1、 人工智能與類腦計算產業發展研究報告（2023）2023 年年 9 月月 工業和信息化部電子第五研究所工業和信息化部電子第五研究所 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）版權聲明版權聲明 本報告版權屬于工業和信息化部電子第五研究所，并受法律保護。轉載、摘抄或利用其他方式使用本報告文字或觀點的，應注明“來源：工業和信息化部電子第五研究所”。違反上述聲明者，本單位保留追求其法律責任的權利。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）特別鳴謝特別鳴謝 工業和信息化部電子司 編寫單位編寫單位 工業和信息化部電子第五研究所 航天科工集團智能科技研究院有限公司 清華大

2、學 中國電子科技南湖研究院 北京靈汐科技有限公司 中芯未來（北京）科技有限公司 中國人民解放軍軍事科學院 曙光信息產業（北京）有限公司（以上編寫單位排名不分先后）中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）參編人員參編人員 陳平 許振豪 余果 華寶洪 龍善敏 張毅 江左 易翔 王璐璐 王俊宜 陳廣鵬 高巖 谷艾 尤俊 徐欣 潘聰 趙磊 袁帥 劉娜 張委（以上參編人員排名不分先后）中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）I 前 言 類腦計算是指受人腦信息處理方式啟發，以更通用的人工智能和高效智能邊緣端/云端為目標構建信息系統的技術。其目標是使機器能夠以大腦啟發

3、的方式實現人類的各種認知能力和協調機制，最終達到或超過人類的智能水平，推動計算機科學的發展，并為下一代通用人工智能的計算提供可能的解決途徑。我國在類腦計算方面的研究水平處于國際前列，實現基礎技術研究-技術產品落地-與人工智能產品結合的發展歷程，技術與產品融合緊密，促進相關生態發展。為促進傳統計算架構革新與升級，國際相繼發布政策支持人工智能芯片、芯片開發工具、云計算、類腦科學等新興技術在人工智能領域的應用和創新，且出臺了相關政策支持類腦計算的發展。2021 年，中華人民共和國國民經濟和社會發展第十四個五年規劃和 2035 年遠景目標綱要中指出，類腦計算是新一代人工智能的重點研究技術，利用腦科學研

4、究成果反哺人工智能等研究領域。隨著鼓勵政策和發展目標的持續完善，我國制造業、醫療業、金融業相關企業尋求將人工智能技術與企業的深度融合，加大了科技、資金、人員的投入。類腦計算研究有助于推動新一代人工智能技術的創新發展，在高質量發展理念和產品服務升級轉型需求的驅動下，呈現產業政策明確支持發展、基礎研究穩步推進、產品創新活躍以及技術與行業深入融合的發展特點。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）II 本報告重點對類腦計算產業、國內外類腦計算市場及其國內外研究現狀進行闡述，分析類腦計算對我國數字經濟發展的影響，最后闡述我國發展機遇與挑戰。本書共計十章，包括：第一章，基本概念。介紹

5、了類腦計算的基本概念，包括研究背景、類腦計算、類腦芯片、脈沖神經網絡、類腦計算軟件工具、類腦計算集群、類腦云服務。提出了類腦計算的統一架構，包括硬件層類腦芯片、軟件層智能框架和開發工具，服務層面向應用的類腦云服務。通過深入探討這些內容，讀者將對類腦計算領域有基礎的認識。第二章，產業歷程。從類腦計算的早期研究、人工神經網絡興起、硬件設備的革新、融合實現的進步、軟件框架的升級、類腦計算集群、類腦云服務，回顧了類腦計算的發展歷程。第三章，產業政策。涵蓋國際研究視角，對全球現有的七大“腦計劃”進行調研；詳細闡述中國腦計劃的戰略目標及規劃，從國家、部委、省市三個層面解析政策。第四章，產業分析。分析類腦計

6、算產業鏈涉及的硬件、軟件與應用，通過數據分析北美、亞洲和歐洲主要市場的發展情況。第五章，產業現狀。深入剖析中國類腦計算產業的現狀，探討其獨特發展特點及存在的問題。針對產業發展中的挑戰，提出了一系列解決思路和建議。第六章，應用實踐。詳細介紹類腦計算在各個領域的應用場景，展示了其在科技、工業、醫療等產業中所取得的重要成果。同時，也中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）III 探討了類腦計算產業的發展形態和趨勢，為讀者呈現了類腦計算在不同領域的實際應用和產業的多樣化發展。第七章，數字經濟發展。通過分析市場需求現狀，揭示類腦計算在不同領域的應用對數字經濟的積極影響。結合實際情況，

7、深入分析類腦計算技術在推動數字經濟發展中的作用和潛力。第八章，機遇與挑戰。通過對技術水平、政策實施、人才培育和產業落地等方面的詳細分析，揭示類腦計算在發展過程中的優勢和面臨的困難。同時，提出建設性意見和對策，以應對未來發展所面臨的挑戰，推動類腦計算產業邁上新的發展階段。本書的附錄部分共整理收錄了國內外 18 家類腦計算企業和國內45 家 AI 芯片產商，包含了核心技術、研發優勢、應用場景、產品服務等企業信息。本書是實踐工作和學術研究工作結合的結晶，編寫工作得到了工業和信息化部電子第五研究所的大力支持。在此特別感謝清華大學、中國電子科技南湖研究院、北京靈汐科技有限公司、中芯未來（北京）科技有限公

8、司、中國人民解放軍軍事科學院、航天科工集團智能科技研究院有限公司、曙光信息產業（北京）有限公司的編制單位專家提供的真知灼見和寶貴修改意見。由于作者時間倉促、水平有限，書中存在的疏漏和錯誤，歡迎廣大讀者提出寶貴意見。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）IV 目目 錄錄 一、一、類腦計算的基本概念類腦計算的基本概念.1（一）（一）研究背景.1（二）（二）類腦計算.3（三）（三）類腦芯片.7（四）（四）脈沖神經網絡.9（五）（五）類腦計算軟件工具.13（六）（六）類腦計算集群.15（七）（七）類腦云服務.16 二、二、類腦計算技術發展歷程類腦計算技術發展歷程.18（一）（一）

9、類腦計算早期研究（1950 年代初期）.18（二）（二）人工神經網絡興起（1970-20 世紀末）.18（三）（三）硬件設備的革新（2000 年代初期）.19（四）（四）融合實現的進步（2010 年代至今）.20（五）（五）軟件框架的升級（2010 至今）.21（六）（六）類腦計算集群（2020 年至今）.21（七）（七）類腦云服務（2020 至今）.23 三、三、類腦計算產業發展政策環境類腦計算產業發展政策環境.24（一）（一）美國推進創新神經技術腦研究計劃.24（二）（二）歐盟人腦工程.25（三）（三）日本腦圖研究計劃.27（四）（四）澳大利亞澳大利亞大腦計劃.28（五）（五）加拿大加拿大

10、腦計劃.29（六）（六）韓國韓國腦計劃.30（七）（七）中國中國腦計劃.31 四、四、類腦計算產業類腦計算產業.42（一）（一）產業鏈分析.43 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）V （二）（二）產業數據分析.47（三）（三）市場分布及趨勢.52（四）（四）市場影響因素.55 五、五、類腦計算產業發展現狀類腦計算產業發展現狀.56（一）（一）中國類腦計算產業發展特點分析.56（二）（二）中國類腦計算產業發展存在的問題.57（三）（三）中國類腦計算產業發展問題解決思路.62 六、六、類腦計算應用場景與實踐類腦計算應用場景與實踐.66（一）（一）類腦計算應用場景.66（二

11、）（二）產業成果.72（三）（三）產業形態.75 七、七、類腦計算對我國數字經濟發展的影響與分析類腦計算對我國數字經濟發展的影響與分析.76（一）（一）市場需求現狀分析.76（二）（二）對數字經濟影響分析.78（三）（三）發展及趨勢總結與展望.81 八、八、發展機遇與挑戰發展機遇與挑戰.83（一）（一）技術水平情況.83（二）（二）政策實施狀況.86（三）（三）人才培育.86（四）（四）產業落地.87 九、九、附錄附錄.89（一）（一）國內外類腦計算研發企業.89（二）（二）45 家國內 AI 芯片產商.99 十、十、參考文獻參考文獻.113 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（

12、2023）1 一、一、類腦計算的基本類腦計算的基本概念概念（一）（一）研究背景 近年來，人工智能（Artificial Intelligence，AI）在經濟發展、社會進步、國際政治經濟格局等方面已經產生重大而深遠的影響?，F代計算系統對計算資源的需求與日俱增，尤其是日益成為生活一部分的復雜人工智能應用。雖然不是所有數據密集型計算都需要人工智能進行深度學習，但深度學習的部署如此廣泛，以至于不得不擔心其計算成本。例如，云平臺的普及使得人們習慣于近乎即時地獲取信息，忽略了 AI應用背后所消耗的資源。以 DeepMind 公司的 AlphaGo 和 AlphaZero 為例，這些復雜的戰略游戲需要成千

