再造万神殿类脑芯片如何开启马斯克的脑机接口之路？

　　＂硅谷钢铁侠＂埃隆·马斯克无疑是一个对科技和商业都很敏锐的人，这从他在电动汽车、火箭、太阳能以及人工智能等方面的创业都可见一斑。当这样一个自带未来感的人多次公开强调＂人工智能可能比核弹更危险＂时，一个新的未来图景正徐徐展开。
　　对于人工智能飞速发展给人类生存带来的威胁，马斯克给出的解决方案是＂打不过就加入＂： 开发可植入脑的脑机接口，在AI全面超越人类之前，将二者融为一体。
　　为了实现这一图景，马斯克于2016年7月创办了Neuralink。Neutral的意思是＂神经的＂，Link的意思是＂连接＂。顾名思义，Neuralink要做的事就是将脑和机器（外部设备）结合。
　　人脑活动的复杂程度远超当前算力资源所能模拟的上限。爱因斯坦曾说过，人的大脑只使用了3%。大脑约有1000亿个神经元，100万亿个突触，采用串行以及大规模并行的信息处理模式，能够处理数字和模拟信号，基本运算速度约每秒1000次。
　　要将脑机结合这一科幻场景变为现实，关键在于借鉴生物神经系统的信息处理模式，构建相应的计算理论、芯片体系结构以及应用模型和算法。
　　因此，类脑计算被认为是＂后摩尔时代＂最为重要的发展方向之一，其核心的类脑芯片赛道也逐步火热。
　　那么，类脑芯片究竟是什么？马斯克和他的同行们又在这条赛道上走了多远？类脑计算的未来会怎样？
　　本文将从三个方面展开讨论：
　　一、Neuralink的＂最强大脑＂
　　二、脑机结合的核心——类脑芯片
　　三、来自中国的竞争者
　　Neuralink的＂最强大脑＂
　　同Tesla、SpaceX一样，Neuralink也是一家立足现实、着眼未来的科技公司。
　　Neuralink的商业部分，是开发医用可植入的脑机接口设备，帮助瘫痪病人自由活动；而终极目标则是打造出＂全脑接口＂（whole-brain interface），使脑中几乎所有的神经元都能够与外界顺畅沟通，实现＂人工智能共生＂ (AI symbiosis)。
　　脑机接口的概念最早于1973年提出，现在已经有侵入式和非侵入式两种接口，Neuralink的研究一般属于前者。通过在大脑中植入微小的电极，利用电流让计算机和脑细胞＂互动＂，从而让计算机把人的想法直接转化为行动。
　　Neuralink的8位共同创始人涵盖了神经科学家、神经外科医生、芯片设计师、生物相容性材料学家、脑机接口专家、微制造工程师等各领域专家。
　　在近六年的发展中，这个顶尖团队进行了高强度的产品研发与密集的动物验证，并于2019年7月和2020年8月的两场全球发布会上，分别展示了自研的第一、二代脑机接口设备。
　　2021年4月，Neuralink在推特上发布了猴子实验进展，研究人员将两个脑机接口设备植入控制猕猴的手和臂区域的左右大脑运动皮层，训练猴子用大脑控制计算机光标。
　　目前Neuralink还在等待监管部门的伦理批复，随着批复通过后临床试验的开展，其产品将加快走向市场，逐步靠近马斯克期望打造的＂最强大脑＂。
　　Neuralink的技术目的，是介入大脑神经元传递信息的过程。现有产品的核心技术，包括柔性电极、处理芯片、自动化手术、算法设计等，而其中，芯片占据核心位置。
　　在侵入式脑机接口中，芯片的主要功能是数据读出和脑部激励。
　　数据读出的过程，是当电极收集到神经信号后，由芯片将每个电极记录的微小电信号转化为实时的神经信息；信号激励则是指在脑部施加信号，从而干预脑部活动。此外，为了便于和外界沟通还需要使用无线传输技术。
　　目前脑机接口落地应用中，芯片主要发挥着 神经信号读出-实时激励-数据记录读出的闭环作用 。
　　例如癫痫治疗中，首先需要芯片对脑部信号进行实时监控，一旦读出癫痫征兆，就立刻用脑机接口的信号激励产生一个与癫痫疾病异常电压信号相反的信号，从而抵消异常信号，起到实时介入作用。
　　另一个例子是瘫痪病人的康复治疗，脑机接口芯片一方面可以读出患者脑部控制行走的信号，一方面根据读出的信号在患者脊柱部分施加相应的信号，以实现行走能力的康复。
