人工智能与类脑计算产业发展研究报告（2023）

发展研究报告 (2023) 版权声明 本告版权属于工业和信息化部电子第五研究所，并受法律保护。转载、摘抄或利用其他方式使用本报告文字或观点的，应注明“来源：工业和信息化部电子第五研究所”。违反上述声明者，本单位保留追求其法律责任的权利。 特别鸣谢 工业和信息化部电子司 编写单位 工业和信息化部电子第五研究所航天科工果团智能科技研究院有限公司清华大学中国电子科技南湖研究院北京灵汐科技有限公司中芯未来（北京）科技有限公司中国入民解放军军事科学院曙光信息产业（北京）有限公司（以上编写单位排名不分先后） 参编人员 陈平许表豪余果华宝洪龙善敏张毅江左翔王瑞璐王俊宜陈广鹏高岩谷艾尤俊徐欣聘赵磊袁刘娜张委 （以上参编人员排名不分先后） 中国赛宝实验室一一人工智能与类脑计算产业发展研究报告（2023） 前言 类脑计算是指受人脑信息处理方式启发，以更通用的人工智能和高效智能边缘端/云端为自标构建信息系统的技术。其目标是使机器能够以大脑启发的方式实现人类的各种认知能力和协调机制，最终达到或超过人类的智能水平，推动计算机科学的发展，并为下一代持人工智能的计算提供可能的解洗途径。 我国在类脑计算方面的研究水平处于国际前列，实现基础技术研究>技术产品落地>与人工智能产品结合的发展质程，技术与产品融合紧密，促进相关生态发展。为促选传统计算架构革新与升级，国际相继发布政策支持人工智能芯片、芯片开发工具、云计算、类脑科学等新兴技术在人二智能领域的应用和创新，且出台了相关政策支持类脑计算的发展。2021年，《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年远景目标纲夏》中指出，类脑计算是新一代人工智能的重点研究技术，利用脑科学研究成果反哺人工智能等研究领域。CEPRE 随着鼓感政策和发展目标的持续完善，我国制造业、医疗业、金融业相关企业导求将人工智能技术与企业的深度融合，加大了科技、资金、人员的投入。类脑计算研究有助于推动新一代人工智能技术的创新发展，在高质量发展理念和产品服务升级转型需求的驱动下，呈现产业政策明碰支持发展、基础研究稳步推进、产品创新活跃以及技术与行业深入融合的发展特点。 中国赛宝实验室一一人工智能与类脑计算产业发展研究报告（2023） 本报告重点对类脑计算产业、国内外类脑计算市场及其国内外研究现状进行阐述，分析类脑计算对我国数字经济发展的影响，最后闸迷我国发展机造与挑战。本书共计十章，包搭： 第一章，基本就念。介绍了类脑计算的基本概念，包括研究背景、类脑计算、类脑芯片、感冲神经网、美脑计算软件工具、类脑计算集群、类脑云服务。提出了类脑计算的统一架构，包活硬件层类脑芯片、软件层智能框架和计发工具，服务层面向应用的类脑云服务。通过深入探讨这些内容，读者将对类脑计算领域有基础的认识。 第二章，产业历程，从类脑计算的早期研究、人工神经网络兴起、硬件设备的革新、融合实现的进步、软件椎架的升级、美脑计算集群、类脑云服务，回顾了类脑计算的发展历程。 第三章，产业政策。涵盖国际研究规角，对全球现有的七大“题计划”进行调研；详细阐述中国脑计划的战略目标及规划，从国家、部委、省市三个层面解析政策。DDCI 第四章，产业分析。分析类脑计算产业链涉及的硬件、软件与应用，通过数据分析北美、亚洲和欧洲主要市场的发展情况。 第五章，产业现。深入部析中国类脑计算产业的现状，探讨其独特发展特点及存在的间题。针对产业发展中的挑战，提出了一系列解决惠路和建议。 第六章，应用实践。详细介绍类脑计算在各个额域的应用场景，展示了其在科技、工业、医疗等产业中所取得的重要成集。同时，也 中国赛宝实验室一一人工智能与类脑计算产业发展研究报告（2023） 操讨了类脑计算产业的发展形态和趋势，为读者星现了类脑计算在不同领域的实际应用和产业的多样化发展。 第七章，数字经济发展。通过分衍市场需求现状，揭示类脑计算在不同领域的应对数学经济的积极影响。