劳伦斯·利弗莫尔国家实验室（LLNL）3月29日宣布已经购买了首款类脑超级计算平台，该平台由 IBM 研究院为深度学习推理开发的。基于名为 IBM TrueNorth 的突破性神经突触（neurosynaptic）计算机芯片，这个可扩展平台只需要消耗大约一台平板电脑的功率，也就是 16 块芯片的能耗仅为 2.5 瓦特，就能处理大约相当于 1600 万个神经元和 40 亿个突触的计算量。

这个系统有16片类脑芯片

「 IBM 神经形态系统（IBM Neuromorphic System）」拥有大脑一样的神经网络设计，能够比传统芯片更高效地推理复杂的认知任务，例如模式识别和整合的感知处理。这意味着自动驾驶汽车中的计算机能够通过True North利用数据中心，分析周围驾驶环境中所有的行人、车辆以及其他事物。

IBM True North芯片能够分别路上的行人和其他事物

在美国国家核安全局（NNSA）非常重要的任务中（比如网络安全、国家核威慑和防止核扩散的管理工作），将使用这套系统探索新的计算能力。NNSA 的高级仿真和计算（ASC）项目将评估机器学习应用、深度学习算法和架构、并进行通用计算的可行性研究。ASC 是 NNSA 的核武器储备管理计划（Stockpile Stewardship Program）的基石，该计划的目的是在没有地下核试验的情况下确保美国国家核威慑的安全性、保密性和可靠性。

「神经形态计算（neuromorphic computing）带来了非常令人兴奋的新的可能性，而且这也与我们将高性能计算和模拟作为我们国家安全任务核心的未来是一致的。」LLNL 数据科学部门副助理主任 Jim Brase 说，「神经形态计算所代表的潜在能力和由它们带来的机器智能将会改变我们科研的方式。」

这项技术的出现一举打破了自1946年以来普遍盛行的冯·诺依曼(von Neumann)计算机架构，而且可能会作为一种有力的补充，助力下一代具有百亿亿次运算速度的超级计算机的开发，这种超级计算机将比今天最先进的千万亿次级（每秒千万亿次浮点运算）系统还快 50 倍（或 2 个数量级）。

和人类大脑一样，神经突触系统显然需要更少的电力，体积也明显更小。极其适用于因电力和容积问题而导致计算能力受限的情况，如机器人、传感器网络、公共安全监控应用、以及作为移动传感设备使用的智能手机等。

能够使用True North芯片和神经网络识别物体，比如商标

LLNL应用科学计算中心的计算机科学家 Brian Van Essen 在接受科技博客 VentureBeat 采访时表示，他们从2014年秋天开始与 IBM 的此次合作，「我们对 TrueNorth 在低功率方面的表现感到非常激动，它将能源利用效率提升了一个量级。」深度学习和神经网络令人工智能倍受鼓舞，他对此也感到无比兴奋。他说：「我们非常期待去探索 TrueNorth 的各种应用。」

点击查看原视频

LLNL 武器模拟测试和计算（Weapon Simulation and Computing）项目主任 Michel McCoy 同样表示「这些类脑处理器的低功耗反映了当我们将目光投向百亿亿次计算时，降低未来系统所有组件的功耗的行业愿望和创造性方法。」

据Venture Beat报道，LLNL有可能使用这套系统进行核武器的模拟测试。

「这个先进的计算平台的交付代表了我们进入下一个认知计算时代的一个重要里程碑。」IBM 院士、IBM 阿尔马登研究院脑启发计算首席科学家 Dharmendra S. Modha 说，「我们非常重视与国家实验室的关系。事实上，在设计和制造之前，我们使用过 LLNL 的 Sequoia 超级计算机模拟 IBM TrueNorth 处理器。这种合作将会推进类脑计算的边界，使具备有前所未有的能力和数据吞吐量的未来系统成为可能，同时还有助于减少资本、操作和编程成本——将我们国家保持在科学技术的前沿。」

Dharmendra S. Modha

此外，Modha 谈到他们长期的目标「是在盒子中建立一个大脑，在2升的容器中，容进消耗千瓦电力的百亿量级的神经元。这是我们正在走的长期路线。」

如今的每个 TrueNorth 芯片都包含100万个可编程神经元(是当今现有最大神经突触芯片的16倍)及2.56亿个突触。54亿个晶体管使该芯片成为迄今世界上制造的最大的数字集成电路之一。通过将数十或数百个 TrueNorth 芯片平铺于电路板上，能够快速扩展至超级计算级能力。在0.8伏特下，单个 TrueNorth 处理器仅需消耗70毫瓦的电力并每秒传送46千兆的突触运行信息。进行生物实时运算时，基于该芯片的计算机的能耗比传统系统低数个数量级。

根据合同条款，LLNL 将收到相当于有 1600 万个神经元和 40 亿个突触的 16 芯片TrueNorth 系统以及一个端到端生态系统用以帮助创造和编程高能效的，可以模拟大脑的感知、动作和认知能力的机器。该生态系统包含一个模拟器、一种编程语言、一个集成编程坏境、一个算法及应用库、固件、用于组成深度学习神经网络的工具、一个教学课程和实现云计算的方法。

此外，劳伦斯·利弗莫尔的计算机科学家将与 IBM 研究院、美国能源部的合作伙伴和大学机构合作以推进神经突触架构、系统设计、算法和软件生态系统的研究发展。

附：类脑芯片信息图

什么是认知计算？

认知计算意在模仿人脑的认知、行为和感知能力。模仿人脑神经和突触设计的神经突出芯片，打破了过去70年一直使用的传统构架。

传统计算机：注重语言和逻辑思维（左脑）

神经突触芯片：出于触感和模式识别（右脑）

在过去几年，IBM科学家希望能融合两者的能力，创造整体的计算智能。

空前的规模

第二代芯片是近十几年发展与研究的顶点，是2011年的单核硬件原型的跳跃性进步。

可编程神经元量 ：256个（2011年） 发展到100万个（2014年）

可编程突触量：262144个（2011年）发展到2.56亿个（2014年）

神经突触核心：1个（2011年）发展到4096个（2014年）

要达到仅仅使用4千瓦电力供能1万亿突触，1/10瓦特需供能神经突触芯片中的2.56亿个突触。

不同于标准芯片

传统芯片一直运行，新的突触芯片由事件驱动，只在需要时运行。能造成散热环境和低能耗使用。

神经突触芯片改变了传统的冯·诺依曼计算构型，这种构型固有的限制了系统的性能。

新的架构

IBM的类脑架构包含一个神经突触核心网络。核心并行分布运行，运行方式并非全时运行，而是事件驱动运行。核心集成记忆、计算、交流于一体。单独的核心会失效，像人脑一样，整个架构依然能工作。同一芯片上的核心相互间通过芯片上的事件驱动网络交流。芯片间通过可无缝延展的芯片连接接口交流，就像大脑皮质一样，从而创造可扩展的神经形态系统。

生态系统

IBM开发的用于应用开发的端到端生态系统包括一个模拟器、一种编程语言、一个集成编程坏境、一个算法及应用库、固件、用于组成深度学习神经网络的工具、一个教学课程和实现云计算的方法。

神经形态计算将为我们带来什么？

IBM的长期目标是建立一套神经突触芯片系统，拥有10亿神经元和百万亿突触，耗能仅需一千瓦，可以全部装在一个2升的容器里。这项技术将被用于众多研究和产业领域，包括公共安全、针对盲人的视觉辅助、家庭健康监测和交通。