　　那么，要完成如此艰巨任务的脑机芯片应该具备怎样的特点呢？或者说，做出成功的脑机芯片所面临的技术难点是什么？
　　第一，海量信息处理的实现。
　　大脑的神经活动信息非常复杂，需要更高计算能力的计算机来处理数据。Neuralink团队认为至少需要一百万个同时记录的神经元，才能算实现成功的脑机接口。这就意味着要在一个小小的芯片上集成上百万个电极。
　　此外，随着电极数量增加，原始数字信号变得过多，无法通过低功率设备传输。因此，需要在芯片上实时识别和表征神经电信号。
　　第二，功耗与噪声的权衡。 侵入式脑机芯片必须保证使用寿命，毕竟没人愿意过几年就切开脑子换个电池，所以电路模块设计需要保证，单个通道平均功能功耗在微瓦数量级。
　　但技术层面上，降低芯片模块的功耗，往往意味着高噪声。
　　而脑部信号的幅度通常极小（微伏级别），脑机接口芯片需有高性能的信号放大器和数字化仪。要实现高质量的脑部信号读出，必须保证芯片中读出放大器的噪声小于脑部信号幅度。事实上，Neuralink 芯片的主要指标之一就是噪声，这也印证了该指标的难度和重要性。
　　这样看，脑机接口设备芯片需要满足巨量计算任务之下的低功耗要求。而类脑芯片，正好符合这一场景的应用。
　　脑机结合的核心——类脑芯片
　　＂类脑芯片＂是指参考人脑神经元结构和人脑感知认知方式来设计的芯片。
　　＂计算机之父＂冯诺依曼曾提到，生物大脑与机器相比最大的优势，是能够利用相对落后的零部件，在一个充满随机涨落的高度不确定环境中，以绿色环保的低能耗方式，非常敏捷快速地做出正确计算。
　　目前，人工智能领域的研究还处在＂弱人工智能＂阶段，而人脑则相当于＂强人工智能＂。因此，＂类脑＂是人工智能的未来发展趋势。相关研究一般有两种＂靠近＂人脑的路径：结构和功能。
　　第一类类脑芯片，从硬件结构层面对人脑物理结构进行模拟。
　　以大脑图谱为蓝图，用微纳器件模拟神经元和神经突触的信息处理传递功能，构造出仿大脑皮层神经网络和生物感知器官的仿生神经网络，然后通过外界刺激、使其拥有人工智能。
　　目前比较有名的类人脑学习型架构的类脑芯片，如IBM公司的SyNAPSE、高通公司的Zeroth等。
　　神经元与神经突触
　　第二类类脑芯片，则是通过理解人脑一系列行为，如学习、记忆、感知和意识的生物基础，参考人脑感知认知的计算模型而非神经元组织结构， 专门设计芯片结构来高效支持成熟的认知算法。如谷歌的TPU、NVIDIA的Tesla P100，中国中科院计算所的DianNao和DaDianNo、寒武纪芯片。
　　为何类脑芯片的研究是当前前沿学科趋势呢？
　　计算机诞生前，人们对计算的精度和数量产生了极强的需求，而冯诺依曼基于他的逻辑和计算机思想设计出了第一台计算器。随着深度学习算法的出现以及计算机科学的发展，传统芯片CPU暴露出两大问题。
　　一方面，计算机CPU运算效率低。 计算机每次进行运算时，需要在CPU和内存这两个区域往复调用，因而在双方之间产生数据流量。当CPU需要在巨大的资料上执行一些简单指令时，资料流量将严重降低整体效率，CPU将会在资料输入或输出时闲置。
　　另一方面，传统CPU能耗高。 芯片在工作时，大部分的电能将转化为热能，一个不带散热器的计算机，其CPU产生的热量就可在短时间内将其自身融化。
　　为了解决CPU在大量数据运算效率低、能耗高的问题，目前有两种发展路线：一是延用传统冯诺依曼架构，主要以3种芯片为代表：GPU、FPGA、ASIC；二是采用人脑神经元结构设计芯片来提升计算能力，追求在芯片架构上不断逼近人脑，也就是类脑芯片。
　　两种发展路线各有优缺点。GPU具有成熟易用的编程语言，如英伟达的CUDA架构等，性能强悍；然而GPU总体功耗水平较高，且在深度学习推测领域处于劣势。而类脑芯片能耗非常低，且具备非常好的感知能力，适用于各种复杂环境。
　　所以早在十几年前，各国高科技企业以及研究所等，便开启了类脑芯片研究的竞赛。