结合实际情况，深入分析类脑计算技术在推动数学经济发展中的作用和潜力。 第八章，机遗与挑战。通过对技术水平、政策实施、人才培育和产业落地等方面的详细分析，揭示类脑计算在发展过程中的优势和面临的因难。同时，提出建设生意见和对策，以应对未来发展所面临的挑战，推动类脑计算产业迈上新的发展阶段。 本书的附录部分共整理收录了国内外18家类脑计算企业和国内45家AI芯片产商，包含了核心技术、研发优势、应用场景、产品服务等企业信息。 本书是实践工作冲学术研究工作结合的结晶，编与工作得到了工业和信息化部电子第五研究所的大力支持。在此特别感谢清华大学、中国电子科技南湖研究院、北京灵汐科技有限公司、中芯未来（北意）科技有限公司、中国人民解放军军亭料学院、航天科工集团智能科技研究院有限公司、曙光信息产业（北京）有限公司的编制单位专家提供的真知灼见和宝贵修改意见。由于作者时间仓促、水平有限，书中存在的疏漏和错误，欢迎产大读者提出宝贵意见。 中国赛宝实验室人工智能与类脑计算产业发展研究报告（2023） 目录 类脂计算的基本概念 (一)研究骨素(=)类脑计算，3(三)类磨芯片。(四)脉冲冲经网络(五)类睡计算款伴工具13(六)类滤计算华样15(七)类脑云服务.16 二、类脑计算技术发展历程18 (-)类胜计算军期研究（1950年代机期）18(=)人工神经网格兴起（1970-20世纪末）...18(三)硬件设备的革新（2000年代初期）19(四)融合实现的选步（2010年代至今）.20(五)款件柜提的升级（2010至伞）21(六)类胎计算集群（2020年至伞）.21(七)类脑云服务（2020至今）23 三,类脑计算产业发展政策环境24 (-)美国一一推建创新神经抗水能研究计划24(二)欧翌一一人脑工程25(三)日本一—脑图研究计划。.27(四)资大利亚——澳大利主大脑计划28(五)加拿大一一加拿大脑讨划29(六)韩国一一韩国脑计到30(4)中国一一中国脑计料，31 四、类脑计算产业42 (-)产业链分标43 中国赛宝实验室人工智能与类施计算产业发展研究报告（2023） (=)产业数据分析，47(三)市场分市及趋势52(四)市场影劳国素，.55 五、类脑计算产业发展现状。56 ()中国英范计算产业发展特点穿析56(=)中国类脑计算产业发展在的问题57(三)中面类范计算产业发展间腾解决思落62 六、类赔计箕应用场景与实践。..66 (-)类脑计算应用场录.66(=)产业成-.72(三)产业形发75 七、类脂计算对我国数字经济发展的影响与分析.76 (-)市场需按现冠分析.76(=)对数字经济影确分78(三)发展及趋势总结与展望，.81 A.发展机遗与挑战。.83 ()技术水平情况83(=)政策实范代况。.86(三)入才指育86(四)产业落地87 九附录.89 (-)国内外类菌计算研发企业89(=)45家国内AI芯片产高66 +.参考文献113 一、类脑计算的基本概念 （一）研究背景 近年来，人工智能（ArtificialIntelligence，AI）在经济发展、社会进步、国际政治经济格局等方面已经产生重大而深远的影响。现代计算系统对计算资源的需求与日俱增，光其是日益成为生活一部分的复杂人工智能应用。虽然不是所有数据密集型计算都需要人工智能进行深度学习，但深度学习的部署如此广泛，以至于不得不担心其计算成本。例如，云平台的普及使得人们习惯于近平即时地获取信息，忽略了AI应用背后所消耗的资源。以DeepMind公司的AlphaGo和AlphaZero为例，这些复杂的战略游戏需要成千上方的并行处理单元来打败人类玩家，每个单元的消耗约为200瓦特口。因此，如何更好地管理计算资源，降低能源消耗，是未来人工智能发展中需要解决的重要问题之一。 研究表明，现代计算系统对计算能力的需求不断增长，这种潜长远远超过了按照摩尔定律发展取得的进步。