13、上萬的并行處理單元來打敗人類玩家，每個單元的消耗約為 200 瓦特1。因此，如何更好地管理計算資源，降低能源消耗，是未來人工智能發展中需要解決的重要問題之一。研究表明，現代計算系統對計算能力的需求不斷增長，這種增長遠遠超過了按照摩爾定律發展取得的進步。英偉達（Nvidia）公司的首席科學家兼高級工程師 Bill Dally 表示，2012 年 11 月至 2020 年 5 月期間，Nvidia 芯片的性能在人工智能計算中提高了 317 倍，遠遠超出了摩爾定律的預期，同時單元的功耗也隨之增長。究其原因，為了 AI 應用的表現力精益求精，AI 模型的復雜度日益攀升，使其計算成本也不斷提高。傳統的計

14、算解決方案已無法滿足長期需求，特別是考慮到極度復雜的深度學習模型所需訓練成本時，需要尋找替代新的解決方法。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）2 圖 1 計算需求與日俱增2 當今大多數與人工智能相關的算法都運行在基于經典馮諾依曼體系結構的傳統的計算系統上（見圖 2），例如中央處理單元（CPU）、圖形處理單元（GPU）和現場可編程門陣列（FPGA）。在執行計算任務時，大量數據需要高速來回傳輸，處理器花了大部分時間和精力來移動數據，極易造成性能瓶頸并導致顯著的面積/功率效率低下。造成問題的主要原因是，計算系統將數據與它們的處理位置分開存儲所造成結果。因此，如何過渡到新型架構

15、并建立高效的認知型計算，是十分迫切解決的問題。圖 2 在傳統架構上運行與人工智能相關的計算任務 建立高效的認知型計算是目前人工智能發展中的一個關鍵挑戰。由于深度學習模型所需的訓練成本非常高，傳統的計算架構已經無法滿足長期需求。因此，需要尋找替代新的解決方法來降低計算資源的消中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）3 耗和能源消耗。其中一個備受關注的解決方案是類腦計算，它采用類似于人類大腦的計算模式來進行高效的認知型計算。（二）（二）類腦計算 經過長期的研究和探索，類腦計算已經成為解決以上問題的一種潛在途徑。人類大腦的記憶和處理是高度交織在一起的，以一種完全不同的方式對信息進

16、行編碼或直接對信號進行操作。人類大腦以每焦耳皮特運算速度，其超低功耗的認知能力為新型計算機提供了“存在證明”。鑒于人類大腦運行模式的啟發，通過存儲器和處理器的協同定位、由大規模神經元和可塑性突觸組成計算以及基于脈沖的通信和信息處理等技術，能夠更好的使計算機模擬人類大腦的運作方式。類腦計算在智能機器人、大數據分析等領域具有廣泛的應用前景，可以實現更加高效、智能的計算和決策，進而推動人工智能技術的發展。Mehonic 的觀點表明，類腦計算至少包括三個廣泛的研究目標群體，包括神經形態工程（Neuromorphic Engineering，如大腦逆向工程）、神經形態計算（Neuromorphic Co

17、mputing）和類腦仿生電子設備設計2。其含義如下：神經形態工程1：從生物學、物理學、數據、計算機科學和電子工程等領域汲取靈感的跨領域學科。圍繞大腦如何利用生物突觸和神經元（大腦的基礎單位2）完成計算（功能）這一問題，主要研究基于生物神經系統啟發人工神經系統（Artificial Neural Systems）的物理架構和設計原則。1 https:/en.wikipedia.org/wiki/Neuromorphic_engineering 2 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）4 神經形態計算：受人腦結構和功能啟發，模擬人腦與世界的交互方式的計算方

18、法。研究旨在模擬生物神經網絡結構化的和/或操作（像大腦一樣協同定位存儲和計算）、生物系統動作電位的電壓尖峰3（如SNN4，Spiking Neural Network，脈沖神經網絡）。神經形態計算是一個新興的科學領域，各個團體正在進行研究，包括大學、美國軍方和技術公司（如英特爾實驗室和 IBM）。類腦仿生電子設備：支撐類腦計算功能的設備和材料。通過模仿突觸和神經元等生物元素，研究實現類腦計算功能的電子和光子設備（如憶阻器，可模擬生物樹突的某些功能3），以擴展神經形態工程和神經形態計算的能力。清華大學張悠慧教授等人受傳統計算系統層次結構的啟發，提出了一個類腦計算系統層次結構，包括軟件、編譯器和硬

19、件4（如圖 3 所示）：硬件層。硬件層。包括類腦芯片和架構模塊，以抽象神經形態架構作為硬件抽象。具體地，該層包括一個執行基元圖（EPG），作為鏈接上層的接口，用于描述它能執行的程序。EPG采用控制流-數據流混合表示法，最大限度地提高了對不同硬件的適應性。編譯層。編譯層。是類腦計算系統框架的中間層，將程序轉換為硬件支持的等效形式。為了提高可行性，張悠慧團隊提出了一套主流類腦芯片廣泛支持的基本硬件執行基元，并證明了配備這套基元的硬件是神經形態完備的。還實現了一個工具鏈軟件作為編譯層的一個實例，以證明層次結構的可行性、合理性和優勢。3 https:/ 4 https:/en.wikipedia.or

20、g/wiki/Spiking_neural_network 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）5 軟件層軟件層。軟件指的是編程語言或框架，以及在此基礎上構建的算法或模型。在類腦計算系統框架中，包含了統一而通用的軟件抽象模型編程運算符圖（POG），用于適應各種類腦算法和模型設計。POG由統一的描述方法和事件驅動的并行程序執行模型組成，整合了存儲和處理功能。POG 描述了類腦程序的內容，并定義了程序的執行方式。由于 POG 是圖靈完備的，因此它能最大程度地支持各種應用程序、編程語言和框架。應用機器學習框架編程操作圖POG執行圖EPG類腦抽象層EPG類腦芯片應用編程語言中間

21、表示指令指令集架構通用芯片現代計算架構類腦計算架構圖靈完備圖靈完備圖靈完備圖靈完備圖靈完備圖靈完備等價于等價于等價于等價于近似于等價于神經形態完備神經形態完備軟件層編譯層硬件層輸出輸入算數邏輯單元控制單元存儲 圖 3 類腦計算系統框架 根據類腦計算系統框架進一步分析，類腦計算的產品可分為芯片級產品、軟件框架、仿真平臺、硬件系統等（如圖 4 所示）。（1）芯片級產品：類腦計算的芯片級產品通常是基于神經元和突觸模擬器的設計，可以模擬人腦中神經元之間的通信和信息處理過程。這些芯片級產品通常被用于各種應用場景，如智能機器人、智能駕駛、智能安防等。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（202

22、3）6（2）軟件框架：類腦計算的軟件框架通常包括神經網絡模型庫、模型訓練和優化工具、以及模型部署和管理工具等。這些軟件框架可以幫助開發者更方便地構建和優化神經網絡模型，提高開發效率和模型性能。（3）仿真平臺：類腦計算的仿真平臺通常用于驗證和測試神經網絡模型的性能和效果。這些平臺通常包括模型建立和仿真工具，以及對不同場景和數據集進行測試和評估的工具。仿真平臺可以幫助開發者更快速地測試和迭代神經網絡模型，提高開發效率和模型性能。（4）硬件系統：類腦計算的硬件系統通常包括云端服務器、專用計算機、智能終端設備等。這些硬件系統通?；谔囟ǖ男酒壆a品和軟件框架，可以提供高性能的神經網絡計算能力，支持各種

23、應用場景。圖 4 類腦計算產品分類 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）7 類腦計算產業的芯片級產品、軟件框架、仿真平臺、硬件系統等產品都是相互關聯、相互促進的，它們共同推動了類腦計算技術的發展和應用?；谏鲜鲅芯?，本報告總結并提出類腦計算的統一架構，包括硬件層類腦芯片、軟件層智能框架和開發工具，服務層面向應用的類腦云服務。圖 5 類腦計算的統一架構（三）（三）類腦芯片 類腦芯片是類腦計算產業中的支柱。類腦計算產業是指圍繞類腦計算的理論研究和實踐應用所形成的產業鏈，包括基礎研究、算法開發、芯片設計和系統集成等方面。而類腦芯片則是類腦計算的重要組成部分，它采用類似于人腦的

