擬大腦神經元的功能特性、信號傳遞和學習方式，讓計算機在低電能消耗情況下完成感知、學習、記憶、決策等智能任務。
研制理想的類腦芯片，需要在多個學科中尋找突破口。比如從材料層面探索類生物物質，從器件層面構造神經元與突觸，從電路層面實現神經網絡的連接，從算法層面研究大腦的思考能力，等等。
目前，類腦芯片研究有3個主攻方向。
一是尋找工作行為特性與大腦神經元相似的納米器件。類腦芯片由大量更小的電子器件組成，這些器件每個僅幾十納米到幾百納米大小，被稱為納米器件。長期以來，
研究人員不斷尋找與構造合適的納米器件。如一類叫作憶阻器的納米器件，其納米夾層中的離子運動可以改變器件的工作狀態，這與大腦神經元及突觸細胞膜中所包含的離子通道的作用相似。
有些憶阻器可以一直保持這樣的工作狀態，即使斷電了也不會丟失，就跟人的記憶一樣。
二是設計適合類腦芯片的新型計算體系架構。有了上億甚至上百億個類腦納米器件后，還要使它們都按照人們需要的行為模式協同工作，即要形成與類腦芯片運行相匹配的體系架構。
目前最常見的計算芯片（CPU）均是在馮·諾伊曼體系架構下建立的。這種架構的最大特點是“存算分離”，即存儲單元和計算單元是分開的，好比編曲和演奏是分開的。程序員像是作曲家，
編程好比編曲，寫有程序的存儲器就像曲譜本，操作者則像是演奏家，其運算好比演奏，樂器就是具備計算能力的計算單元。一個計算單元可以根據存儲器里的不同程序執行不同任務，
就像同一臺鋼琴可以演奏不同曲子一樣。與此原理不同的是，生物大腦并不區分存儲區和計算區，而是集“作曲家、曲譜本、演奏家和演奏工具”于一體。它是信息的存儲者，也是信息的處理者，
還是信息的創造者，具有自我學習、思考、創新創造等能力。
三是解決類腦芯片的能效問題。研究發現，人腦是一部能效極高的“計算機”，若用現在的計算機去處理人腦承擔的任務，粗略估計需要高達100兆瓦的功耗，是人腦功耗的500萬倍。
人腦可以低能量消耗運行的原因之一，就是存算一體的機制最大程度減少了數據的傳輸需求與傳輸距離，節約了傳統計算架構中計算單元和存儲單元間通信所消耗的時間和能量。
因此，類腦芯片不僅能夠像人腦一樣根據外界動態信息做出反應并不斷學習，還可以在無信息輸入的時候進入“休息”的省電狀態。
類腦計算的未來：在學科交叉與突破創新中蓬勃發展
綜觀全球，類腦研究不斷取得新進展。我國于2021年正式啟動科技創新2030——“腦科學與類腦研究”重大項目，將大力開展類腦研究。一些發達國家也相繼提出類腦研究計劃。
可以預見，類腦研究將進入前所未有的高速發展期，催生一批新理論和技術成果，引領新一輪科技革命。目前，類腦計算的基礎理論和核心技術已取得不少突破。
類腦研究發展迅猛、前景廣闊，但總體仍處于起步階段。特別是要想實現構建“人造超級大腦”的美好愿望，還需突破多個難點。比如世界上單顆類腦芯片僅停留在百萬級神經元規模，
最大的類腦計算系統也只達到了億級神經元，而一只小鼠的大腦神經元數量就達到了1億左右，人腦的神經元數量更是有600億—1000億之多。總體而言，
基于硬件的類腦計算過程模擬與真實大腦相比仍有不小差距，類腦學習的運作機制與算法研究還很有限。再如目前人類對大腦神經元如何編碼、轉導和儲存神經信息有較多了解，
但尚不了解神經信息如何產生感知覺、情緒、抉擇、語言等各種大腦高級認知功能。要讓科幻電影里那樣的“人類超級大腦”計算機成為現實，仍需研究者久久為功。
正如人類歷史上的任何科技成果一樣，類腦計算的發展不會一蹴而就。但難點也是突破點、機遇點，隨著神經模型、學習算法、類腦器件、基礎軟件和類腦應用等方面不斷取得突破，類腦計算將迎來更為蓬勃的發展態勢，為構建“人造超級大腦”帶來希望。