　　2014年，IBM推出第二代TrueNorth，它使用了三星的28nm的工艺，共使用了54亿个晶体管，功耗每平方厘米消耗仅为 20 毫瓦，直径仅有几厘米。
　　它的每个核都简化模仿了人类大脑神经结构，包含256个＂神经元＂（处理器）、256个＂轴突＂（存储器）和64000个突触（神经元和轴突之间的通信）。不同芯片还可以通过阵列的方式互联。
　　IBM Truenorth芯片
　　2017 年，英特尔发布首款自主学习的神经拟态研究芯片，名为＂Loihi＂。
　　Loihi内部包含了128个计算核心，每个核心集成1024个人工神经元，总计13.1万个神经元，彼此之间通过1.3亿个突触相互连接。Loihi的学习效率比其他智能芯片高100万倍，而在完成同一个任务所消耗的能源，可节省近1000倍。
　　那么，Neuralink团队又在类脑芯片赛道上走了多远呢？
　　2019年Neuralink的第一个发布会的主角，就是自研的N1脑部传感器芯片，他们在bioRxiv（学界著名预印本期刊）上发表的论文中介绍了这一突破性成就。
　　A：核心处理芯片；B：连接大脑的聚合物导线；C：钛金属外壳；D；用于供电和数据的USB-C接口
　　如前文所述，脑机接口对芯片有着极其苛刻的要求。芯片需要在最小的功耗和尺寸下，对放大的信号进行采样和数字化，并实时处理。
　　高密度的记录通道，要求信号放大和数模转换必须集成在阵列组件中，且这个集成的组件必须能放大微弱的神经信号，同时抑制噪声。
　　N1芯片能够达到上述要求，其体积不到一块乐高小积木（23×18.5×2mm³）的大小，由三个部分组成：256个独立可编程放大器（Neuralink把它叫做Analog Pixel）、片上模数转换器（ADC）、用于序列化数字化输出的外围控制电路。
　　功能方面， 芯片的主要部分Analog Pixel具有高度可配置性：
　　增益和滤波特性可以进行校准，以解决因工艺变化和电生理环境导致的信号质量变化。片上模数转换器以19.3kHZ、10bit分辨率进行采样。 功耗方面， 每个Analog Pixel消耗5.2μW，整个芯片功耗6mW。整体指标处于全球领先水平。
　　随后在2020年，Neuralink发布了第二代设备LINK V0.9。研究人员表示，与第一代相比，第二代技术的突破在于芯片更加微型，以及可移植性、储存信息和无线传输功能更强。
　　LINK V0.9直径23mm，厚度8mm，配备1024个频道，能够感应温度和气压，读取脑电波、脉搏等信号，使用基于蓝牙的无线可充电接口代替第一代的USB有线传输，充满电可用一整天。
　　第一代N1芯片置于耳后，导线从中散出并连接到植入大脑的电极，这些电极将记录大脑活动并刺激神经元。
　　而在LINK V0.9的展示中，这一作用路径简化为芯片直接植入大脑，配合升级的手术机器人，植入过程只需要一台近视矫正手术的时间，且不存在暴露在外的部分，受体只是在头发下多了一个硬币大小的创口。
　　同时，发布会现场展示了已经植入芯片两个月的健康小猪。
　　在设备连接的1024个电极作用下，小猪脑内的电波信号清晰可见。通过脑电路图预测到的小猪关节的位置，和真实的运动轨迹基本吻合，这说明，Neuralink在采集信号方面确实达到了较高的精度
　　来自中国的竞争者
　　虽然各大国际厂商正争相推出自己的＂类脑芯片＂，但目前类脑芯片大规模商用化较为困难。近两年，我国类脑芯片研究逐步深入，类脑芯片市场也拥有者良好的发展机遇。
　　中国市场类脑芯片迅速增长的驱动力有三：一是下游需求的不断增长；二是国家层面的政策导向；三是相关技术和研究的不断积累。
　　在下游需求层面上，近年来，市场对人工智能和机器学习的需求不断增长。
　　在线学习，实时数据流，预测分析和数据建模等应用程序不断扩展。视频监控，机器视觉和语音识别等应用中计算需求不断增长，类脑芯片的下游应用前景广阔。
　　在政策层面上，中国十分重视类脑研究，并将类脑计算作为国家战略发展的制高点。