24、神經元和突觸的結構和連接方式來實現信息的處理和傳遞。類腦芯片的研發和應用可以推動類腦計算的發展，同時也為類腦計算產業的發展提供了技術支持和推動力。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）8 類腦芯片主要分為兩類。如下圖所示，一是側重于參照人腦神經元模型及其組織結構來設計芯片結構，稱為神經形態芯片，如 IBM 公司的 TrueNorth 類腦芯片；二是側重于參照人腦感知認知的計算模型而非神經元組織結構，即設計芯片結構來高效支持人工神經網絡或深度神經網絡等成熟的認知計算算法。狹義上，類腦芯片一般指神經形態芯片5。因此在后文重將神經形態芯片的數據看作是類腦芯片數據。圖 6 神經形

25、態芯片概覽2 近幾年，人工智能技術在語音識別、視頻圖像識別等應用領域取得突破性的進展，但要從單點突破走向全面開花，需要人工智能領域產生像 CPU 一樣的通用人工智能計算芯片，適用于任意人工智能應用場景。從目前來看，短期內人工智能芯片仍以“CPU+GPU+AI 加速芯片”的異構計算模式為主，中期會重點發展可自重構、自學習、自適應的人工 5 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）9 智能芯片，未來將會走向通用的人工智能芯片。通用人工智能芯片是能夠支持和加速任意人工智能計算場景的芯片，即通過一個通用的數學模型，最大程度概括出人工智能的本質，其在經過一定程度的學習

26、后，能夠精確、高效地處理任意場景下的智能計算任務。通用人工智能芯片發展的主要難點在于通用性和實現的復雜度，同時，還面臨著傳統馮諾伊曼架構的技術瓶頸以及摩爾定律接近物理極限這兩大挑戰。未來，隨著芯片的制程工藝、新型半導體材料和物理器件等出現新突破，以及人類對于大腦和智能本身形成更深層次的認知，將有望最終實現真正意義上的通用人工智能芯片。（四）（四）脈沖神經網絡 類腦計算中，具有代表性的一種脈沖神經元模型，SNN 兼具了生物合理性和計算高效性，或可以為人工智能提供新范式。SNN 可以被看作是一種高度類腦化的計算模型，該模型使用脈沖信號進行信息傳遞，與大腦神經系統的工作方式更加相似。SNN 的發展也

27、推動了類腦計算領域的研究，為實現更加智能和自適應的計算系統提供了新的思路和方法。在 ANN（Artificial Neural Network，人工神經網絡）中，網絡層之間傳遞具體數值，神經元的特征在于單一的、靜態的、連續值的激活。而在脈沖神經網絡 SNN 中，每個神經元在接收輸入信號之后對自己電位狀態進行運算6，神經元使用離散信號計算和傳輸信息，并考慮了脈沖頻率和脈沖時間。6 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）10 （a）人工神經元 （b）脈沖神經元 圖 7 人工神經元和脈沖神經元的比較6 SNN 比 ANN 更具有生物學現實性，具有更好的性能和效率

28、。然而，訓練深度 SNN 仍然是一個挑戰。SNN 的傳遞函數通常不可微，這妨礙了使用反向傳播。雖然 SNN 在準確性方面與 ANN 的差距正在縮小，但仍有差距5。如何尋找兼具生物合理性與計算高效性的脈沖神經元模型，以及如何建立脈沖神經元模型與AI任務之間的關系是類腦計算領域的核心問題。目前已經提出的各種脈沖神經元模型，它們顯示了生物準確性和計算可行性之間的權衡（圖 6）。圖 8 脈沖神經元模型在實現成本和生物學合理性方面的比較7 為了將生物學上合理的學習方法和神經網絡中的學習算法聯系起來，Lee 等人8提出了一種反向傳播算法，將神經元的膜電位視為可微信號，即類似于傳統神經網絡中的非線性激活函數

29、，如下圖所示。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）11 圖 9 Deep SNN 許多研究已經顯示出轉換的脈沖 CNN 的高性能（接近傳統 CNN），同時使用更少的操作和消耗更少的能量。Cao 等人9開發的 Spiking CNN 架構在預處理之后，基于像素強度將輸入圖像轉換成脈沖序列。脈沖層使用由非脈沖 CNN 訓練的權重。最后一個組件選擇具有最大活動（脈沖頻率）的神經元作為圖像的類。圖 10 Spiking CNN 表示濾波器（經過訓練的或手工制作的）和 STDP（Spike-timing-dependent Plasticity）學習規則可用于開發脈沖 CNN。下

30、圖中示出了由基于局部脈沖的表示學習算法訓練的卷積/池化層。表征學習（SAILnet）用于尖峰 CNN 的逐層無監督學習10。連接到表示層中的神經元的興奮性突觸權重指定卷積濾波器。該架構確定單層 SNN 中的表示學習可以用于訓練逐層尖峰 CNN。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）12 圖 11 表示學習 現有 SNN 在很大程度上僅限于淺神經網絡架構，深度 SNN 通常難以提高學習精度，缺乏魯棒性的支持。Zou 等人11將 SNN 和超維計算（Hyper Dimensional Computing，HDC）結合組成 SpikeHD 框架，模擬人類大腦對源自大尺寸大腦回路

31、數據的高維表示進行操作，確保強勁、高效和準確 HDC 學習。另外，在信號處理領域，SNN 網絡對于處理時空信號數據，具有天然獨特的優勢。以雷達信號處理為例，人類視網膜可以看做是一種被動雷達，其基于分布其上的視錐視桿細胞的特殊結構，實現了對可見光頻段電磁信號的時頻變換?；诖水a生的脈沖信號在生物腦的視覺中樞中被同化映射為可以被更高級中樞使用的信號形式，進而指導生物作出對應的判斷與決策?；诜律鷮W原理，利用 SNN 實現類腦雷達信號處理成為一條值得嘗試的技術路線。相關研究中，中國電子科技南湖研究院利用 SNN 特性成功實現了端到端的雷達信號處理模型。這一成果其簡化了雷達信號處理的流程，降低信息處理

32、部分功耗、延遲，同時降低系統整體設計成本。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）13 圖 12 SpikeHD 框架（五）（五）類腦計算軟件工具 在軟件工具方面，當前的類腦軟件根據其用途和基礎設施主要可以分為三類：開發工具、算法編程平臺和腦網絡模擬器。具體地：（1）開發工具：用于設計和模擬類腦芯片電路的軟件工具，通常是為特定芯片同時設計的，旨在促進高級模型設計，并將程序編譯為芯片支持的計算基元所描述的低級可執行代碼。如 EDA 工具 Cadence 等。（2）算法編程平臺：用于編寫和調試類腦芯片程序的軟件工具，促進腦網絡的實現，如 Python 等高級語言。（3）腦網絡模

33、擬器：用于在計算機上模擬類腦芯片行為的軟件工具，如 NEST，NEURON 等。（4）數據集和算法：用于訓練和評估類腦芯片的神經網絡算法和數據集，如 MNIST，CIFAR-10 等。（5）庫和框架：用于支持類腦芯片編程和開發的庫和框架，開發庫 諸 如ANN-SNN轉 化22，包 括 如Whetstone24、spiking_relu_conversion25、SNN-conversion toolbox26等轉化工具。類腦芯片技術仍處于發展初期，相關軟件工具和資源仍在不斷發展和更新中，目前已有一些的初步解決方案：中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）14 IBM。類腦芯

34、片領域的領導者之一，推出了 TrueNorth、IBM SyNAPSE 等類腦芯片，并提供了相應的軟件工具和編程接口，如 IBM Corelet 和 IBM TrueNorth Neurosynaptic System。英特爾（Intel）。類腦芯片領域的探索者之一，目前已推出 Loihi類腦芯片，并提供了相應的軟件工具和編程接口，如 Nengo、NEF（Neural Engineering Framework）等。靈汐科技。靈汐科技研發了類腦計算軟件支撐系統，包括軟件工具鏈、驅動、SDK、集群支持軟件、debug 工具箱等。其中，LynOS（如圖 13 所示），是一個端云一體的類腦軟件開發平

35、臺，方便用戶對領啟KA200 等類腦芯片產品進行統一接口的 AI 應用開發，支持高效圖優化和全自動編譯，可廣泛應用于視覺、語音、自然語言處理以及腦科學研究等領域7。靈汐科技還開發了面向腦仿真的支撐軟件 LynDBS和面向類腦融合神經網絡的 LynBIDL 系統軟件，提供流水式并行預編譯、自動眾核映射、異構調度管理、模型量化轉化等功能。圖 13 類腦計算軟件系統 LynOS 7 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）15（六）（六）類腦計算集群 隨著互聯網技術的發展，積累的數據爆炸性增長，利用海量非結構化數據逐步發展出千億參數的 AI 大模型，AI 大模型訓

