此外，类脑芯片的“事件驱动”特性相较于传统芯片，也能进一步降低芯片功耗。类脑芯片大多为NOC（Network on Chip）异构芯片，因此从芯片架构来看，类脑芯片具备片上神经元与片上突触。片上神经元与片上突触的数量也是类脑芯片的重要数据指标。目前，已有少数厂商实现了片上神经元可编程，即用户可自行定义神经元数学模型。基于这种异构的架构，类脑芯片能够对神经元做高精度模拟与仿真，将这些神经元通过突触组合起来就形成了具有一定智能化程度的脉冲神经网络。三、类脑芯片发展前景可期全球几大经济体都高度重视类脑计算领域的发展，也相应推出了各自的“脑计划”。从学术成果来看，美国暂居全球首位；欧盟国家、加拿大、俄罗斯以及日韩为全球第二梯队；以色列、中国等新兴力量也已暂露头角。美国于2005年提出“神经科学研究蓝图计划”并于2013年将脑科学计划成功启动。欧洲则于2013年启动HBP，即人类脑计划，旨在建立用于模拟和理解人类大脑所需的信息技术，建立模拟技术和超级计算即平台。日本于2014年启动脑计划，并计划每年投入2700—3600万美元，计划实时周期为10年。我国于“十三五”期间启动了“脑科学与类脑科学研究”计划，并于2016年纳入“科技创新2030重大项目”。“十四五”期间，我国将“中国脑计划”以“一体两翼”为结构重点发展了多个重点研究项目并将“类脑智能”写入《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》。目前，我国脑计划已经取得了多项世界级重大科研成果，论文发表增长率处于全球领先水平，这说明中国类脑计算领域一直处于蓬勃发展期。在各国政府的大力推动下，欧美开始了类脑芯片的研发之路。2008年，在美国国防高级研究计划局（DARPA）的推动下，SyNAPSE项目成立，这标志着美国率先开始了类脑芯片的研究之路。当时的参与方有IBM和HRL实验室。6年后的2014年，基于SyNAPASE项目，IBM推出了类脑芯片——TrueNorth，这也标志着类脑芯片从此走出实验室，走向市场。2018年，英特尔推出了Loihi一代，并开始着力打造其类脑计算生态圈。同年SynSenes、Brainchip、GrAI、Aspinity等公司相继进入类脑芯片这一领域。2019年英国曼彻斯特大学推出了SpiNNaker类脑计算超级计算机，并推动了多项科研工作进展。2021年，英特尔推出Loihi二代，并发布了脉冲神经网络的开源开发框架LAVA，这标志着其生态建设逐步完善，与其达成合作的机构也超过200家。同年，其余类脑芯片厂商也开始陆续向客户交付产品，这也标志着类脑芯片商业化的开始。在我国，类脑芯片也备受瞩目，2019年清华大学推出了“天机”类脑芯片，并于当年成功登上《nature》杂志首页，实现了中国芯片类科研项目在该杂志上零的突破。随后浙江大学、上海交大等国内大学也纷纷投入到类脑芯片的研究中并不断刷新成果。从商业角度来看，结合多家资讯机构提供的信息，类脑芯片的全球市场规模在2025年将达到2亿美元，2030年约为70亿美元，CAGR超过70%。从市场信息分析，可发现市面上绝大多数类脑芯片并未实现批量化生产和大规模应用落地。类脑芯片大致有以下几类主要细分市场：开设了类脑智能/神经科学等相关学科的高校；具有类脑算法研发能力的大型企业预研部门；医疗科研场景下利用计算机算法模拟神经元计算过程以及进行生物电信号处理研究的研究机构和科研团队。其中，高校与科研机构相关项目占调研中总项目数量的70%以上，因此类脑芯片主要购买方为高校与研究机构。这些研究机构主要从事事件视觉图像识别、感知信号处理与机器人/UAV控制算法等方向的研究。综上所述，基于全球对类脑计算领域的高度重视，类脑芯片发展迅速，其技术创新、产品研发、市场规模均取得了重大突破，类脑芯片前景可期。四、类脑芯片应用场景广阔如前文提到的，类脑芯片的主要应用场景大致可以分为两大类：类脑智能与脑科学。在类脑智能方面，目前研究人员通常将搭建好的脉冲神经网络或者由脉冲神经网络与人工神经网络组成的混合网络部署于类脑芯片上，用以实现如下下游任务：图像识别、目标检测、无人机/机器人控制算法、嗅觉感知、触觉感知以及各类信号识别。这些下游任务可以在未来被广泛应用于医疗器械、工业生产、安防、智能驾舱、自动驾驶、无人机与机器人等多个领域。由动态相机与类脑芯片组成的视觉感知系统可以轻松实现数千FPS的探测速度，因此未来这项技术在自动驾驶、工业检测等领域应用前景广阔。基于存算一体的架构以及脉冲神经网络的稀疏性等特点，类脑芯片的功耗特别低，个别应用甚至可以达到毫瓦级功耗。类脑芯片天生的低功耗特点使其在端侧和边缘侧应用有较大优势，例如消费级机器人上的always-on语音唤醒系统，安防摄像头、车载手势识别系统等。此前由清华大学发布的“天机”类脑芯片上就部署有语音识别算法以及避障、目标跟踪等算法。在脑科学方面，类脑芯片主要用于进行神经元仿真、中小规模神经组织仿真及大规模脑仿真甚至人造大脑。研究人员通过将用于模拟生物神经元的数学模型写入到片上神经元中，并设定好突触连接等参数，即可进行各类规模下的神经元仿真，从而帮助人类更加了解大脑结构及其工作原理，也促进人类脑健康研究的发展。通常，做中大规模脑仿真需要大量片上神经元参与，因此类脑芯片需要以类脑计算板卡的形式被部署在服务器节点中。