　　中国在2015年将脑计划作为重大科技项目列入国家＂十三五＂规划,主要有两个方向：探索大脑秘密、攻克大脑疾病为导向的脑科学研究，和发展人工智能技术为导向的类脑研究，从而促进了脑科学与人工智能交叉前沿研究。
　　在技术层面上，中国企业以及学界也早已深入类脑芯片研究。
　　2015 年中科院、清华、北大，相继成立＂脑科学与类脑智能研究中心＂，2017年5月在合肥成立了类脑智能技术及应用国家工程实验室。这些实验室将借鉴人脑机制攻关人工智能技术，推进类脑神经芯片、类脑智能机器人等新兴产业发展。
　　北大杨玉超在读博期间深入研究忆阻器领域 ，2015年，他返回北京大学，开始研发基于新型神经形态器件的高智能、低功耗类脑芯片。
　　不同于基于冯诺依曼架构——数据处理、存储单元分离的传统计算机，基于忆阻型神经形态器件可以模仿人脑的神经网络，通过类脑计算实现数据处理和存储的高度融合，从而实现比传统计算机运算要复杂出几个数量级、同时能耗、硬件又省下几个数量级的终极目标。
　　清华团队＂七年磨一芯＂，推出天机芯片。 天机芯片采用多核架构，可重构构建模块和采用混合编码方案的流线型数据流，不仅可以适应基于计算机科学的机器学习算法，还可以轻松实现脑启动电路和多种编码方案。
　　清华团队也利用一块＂天机芯＂，同时运行了包括卷积神经网络在内的 5 种不同神经网络，实现了无人自行车驾驶。
　　无人自行车可以感知周围环境，跟随前方的试验人员并自动进行避障的操作，并根据语音指令、视觉感知的反馈产生实时信号对电机进行控制，以达到保持平衡，改变形态。
　　灵汐科技推出类脑芯片KA200，它采用异构融合众核、存算一体的架构，单芯片集成25万神经元和2500万突触，每秒超过16万亿次突触计算，功耗近12瓦，实现了同时支持计算机科学和神经科学的神经网络模型，并支持两者融合的混合神经网络计算模型。
　　在研究赛道硕果累累之际，类脑芯片的商业化及规模化应用也被提上日程。由于拥有超低功耗、大规模并行计算、高速或实时信息处理等优势，类脑芯片在自动驾驶领域有着巨大潜力。
　　在自动驾驶领域，类脑技术有望让自动驾驶更加智能和安全。
　　为了让汽车的综合感知、计算、运行变得更加灵敏及顺滑，对域控制器、芯片的算力需求也不断提高。类脑芯片凭借＂低延迟、低功耗＂的特质，成功引起自动驾驶领域的厂商的注意。
　　今年1月份，奔驰便推出VISION EQXX概念车，搭载了Brainchip公司神经形态芯片，并将其用在了唤醒系统中，使其唤醒速度变为传统语音控制的5~10倍。4月份，宝马与SynSense时识科技宣布，围绕一款结合动态视觉传感器及类脑处理器的系统级芯片（SoC）——Speck展开合作与探索。
　　尾声：科幻世界的起点
　　＂为了实现与AI集成，Neuralink是马斯克进入科幻世界的起点。＂
　　当安装脑机接口像接受激光眼科手术一样普遍，人人都能随时联机，用意念操控现实，世界将迎来又一场颠覆性的革命。
　　而类脑芯片可能就是这场科技革命中的蒸汽机、计算机。
　　目前，美国是这条赛道的领跑者，学术研究领域中顶级会议相关论文的作者都来自美国，马斯克的Neuralink也走在脑机接口芯片商业化的最前沿。
　　我国的研发实力在快速提升，在低噪声和低功耗设计方面已靠近全球一流水准，而未来的追赶方向则可能在跨学科研究方面。
　　总的来说，类脑芯片仍然处于起步阶段，关于人类大脑功能的许多秘密还需要科学家一一揭开。
　　当脑机接口真正实现的那一天到来，希望人人都能因此获益。
　　参考资料  1. Neuralink and the Brain＂s Magical Future 2.  Elon Musk & Neuralink (2019) An integrated brain-machine interface platform with thousands of channels. 3.  顾凡及，马斯克的脑机接口计划，能让我们成为打败AI的＂超人＂吗？，神经现实 4.  马斯克一作！Neuralink脑机接口细节公布，特殊材料防大脑损伤，专用芯片助技术落地，量子位
　　喜欢就奖励芯流一个＂＂和＂在看＂呗～