36、練與腦仿真等任務都是大規模運算。單臺服務器提供的算力有限，隨著計算任務規模的增大，需要構建大規模、分布式的高性能計算集群來提供足夠的算力。腦仿真需要進行大規模神經元的模擬仿真，既需要大規模算力也需要進行大量的數據交換，研發與類腦計算配套的類腦計算集群，將充分發揮類腦計算高泛化低功耗的優勢，有望大幅降低大模型訓練與腦仿真的成本。類腦服務器是類腦物理集群的核心設備，其核心是類腦計算卡，類腦計算卡與 CPU、網卡一起完成異構融合計算，對類腦計算腦仿真進行加速。當前類腦計算卡是一種外插計算卡，為滿足高性能異構融合計算低延時、高帶寬、多類型卡的卡間通信需求，高性能服務器的拓撲結構設計尤為重要，卡間通信通

37、道的帶寬與延時將影響類腦服務器的性能。大集群不等于大算力，集群訓練會引入額外的通信開銷，此時網絡性能決定了集群算力，網絡可用性決定類腦集群的算力穩定性。普通的以太網交換機本身交換時間在 600 納秒左右，IB 通信網絡采用預先網絡規劃實現無擁塞網絡，交換機延遲在 90 納秒左右；采用 RDMA技術實現 CPU 旁路，上送延遲也大幅降低，端到端延遲可以控制在 8微秒內，大幅降低通信開銷。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）16 圖 3 RDMA 通信示意圖 AI 訓練與腦仿真需要多節點掛載單個存儲空間，大規模節點將同時讀寫一個文件夾，腦仿真過程將大量的寫入中間數據，類腦計

38、算集群的存儲集群應具備共享掛載和高性能并發讀寫的能力。類腦計算集群通過構建適配類腦計算的網絡拓撲，整合存儲、計算、通信等資源，融合 CPU/類腦計算卡等高性能計算卡的算力，使得整個集群的算力達到最優水平。（七）（七）類腦云服務 隨著近幾年類腦計算的快速發展和普及，越來越多的個人、機構和企業參與到了類腦計算的研究中，同時開始布局類腦應用的研發落地。作為一個結合了生物神經科學和計算機人工智能的前沿領域，對研究人員有非常高的技術門檻，且構建完整的類腦計算實驗和應用環境（如大型腦仿真）需要依賴于專業的類腦計算硬件設備和對應的軟件工具鏈。而現實情況是，相較于發展多年的深度學習，類腦計算的技術生態仍處于初

39、級階段，未形成統一的技術標準，也缺少成熟平臺產品作為基礎設施提供穩定算力的支撐。從而增加了研究人員開展類腦算法實驗以及推動類腦計算產業發展的難度。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）17 類腦云服務概念的提出正是為了解決上述問題，即通過結合類腦計算和云計算，利用虛擬化技術整合類腦計算相關的算力、存儲、網絡等資源，同時集成標準類腦計算算法庫、模型庫以及訓練框架，以云端平臺的形式提供一站式獲取類腦計算技術服務和算力資源的能力。從而使參與類腦計算研究和應用開發的個人、機構和企業可通過類腦云服務快速構建完整類腦計算資源環境，而無需關心底層硬件細節、集群拓撲和工具鏈安裝配置等問題

40、，從而為類腦算法研究和類腦應用開發提供便利的基礎設施和穩定的算力支撐，加速類腦計算生態的發展。除了結合傳統云計算資源虛擬化、資源池化、彈性伸縮等優點外，類腦云服務也針對大規模腦仿真任務和類腦計算模型訓練的特點進行設計和優化，提供專用的通信、存儲以及算力調度機制。1.類腦高性能聚合通信：結合大腦神經元局部連接性特點，構建局部通信算子庫，充分利用聚合通信對拓撲感知和優化的能力，有效降低大規模腦仿真場景的通信量。集成類腦計算卡高速互連技術，支持計算卡間高速數據傳輸和計算任務協同，降低大規模分布式類腦計算任務運行中的通信延遲。2.類腦高性能存儲：針對類腦計算任務和模型訓練中處理數據呈現稀疏性的特點，集

41、成相應的壓縮算法和數據預處理機制，提高數據質量的同時，降低數據維度，減少存儲規模。同時建立高效索引機制和增量合并機制，減少存儲 IO 消耗，達到節約存儲空間，加快存儲速度的目的。3.算力異構融合調度：針對類腦計算模型訓練過程中類腦計算卡與其他通用計算資源并存的場景，整合單作業多類型算力卡異構融合中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）18 調度算法和編排技術，支持基于類腦計算任務運行和模型訓練特點動態構建異構計算集群，實現高效并行的能力。二、二、類腦計算技術發展歷程類腦計算技術發展歷程 類腦計算被國際半導體協會認定為后摩爾時代最具發展潛力的顛覆性技術之一，通過模擬大腦的生物

42、特性，有望引領人工智能從專用走向通用階段。類腦計算技術的發展歷程可以追溯到 20 世紀 50 年代，科學家們一直在努力模擬人腦的神經網絡和認知機制，以實現人工智能和機器學習等領域的重大突破。（一）（一）類腦計算早期研究（1950 年代初期）受人腦結構和功能啟發，科學家們首次嘗試使用計算機模擬神經網絡和大腦的認知機制，以期從中獲取關于人腦工作原理的更多信息。1950 年代初期，艾倫圖靈、克勞德香農、馮諾伊曼等著名科學家均對類腦計算機有諸多討論。Alan Hodgkin 和 Andrew Huxley 于 1952年提出 SNN，該模型模仿了生物神經元動作電位的初始化和傳播。美國計算機科學家羅森布

43、拉特（Frank Roseblatt）于 1957 年在 IBM 704 計算機上模擬感知機，感知機是生物神經細胞的簡單抽象，是一種最簡單形式的前饋神經網絡。但該時期存在兩個關鍵問題，第一是感知機無法處理異或回路。第二是計算器沒有足夠的能力來處理大型計算。（二）（二）人工神經網絡興起（1970-20 世紀末）人工神經網絡被認為是大腦神經活動的簡化模型，科學家們通過人工神經網絡模擬大腦功能，以代替人力完成簡單的計算任務。Paul 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）19 Werbos、David E.Bryson 等人于 1974 年提出將反向傳播算法應用于神經網絡，有效

44、解決了感知機無法處理異或回路問題。Hinton、Williams于 1986 年提出當訓練預測序列中的下一個單詞時，反向傳播學習了單詞的內部表示作為特征向量。在此期間，科學家們嘗試了一系列神經網絡基礎模型，如卷積神經網絡、遞歸神經網絡、線性 Transformer、對抗神經網絡等，并開始使用這些模型來解決圖像識別、語音識別、股票預測、蛋白質結構預測等任務。由于神經網絡基礎模型在許多任務上的表現能力弱于同時期的機器學習算法，并未得到重視，且傳統計算機中 CPU 的性能和頻率不斷提高，類腦計算發展緩慢。（三）（三）硬件設備的革新（2000 年代初期）在 21 世紀初，單核處理器的頻率停滯，研究人員

45、開始轉向多核處理器，非馮 諾依曼架構的替代品更多被人們討論?？茖W家們開始使用超級計算機來模擬更大規模的神經網絡和認知機制，以期實現更高級別的人工智能和機器學習任務。超級計算機的突破：1997 年，卡內基梅隆大學于 IBM 合作研發的超級計算機“深藍”在軟件和硬件上實現里程碑式的突破，與人類對弈中表現突出。神經形態系統的研究：2006年，斯坦福大學教授Kwabena Boahen開發了一種基于模擬生物大腦的芯片 Neurogrid，建立了首個擁有一百萬個尖峰神經元（和數十億個突觸）的神經形態系統。憶阻器的應用：2008 年，惠普公司量產的憶阻器具有特殊的元件特性，適合模擬神經元突觸的部分運作。中

46、國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）20 超級計算機的進展：2009 年，曼徹斯特大學計算機科學系高級處理器技術研究小組交付的尖 峰神經 網絡 架構的 超 級 計 算 機SpiNNaker，可實時模擬多達十億個神經元的聚合行為。該時期促進了類腦計算領域的發展與創新。超級計算機的突破證明了計算機在認知任務上的潛力，多核處理器的崛起提供了更強大的計算能力，非馮 諾依曼架構和神經形態系統的研究為新的計算架構探索打開了大門，憶阻器和其他硬件技術的應用拓展了類腦計算的硬件解決方案。這些成果共同為類腦計算技術的不斷進步與創新奠定了堅實的基礎。（四）（四）融合實現的進步（2010 年至