芙伟达（Nvidia）公司的首席科学家兼高级工程BillDally表示，2012年11月至2020年5月期间，Nvidia芯片的性能在人工智能计算中提高了317倍，远选超出了摩尔定律的预期，同时单元的功耗也随之增长。究其原因，为了AI应用的表现力精益求精，AI模型的复杂度日益攀升，使其计算成本也不断提高。传绕的计算解决方案已无法满足长期需求，特别是考虑到极度复杂的深度学习模型所需训练成本时，需要寻找替代新的解决方法。 当今大多数与人工智能相关的算法都运行在基于经典冯·诺依曼体系结构的传统的计算系统上（见图2），例如中央处理单元（CPU）、图形处理单元（GPU）和现场可编程门阵列（FPGA）。在执行计算任务时，大量数据需要商速来回传输，处理器花了大部分时间和精力来移动数据，极易造成性能瓶颈并导致显著的面积功率效率低下。造成问题的主要原因是，计算系统将数据与它们的处理位置分开存储所造成结果。因此，如何过渡到新型架构并建立高效的认知型计算，是十分追切解决的间题。 建立高效的认知型计算是目前人工智能发展中的一个关键挑战。由于深度学习模型所雷的训练成本非常高，传统的计算架构已经无法满足长期需求。因此，需要寻找替代新的解决方法来降低计算资源的消 中国赛宝实验室一一人工智能与类监计算产业发展研究报告（2023） 耗和能源消耗。其中一个备受关注的解决方案是类脑计算，它采用类似于人类大脑的计算模式来进行高效的认知型计算。 (二)类脑计算 经长期的就究和探紧，类脑计算已经成为解决以上回题的一无潜在途径。人类大脑的记忆和处理是高度交织在一起的，以一种完全不同的方式对信息进行编码或直接对信号进行操作。人类大脑以每焦耳皮特运算速度，其超低功耗的认知能力为新型计算机提供了“存在证明”。鉴专人类大脑运行模式的启发，通过存储器和处理器的协同定位、由大规模神经元和可塑性突触组成计算以及基于尿冲的通信和信忘处理等技术，能够更好的使计算机模拟人类大脑的运作方式。类脑计算在智能机器人，大数据分析等领域具有广泛的应用前素，可以实现更加高效、智能的计算和决策，违而推动人工智能技术的发展。 Mehonic的观点表明，类脑讲算至少包括三个广泛的研究目标群体，包括神经形态工程（NeuromorphicEngineering，如大脑逆向工程）、神经形态计算（NeuromorphicComputing）和类脑仿生电子设备设计[2）。其含义如下： 神经形态工程：从生物学、物理学、数据、计算机科学和电子工程等领域波取灵感的跨领域学科。围绕大脑如何利用生物突触和神经元（大脑的基础单位）完成计算（功能）这一间题，主要研究基于生物神经系统启发人工神经系统（ArtificialNeuralSystems）的物理架构和设计原则。 中国赛宝实验室一一人工智能与类监计算产业发展研究报告（2023） ·神经形态计算：受人脑结构和功能启发，模拟人脑与世界的交互方式的计算方法。研究旨在模拟生物神经网络结构化的和/或操作（像大脑一样协同定位存储和计算）、生物系统动作电位的电压尖峰3（如SNN4，SpikingNeuralNetwork，脉冲神经网络）。神经形态计算是一个新兴的科学领减，各个团体正在进行研究，包括大学、美国军方和技术公司（如英特尔实验室和IBM）。 ·类脑仿生电子设备：支撑类脑计算功能的设备和材料。通过模仿突触和神经元等生物元素，研究实现类脑计算功能的电子和光子设备（如忆阻器，可模拟生物树突的某些功能团），以扩展神经形态工程和神经形态计算的能力。 清华大学张悠慧教授等入受传统计算系统层次结构的启发，提出了一个类脑计算系统层次结构，包括软件、编译器和硬件间（如图3所示）： 硬件层。包括类脑芯片和架构模块，以拍象神经形态架构作为硬件抽象。其体施，该层包括一个执行基元图（EPG），作为链接上层的接口，用于描述它能执行的程序。EPG采用控制流-数据流混合表示法，最大限度地提高了对不同硬件的适应性。 ●编译层。是类脑计算条统框的中间层，将程序转换为硬件支持的等效形式。为了提高可行性