47、今）在當前的類腦計算技術發展中，硬件實現的進步起到了重要的作用。研究人員已經開始探索使用專門的芯片和硬件來支持 SNN，或同時支持 SNN 和 ANN，以提高計算效率和能源利用率。大多數類腦芯片采用非馮 諾依曼分散式眾核架構，其中每個核都具有緊密耦合的本地計算和內存資源。類腦芯片具有大規模計算并行性和高內存局部性，無需訪問片外存儲器。早期類腦計算硬件支持的主要模型是 SNN，同時擴展到多種現代類腦芯片中的 ANN。類腦技術的發展路線如下圖 14 所示。圖 14 類腦技術演進階段 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）21 在此期間，清華大學的 Tianjic 是第一個發明

48、混合模型和架構的類腦芯片，可以支持 SNN、ANN 和混合神經網絡。這為現階段通過融合SNN 和 ANN 的優點將類腦計算系統推向更高智能水平開辟了一條新途徑。（五）（五）軟件框架的升級（2010 年至今）隨著人工神經網絡的應用落地，針對神經網絡構建，仿真，訓練和部署等不同場景，細分形成了多樣的軟件框架產品。目前，在類腦神經網絡構建及仿真領域，國內外主流的大腦仿真軟件平臺包括 NEURON、Brian、NEST 和 GeNN 等仿真軟件。其中，Nest 是一個模擬大型結構化神經元系統的框架，主要針對超級計算機場景研發，使用 CPU 核為最小處理單元，其并行處理能力受限于 CPU 核心數，由于

49、CPU 間通信限制。GeNN 是基于 NvidiaCUDA 代碼生成的 GPU 增強型神經網絡模擬環境，僅支持單機仿真。另一方面，隨著深度學習這一細分領域在智能應用上面的商業落地，大量商業公司推出了針對訓練場景優化的訓練框架，如META公司推出的Pytorch，谷歌公司推出的TensorFlow 等。近年，隨著 ANN 和 SNN 融合網絡的出現，針對融合結構網絡與多樣學習方法的框架研究也在開始受到重視，如英特爾推出基于 Loihi系列類腦芯片的 LAVA 框架，同時，國內如中國電子科技南湖研究院則推出了支持擴范式混合網絡構建及訓練的異構融合框架。（六）（六）類腦計算集群（2020 年至今）馮

50、諾伊曼架構的計算生態完整而豐富，類腦計算剛剛興起，生態還不完整，類腦芯片是類腦計算的基礎，需與現有的計算機架構和操中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）22 作系統相結合，形成兼顧類腦計算與通用計算的類腦計算機。國內外英特爾、IBM、浙江大學、靈汐科技（清華大學）等多個研究機構都推出了自己的類腦計算平臺。2020 年，由浙江大學、之江實驗室共同研制的一種基于脈沖神經網絡的類腦計算平臺達爾文類腦計算機（Darwin-Mouse），它使用了自研的“達爾文 2 代”類腦芯片，可以模擬大規模的神經元和神經突觸。2022 年 9 月，英特爾基于 Loihi2 類腦計算芯片發布了開發

51、板Kapoho Point。Kapoho Point 其采用緊湊且可以堆疊的可伸縮設計，能夠通過連接插件，實現多塊 Kapoho Point 的板間直連。2022 年，靈汐科技基于自主研發的 KA200 類腦芯片，構建了可集成 8-12 張 HP300 高密度類腦計算卡的類腦計算服務器，支持多機、多卡分布式計算模式。類腦計算集群依賴的 RDMA 通信、存儲技術也在蓬勃發展。1990年代，出現了第一代 RDMA 技術，即 Virtual Interface Architecture(VIA)，主要用于集群計算和存儲系統。2000 年代初，出現了第二代 RDMA 技術，即 InfiniBand(I

52、B)，主要用于高性能計算和數據中心網絡，并由 Mellanox 公司發揚光大。2000 年代中期，出現了第三代 RDMA 技術，即 iWARP，由 IETF 制定，主要用于在 TCP/IP 網絡上實現 RDMA。2010 年代初，出現了第四代 RDMA 技術，即 RoCE(RDMA over Converged Ethernet)，主要用于在以太網上實現 RDMA。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）23 2010 年代中期，出現了第五代 RDMA 技術，即 RoCEv2，主要用于在 IP 網絡上實現 RDMA，當前國產 RDMA 技術通常采用 RoCEv2。從 202

53、1 年開始，中國電子科技南湖研究院和靈汐科技、?？低?、清華大學聯合研發大規模類腦計算集群，基于類腦芯片的特點，整合存儲、通信資源，構建充分發揮類腦計算優勢的集群。于 2023年，建成支撐十億神經元規模腦仿真的類腦計算集群，并對外提供服務。（七）（七）類腦云服務（2020 年至今）隨著類腦計算技術在硬件、算法、框架以及軟件工具鏈方面的不斷發展，如何結合云計算技術虛擬化和池化類腦計算各類硬件資源，整合標準算法和框架，集成基于類腦計算任務特點的編排策略，優化計算資源分配和提高并行化能力，從而讓更多參與類腦計算研究和應用開發的個人、機構以及企業可以快速構建穩定的類腦計算資源環境，逐漸成為類腦計算領域

54、一個重要的探索方向。國內外一些大學和研究機構也開始研究類腦云服務相關的技術，探索如何以云服務為載體在各種垂直領域完成類腦計算技術的應用落地。例如，從 2021 年開始，中國電子科技南湖研究院投入構建類腦容器云平臺，將類腦計算、通用計算、存儲、通信等資源池化，實現異構融合調度，目前可支持研究人員通過平臺自助構建并運行十億神經元規模的腦仿真任務，并已開始對外提供服務。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）24 三、三、類腦計算產業發展政策環境類腦計算產業發展政策環境 腦科學研究具有重大意義。一是腦科學技術研究是 21 世紀人類所面臨的重大挑戰。理解人腦的工作機制，進而揭示人類

55、智能的形成和運作原理，對人腦認知功能開發、模擬和保護，決定未來人口素質，搶占國際競爭的技術制高點具有重要意義；二是減少神經和精神疾病對個人、家庭和社會造成的巨大傷害。盡管神經科學不斷在進步，但由于人腦的巨大復雜性，大多數神經和精神疾病的根本原因在很大程度上仍不得而知。開發有效的方法，幫助遭遇毀滅性疾病的人，研究人員首先需要一個更完整的工具和信息庫，以了解大腦在健康和疾病中的工作狀態。因此，人類需要大腦研究計劃?？萍及l達國家和國際組織早已充分認識到腦科學研究的重要性，在既有的腦科學研究支持外相繼啟動了各自有所側重的腦科學計劃，全球目前共有七大“腦計劃”。自上世紀末，美國和歐洲率先開展以闡明大腦和

56、神經系統機制原理為目標的腦科學研究。隨后，日本、澳大利亞、加拿大、韓國等國家陸續發布腦科學研究計劃，重點布局領域包括神經形態計算、腦計算等類腦計算關鍵領域。（一）（一）美國推進創新神經技術腦研究計劃“推進創新神經技術腦研究計劃”（Brain Research through Advancing Innovative Neurotechnologies（BRAIN）Initiative），是由白宮科學技術政策辦公室發起，由奧巴馬政府于 2013 年 4 月 2 日宣布的一項合作性、公私合營的研究計劃。該計劃旨在探索人類大腦工作機中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）25 制

57、，開發神經科學的創新型技術；繪制出顯示腦細胞和復雜神經回路快速相互作用的腦部動態圖像；研究大腦功能和行為之間的復雜聯系，并最終開發出針對大腦疾病的療法。推進創新神經技術腦研究計劃的啟動資金達 1 億多美元，分別由美國國家衛生研究院、國防部高級研究項目局、國家科學基金會提供。美國國家衛生研究院將成立由洛克菲勒大學教授巴格曼、斯坦福大學教授紐瑟姆擔任聯合主席的高層級工作組，確定計劃的詳細科研目標，制訂計劃的時間表、重要節點，評估成本以及開展相關倫理研究。圖 15 美國大腦計劃官網8（二）（二）歐盟人腦工程 人腦工程（Human Brain Project）于 2013 年 10 月 1 日啟動，原

58、為“藍腦計劃”，計劃為期 10 年，是歐盟委員會的 FET（未來和新興技 8 https:/braininitiative.nih.gov/中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）26 術）的四個計劃之一。該計劃由歐洲 26 個國家的 135 個合作機構參與，在歐洲 100 多所大學、教學醫院和研究中心雇用了約 500 名科學家。計劃的目標是致力于神經信息學、大腦模擬、高性能計算、醫學信息學、神經形態的計算和神經機器人研究。通過超級計算機技術來模擬腦功能，以實現人工智能。歐盟大腦計劃的目的在于建立一個基礎設施，后續的腦科學研究可以在這個基礎設施上前行。這個基礎設施主要由六個

59、研究平臺構成：（1）神經信息平臺負責收集、組織和提供大腦數據；（2）大腦模擬平臺負責重構由資料驅動的大腦組織；（3）高性能分析和計算平臺負責提供資通訊功能，以前所未有的細節繪制大腦，構建復雜模型，運行大型模擬并分析大量數據；（4）醫學信息平臺負責開發基礎設施，共享醫院和醫學研究數據，以了解疾病分布及其各自的疾病特征；（5）神經形態計算平臺負責開發和應用大腦啟發的計算技術；（6）神經機器人學平臺負責開發虛擬機器人和真實機器人，以及開發大腦模擬的測試環境。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）27 圖 16 歐盟大腦計劃官網9 歐盟的“人腦工程”和美國的“腦計劃”有一定的關聯

60、，前者提出在巨型計算機上對人腦建模，建模所需的數據可以來自美國“腦計劃”，兩者互為補充。（三）（三）日本腦圖研究計劃“腦圖研究計劃”（Brain Mapping by Integrated Neurotechnologies for Disease Studies，Brain/MINDS）于 2014 年由日本科學家發起，屬于神經科學研究計劃。該項目在 10 年內受到日本教育部、文化部以及日本醫學研究與發展委員會共 400 億日元（約合 3.65 億美元）的資助。Brain/MINDS 由日本 47 家研究單位的 65 個實驗室組成，旨在通過融合靈長類模式動物（狨猴）多種神經技術的研究，彌補曾

61、經利用嚙齒類動物研究人類神經生理機制的缺陷，并且建立狨猴腦發育以及疾病發生的動物模型。9 https:/www.humanbrainproject.eu/en/中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）28 日本的大腦研究計劃主要利用狨猴這種更接近人類的靈長類動物，能彌補用鼠類研究經常不同于人類的缺陷，尤其是在疾病研究方面。圖 17 日本大腦研究計劃官網10（四）（四）澳大利亞澳大利亞大腦計劃 澳大利亞腦聯盟（Australian Brain Alliance，ABA）于 2016 年 2 月成立，集合了科學院腦與心智國家委員會、澳大利亞神經科學學會和澳大利亞心理學會在內的神

62、經科學和行為科學的研究團體，成員組織已超過 28 個。同時，澳大利亞腦聯盟是國際腦計劃（International Brain Initiative）的成員之一。ABA 提議的澳大利亞大腦計劃（Australian Brain Initiative），以“破解大腦的密碼”為目標，協調澳大利亞現有的大腦研究人員和其他學科的科學家。澳大利亞大腦計劃在優化和恢復大腦功能、開發先進的神經 10 https:/brainminds.jp 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）29 接口、了解整個生命周期學習的神經基礎、類腦計算等方面取得重大進展。圖 18 澳大利亞腦聯盟官網11（五

63、）（五）加拿大加拿大腦計劃 加拿大腦計劃（Brain Canada）最早于 1998 年成立，由商業和科學組織共同資助，目標是改變加拿大的腦研究現狀。該計劃的三個基本原則：（1）核心腦原則，從復雜系統的角度研究腦的觀念，為理解健康人和病人腦提供支持；（2）合作原則，“核心腦”方法強調通過訓練和體系來提高合作的重要性；（3）核心社區原則，通過增加資金規模來強化加拿大腦研究社群。11 https:/www.ans.org.au/中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）30 圖 19 加拿大腦計劃官網（六）（六）韓國韓國腦計劃 韓國腦計劃（Korea Brain Initiati

64、ve），該計劃的核心是破譯大腦的功能和機制，調節作為決策基礎的大腦功能的整合和控制機制。計劃還包括開發用于集成腦成像的新技術和工具。韓國腦科學研發工作集中在四個核心領域：（1）在多個尺度構建大腦圖譜；（2）開發用于腦測繪的創新神經技術；（3）加強人工智能相關研發；（4）開發神經系統疾病的個性化醫療。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）31 圖 20 韓國腦計劃官網12（七）（七）中國中國腦計劃 中國腦計劃已醞釀多年，中國科學技術部與中國自然科學基金會組織的許多戰略會議上的討論已經達成共識，認識到人類認知的神經基礎是神經科學的普遍目標，應作為中國腦計劃的核心問題。中國腦計

65、劃制定為 15 年計劃（2016 年至 2030 年），涵蓋認知神經機制基礎研究、腦疾病診斷與干預的轉化研究以及腦激發智能技術。前五年與中國“十三五”國民經濟和社會發展規劃綱要相吻合，將面向世界智能科技前沿和“健康中國 2030”的戰略需要，發展我國腦科學、類腦技術，從認識腦、保護腦和模擬腦三個方向展開研究，逐步形成以腦認知功能的解析和技術平臺為一體，以認知障礙相關重大腦疾病診治和類腦計算與腦機智能技術為兩翼的“一體兩翼”研究布局，通過對 12 https:/www.kbri.re.kr/new/pages_eng/main/中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）32 認

66、知基礎神經回路機制的基礎研究，為腦疾病診斷/干預和腦啟發智能技術這兩個應用領域提供輸入和反饋。圖 21 中國腦計劃整體布局23 神經科學作為一門相對較新的研究學科，其研究群體規模較小，在幾乎所有領域的研究能力建設都需要政府加大支持力度。另一方面，鑒于目前有限的能力，該項目還需要把重點放在有選擇的領域，特別是中國科學家具有一些優勢并可能做出重大貢獻的領域。1.科技部設立重大項目支撐科技部設立重大項目支撐 2021 年，我國科技部發布“科技創新 2030”“腦科學與類腦研究”重大項目申報指南（下稱指南），標志著醞釀 6 年多的“中國腦計劃項目”正式啟動。作為“科技創新 2030”的重大科技項目，“

67、腦科學與類腦研究”主要包含腦疾病診治、腦認知功能的神經基礎、腦機智能技術等方面研究。其中腦疾病診治面向腦健康和醫療產業、腦認知功能的神經基礎以“全腦介觀神經連接圖譜”為平臺，腦機智能技術則面向類腦智能產業。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）33 根據指南，2021 年度申請項目將圍繞腦認知原理解析、認知障礙相關重大腦疾病發病機理與干預技術、類腦計算與腦機智能技術及應用、兒童青少年腦智發育、技術平臺建設 5 個方面。該指南共涉及59 個研究領域和方向，國家撥款經費規模首年超過 30 億元人民幣。中國腦計劃整體規模有望達到百億甚至千億級，比肩美國的“腦計劃”。2.國家發布

68、政策，支撐腦機接口行業發展國家發布政策，支撐腦機接口行業發展 十二五：確立腦科學重要地位，將“腦科學與認知科學”列入基礎科學前沿領域的重點方向。十三五：推進腦科學技術研究，強化宇宙演化、物質結構、生命起源、腦與認知等基礎前沿科學研究。積極提出并牽頭組織國際大科學計劃和大科學工程，建設若干國際創新合作平臺。十四五：促進腦科學產業落地，在類腦智能、量子信息、基因技術、未來網絡、深?？仗扉_發氫能與儲能等前沿科技和產業變革領域，組織實施未來產業孵化與加速計劃，謀劃布局一批未來產業。表 1 截至 2022 年國家層面有關腦機接口行業的政策重點內容解讀（）發布發布 時間時間 發布發布 部門部門 政策政策

69、名稱名稱 重點內容解讀重點內容解讀 政策政策性質性質 2011 年7 月 科技部 國家“十二五”科學和技術發展規劃 繼續深化基礎科學前沿領域研究，包括生命過程的定量研究與系統整合。凝聚態物質與新效應，物質深層次結構和宇宙大尺度物理學規律。核心數學及其在交叉領域的應用、地球支持類 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）34 系統過程與資源環境和災害效應.新物質創造與轉化的化學過程，腦科學與認知科學、科學實驗與觀測方法、技術和設備創新等重點研究方向。加強在合成生物學、暗物質等新研究方向的部署。2011 年10 月 科技部、衛生部等 醫學科技發展“十二五”規劃 研究腦功能的細胞

70、和分子機理。腦重大疾病的發生、發展機理，腦發育、可塑性與人類智力的關系，學習記憶和思維等腦高級認知功能的過程及其神經基礎，腦信息表達與腦式信息處理系統，人腦與計算機對話等。支持類 2012 年2 月 科技部 國家基礎研究發展“十二五”專項規劃 將“腦科學與認知科學”列入基礎科學前沿領域的重點方向。支持類 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）35 2016 年5 月 中共中央、國務院 國家創新驅動發展戰略綱要 面向 2030 年，堅持有所為有所不為。盡快啟動航空發動機及燃氣輪機重大項目，在量子通信、信息網絡、智能制造和機器人、深空深海探測、重點新材料和新能源、腦科學、健康

71、醫療等領域，充分論證，把準方向，明確重點，再部署一批體現國家戰略意圖的重大科技項目和工程。支持類 2016 年7 月 國務院“十三五”國家科技創新規劃 腦科學與類腦研究列入科技創新 2030 重大項目，目標為以腦認知原理為主體，以類腦計算與腦機智能、腦重大疾病診治為兩翼。搭建關鍵技術平臺，搶占腦科學前沿研究制高點。支持類 2016 年10 月 國務院 國務院關于加快發展康復輔助器具產業的若干意見 將老年人、傷病人護理照料，殘疾人生活、教育和就業輔助。殘疾兒童搶救性康復等作為優先發層領域，推動“醫工結合”，支持人工智能、腦機接口、虛擬現實等新技術在康復輔助器具產品中的集成應用，支持外骨骼機器人、

72、照護支持類 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）36 和康復機器人、仿生假肢、虛擬現實康復訓練設備等產品研發，形成一批高智能、高科技、高品質的康復輔助器具產品。2016 年10 月 中共中央“健康中國2030”劃綱要 啟動腦科學與類腦研究、健康保障等重大科技項目和重大工程，推進國家科技重大專項、國家重點研發計劃重點專項等科技計劃。支持類 2020 年3 月 科技部 關于科技創新支撐復工復產和經濟平穩運行的若干措施 大力推動關鍵核心技術攻關，加大 5G、人工智能、量子通信、腦科學、工業互聯網、重大傳染病防治、重大新藥、高端醫療器械、新能源、新材料等重大科技項目的支持力度。

73、突破關鍵核心技術，促進科技成果的轉化應用和產業化，培育一批創新型企業和高科技產業。增強經濟發展新動能。支持類 2020 年8 月 發改委、科技部、工信部 國家新一代人工智能標準規范人與信息系統多通道、多模式和多維度的交互途徑、模式、方法和技術要求。解決語音、手勢、體感，腦機等多模支持類 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）37 體系建設指南 態交互的融合協調和高效應用的問題，確保高可靠性和安全性交互模式。人機交互標準包括智能感知，動態識別、多模態交互三個部分。2020 年12 月 科技部 長三角科技新共同體建設發展規劃 在智能計算、高端芯片、智能感知、腦機融合等重點領域

74、加快布局，籌建類腦智能，智能計算、數字孿生、全維可定義網絡等重大基礎平臺。支持類 2021 年9 月 人力資源杜會保障部、工信部等 專業技術人才知識更新工程實施方案 瞄準量子信息，生命健康、腦科學、生物育種、空天科技、深地深海等前沿領域。攻堅核心技術，發展產業高端化、智能化、綠色化。按照高水平、小規模、重特色的要求，主要面向中高層次專業枝術人員和經營管理人員，每年舉辦 300期左右國家級高級研修班，培養培訓 2 萬名左右高層次專業技術人才和經營管理人才，培養造就一批素質優良、創新能支持類 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）38 力強、具有較強競爭力的專業技術人才。20

75、21 年10 月 國務院“十四五”國家知識產權保護和運用規劃 促進知識產權高質量創造。健全高質量創造支持政策，加強人工智能，量子信息、集成電路、基礎軟件、生命健康、腦科學、生物育種，空天科技，深地深海探測等領域自主知識產權創造和儲備。支持類 2021 年12 月 國務院“十四五”國家老齡事業發展和養老服務體系規劃 發展健康促進類康復輔助器具。加快人工智能，腦科學、虛擬現實、可穿戴等新技術在健康促進類康復輔助器具中的集成應用。發展外骨骼康復訓練、認知障礙評估和訓練、溝通訓練、失禁康復訓練、運動肌力和平衡訓練、老年能力評估和日?；顒佑柧毜瓤祻洼o助器具。支持類 2022 年4 月 國務院“十四五”國

76、民健面向人民生命健康，開展衛生健康領域科技體制改革試點，啟動衛生健康領域科技創斯2030 重大項目?！笆奈濉敝刂С诸?中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）39 康規劃 點研發計劃等國家科技計劃。實施“科學與類腦研究”等重大項目以及“常見多發病防治研究”、“生育健康及婦女兒童健康保障”等重點專項。2022 年8 月 科技部、中宣部等“十四五”國家科學技術普及發展規劃 面向關鍵核心技術攻關，聚焦國家科技發展的重點方向，強化腦科學、量子計算等戰略導向基礎研究領域的科普，引導科研人員從實踐中提煉重大科學問題，為科學家潛心研究創造良好氛圍。支持類 2022 年10 月 工信部、

77、教育部等 虛擬現實與行業應用融合發展行動計劃（2022-2026年）重點推動由內向外追蹤定位技術研究，發展手勢追蹤、眼動追蹤、表情追蹤、全身動捕、沉浸聲場、高精度環境理解與三維重建技術，加強肌電傳感、氣味模擬、虛擬移動、觸覺反饋、腦機接口等多通道交互技術研究，促進感知交互向自然化、情景化、智能化方向發展。網絡傳輸技術。支持類 國家對于發展類腦計算產業非常重視，認為它是推動人工智能和信息技術發展的重要方向之一。因此，國家在政策、資金、人才等方面中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）40 都給予了積極支持，通過建設實驗室、加強基礎研究、推動產業應用等措施，努力推動類腦計算技術

78、的研究和發展，加快形成類腦計算產業生態體系，助力經濟轉型和高質量發展。在此背景下，各地方也紛紛出臺了相應的政策措施，以加快類腦計算產業在地方的發展。3.各省、市為促進腦科學發展，發布了相關政策各省、市為促進腦科學發展，發布了相關政策 上海市。上海市。上海市戰略性新興產業和先導產業發展“十四五”規劃中，將“提升腦科學基礎研究在類腦智能產業的支撐能級，重點突破腦機融合技術與類腦芯片技術的研發與應用。實現腦機融合技術在難治性抑郁癥、帕金森病、腦卒中等重大腦功能疾病診斷、治療、康復的臨床應用。研發基于憶阻器等顛覆性技術的類腦及神經擬態芯片，實現新一代人工智能技術和新型信息產業的革新?！倍x為面向未來的

79、先導產業重點任務。2021 年 12 月，上海市經信委編制了上海市人工智能產業發展“十四五”規劃，并正式發布實施。明確“前瞻布局類腦芯片，探索基于憶阻器的存算一體芯片，推動算力突破發展”。深圳市。深圳市。腦科學與類腦智能有望成為深圳未來戰新產業的中堅力量。腦科學與類腦智能作為科學研究的前沿領域，也是深圳“20+8”產業布局重點培育發展的未來產業之一。光明區重點發展“8+5”產業集群，腦科學與類腦智能產業是其中之一。據深圳市培育發展未來產業行動計劃（2022-2025 年），在深圳八大未來產業中，腦科學與類腦智能等四個未來產業目前處于孕育期，規模較小，可以預測 10-15 年內腦科學與類腦智能產

80、業有望成為戰略性新興產業中堅力量，潛在市場巨大。腦科學與類腦智能產業不僅自身具有發展前景，還將與深圳其它產業相輔相成，若該產業發展順利，有望與其它產業共同釋放“乘數效中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）41 應”。深圳已在光明科學城布局了腦解析與腦模擬重大科技基礎設施，建設牽頭單位為深圳先進院，同時，南方科技大學、香港科技大學深圳研究院、深圳市神經科學研究院、北京大學深圳研究生院參與建設。這一大設施將把腦科學研究必備的儀器設備和動物模型聚集在一起，為腦科學家和腦產業研究人員提供一個場所，聚集智力和技術，解決腦科學的理論探索，同時實現產業化。綜上，光明區在形成具有國際競爭

81、優勢的腦科學與類腦智能產業集群方面有較大先發優勢。為支持腦科學與類腦智能創新鏈產業鏈融合發展，光明區于 2022 年 8 月 19 日印發了深圳市光明區關于支持腦科學與類腦智能創新鏈產業鏈融合發展的若干措施 13，著力打造全球腦科學與類腦智能創新策源地和產業集聚地，這是全國首部腦科學于類腦智能專項支持政策。杭州市杭州市。杭州市經濟和信息化局杭州市發展和改革委員會關于印發杭州市人工智能產業發展“十四五”規劃的通知。其中，類腦計算芯片等智能芯片項目落地，作為科研核心支撐部件的重點支持項目支持。武漢市武漢市。2023 年 1 月，武漢政府工作報告提出，要加快培育類腦智能等新增長點，推動元宇宙、人工智

82、能等產業加速成長。成都市。成都市。2009 年電子科技大學成立了“神經信息教育部重點實驗室”；2016 年 1 月，四川大學華西醫院成立了多學科交叉的華西腦研究中心；2016 年 9 月，成都市政府代表中國與古巴簽署了腦科學合作計劃；2018 年 12 月，四川省腦科學與類腦智能研究院正式成立，這讓成都成為全國為數不多的幾個在腦智科學研究方面走在前列的城市之一14。13 http:/ 14 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）42 四、四、類腦計算產業類腦計算產業 目前，類腦智能的發展處在商業化前期。根據我們的調研，在前期階段，商業化公司主要瞄準端側/邊

83、緣類市場，主要有兩個方向：感知類芯片和計算類芯片。整體來看，從事類腦計算（處理器）的公司要多于類腦感知（傳感器）的公司。國內專注類腦研究和創新轉化平臺的公司中，靈汐科技已在 2019 年實現量產，時識科技也將在今年年底或明年實現量產出貨。海外的類腦計算公司集中在歐洲和美國，公司數量略多于中國。在商業化進程上，國內外都處在探索階段12。并且，現在的市場非常小眾且處于發展初期，該市場有少數參與者，例如 BrainChip Holdinas Ltd、InteCorporation、SynSenseAG 等。在這個整合市場中，頂級參與者正在通過各種市場發展戰略迅速增長，如合作、市場擴張、產品創新和研發

84、活動。2021 年，全球神經形態芯片市場規模為 3300 萬美元15，2022 年市場規模達到 26 億美元16。展望未來，IMARC 集團預計到 2028 年該市場將達到 86 億美元，在預測期（2022-2030 年）內，年均復合增長率CAGR 將達到 47.6%。2020 年中國類腦計算芯片市場規模達到了 10 萬美元，預計 2029 年可以達到 1.77 億美元，2021-2029 期間年復合增長率為 123.05%。15 https:/ 16 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）43（一）（一）產業鏈分析 類腦計算芯片產業鏈如圖 21 所示。傳

85、統芯片制造商新型憶阻器研發商業化伙伴IP授權研究機構類腦感知公司類腦計算公司汽車電子智能安防智能家居/家電無人機醫療健康大型半導體公司創業公司大型半導體公司創業公司其他：類腦公司之間相互合作上游中游下游 圖 22 類腦計算產業圖譜12 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）44 我國現階段產業鏈上游設備、材料環節，進入壁壘非常高，市場頭部效應明顯，新公司進入難度較大。高端設備和關鍵材料高度依賴進口，高端制造受限制明顯，技術突破難度大。國內華為及科研院所已開始高端光刻機的研發13。表 2 上游重點企業17 上游領域上游領域 企業名稱企業名稱 硅晶圓 臺積電、中芯國際、華虹集

86、團、聯電、格羅方德、華天科技、上海新陽、TCL 中環、晶盛機電等 濺射靶材 日礦金屬、霍尼韋爾、東曹、普萊克斯、有研新材、金鉬股份、新疆眾和、隆華科技、江豐電子等 電子特氣 硅烷科技、杭氧股份、昊華科技、和遠氣體、華特氣體、建業股份、金宏氣體、巨化股份、凱美特氣等 光刻機 阿斯麥、尼康、佳能、上海微電子、科技股份、虹源光電、國科精密、國望光學、啟爾機電等 清洗設備等 DNS、TEL、Lam、SEMES、盛美等 1.上游產業上游產業 上游企業主要為構建芯片的半導體材料和金屬材料的供應商、憶阻器研發以及商業伙伴。例如，作為芯片產業鏈上游的材料供應商：硅晶圓企業包括臺積電、中芯國際等，濺射靶材上市企

87、業包括日礦金屬、霍尼韋爾等，光刻機企業包括阿斯麥、尼康等。企業主要類型包括：17 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）45 材料供應商：類腦芯片需要使用先進的半導體材料和金屬材料，如硅、鎵、鍺、碳化硅等。設計軟件提供商：類腦芯片的設計需要依賴于一系列的電子設計自動化軟件，如 EDA、EDA、高層次綜合、物理綜合等。設計服務公司：為芯片設計者提供專業設計服務和相關技術支持。2.中游產業中游產業 產業鏈中游制造環節，進入壁壘較高，國產化水平較低。中國已陸續涌現一批技術型企業，產品初步成型。設計環節毛利率水平最高，但技術壁壘中等，目前國產化水平中等。封測環節技

88、術壁壘最低，毛利率最低，國產化水平高，總體環節價值較低13。與普通芯片行業中游產業不同的是，類腦計算產業的中游產業包括了研究機構、類腦感知公司和類腦計算公司，這幾類企業需要將類腦計算嵌入芯片中，構建類腦芯片或神經形態芯片。企業主要類型包括：芯片制造廠商：將設計好的類腦芯片轉化為實際可用的芯片產品，包括芯片生產、封裝、測試等環節。芯片模組制造廠商：將芯片模組化，便于后續的系統集成和開發。系統集成商：將芯片模組集成到具體應用場景中，如機器人、自動駕駛汽車、智能家居等。類腦感知公司：類腦感知公司是一家聚焦邊緣計算應用場景，提供超低功耗、超低延時的全棧式解決方案與服務的類腦智能芯片設計及研發公司。例如

89、 SynSense 時識科技。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）46 類腦芯片公司：專門從事類腦芯片的設計和研發的公司，例如IBM TrueNorth（SyNAPSE 芯片）、英特爾 Loihi 芯片、高通 Zeroth 芯片、靈汐科技領啟KA200 類腦芯片、西井科技 DeepSouth 芯片、浙大“達爾文”類腦芯片和 AI-CTX 芯片等。3.下游產業下游產業 下游產業即使用類腦計算芯片的產品，現已知可運用于汽車電子、智能安防、智能家具、無人機和醫療健康、數據中心等領域。主要包含兩類企業：設備制造商：制造類腦芯片應用設備，如機器人、自動駕駛汽車、智能家居、類腦服務

90、器、類腦計算集群等。?？低?、新華三、浪潮、華為等服務器廠家基于靈汐科技的類腦計算卡推出了應用于 AI 計算與腦仿真的類腦服務器，并圍繞類腦服務器研發存儲、RoCE 通信設備，將研制設備在中國電子科技南湖研究院類腦計算集群集成部署，一起構建類腦計算數據中心產業生態。軟件開發商：為類腦芯片應用提供相關軟件開發工具、應用程序接口等支持。例如 META 的 PyTorch、英特爾的 LAVA、中國電子科技南湖研究院的異構融合框架等。云服務提供商：中國電子科技南湖研究院研發類腦容器云，向下實現集群資源的池化調度，發揮類腦計算集群的優勢；向上以容器方式支持云服務應用生態?？傮w而言，類腦芯片產業鏈比較長，

91、需要眾多企業之間緊密合作才能實現從材料生產到系統集成的全產業鏈合作。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）47（二）（二）產業數據分析 1.市場類數據市場類數據 亞太地區的市場預計將以最高的復合年增長率增長。中國和印度的經濟高速增長。越來越多的可穿戴技術和機器的發展可能會促進該地區神經形態計算市場的增長。領先國家，如美國和中國，以及新興經濟體，包括印度和其他亞洲國家，預計將成為預測期內神經形態計算市場的主要市場。IBM 公司（美國）、惠普公司（美）、三星集團（韓國）等企業是類腦計算市場的主要參與者。圖 23 2020 年全球類腦智能市場分布（按市場份額）18 以 2022

92、 年作為估算基準年，根據 2018-2021 年的歷史數據預測2023-2030 年，預測 2023 年的市場規模為 52.77 億美元，2030 年預測營收為 202.721 億美元，2023 年至 2030 年復合年增長率為 21.2%。下 18 http:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）48 圖為各國家的類腦智能市場分布，從整體來看，美國占據行業主導地位，而中國、日本、韓國及歐洲等地區尚處于第二梯隊。2.科技類數據科技類數據 專利數據和論文數量可以衡量一個國家在特定領域內科技發展水平的重要指標，也可以用于衡量各國在類腦技術領域的發展程度。專利數據可以反映一

93、個國家在類腦技術領域內的創新能力和技術積累程度。論文數量則可以反映一個國家在類腦技術領域內的研究熱度和研究成果數量。通過對比不同國家的專利數據和論文數量，初步評估各國家在類腦技術領域的發展水平。（1）專利數據）專利數據 全球類腦智能技術領域專利近 10 年總體呈持續攀升態勢。由于新冠肺炎疫情，全球各地科研工作正常節奏均受到不同程度影響。但隨著疫情逐步受到控制，全球類腦智能軟硬件技術研發將繼續加速，預計2023 年當年專利申請量將達 2500 件。專利申請上，美國類腦智能行業專利申請共 6166 件，占比 64.44%，是全球最大技術來源國。全球持有類腦智能技術專利最多的 10 家機構中，有 7

94、 家總部位于美國；中國類腦智能行業專利申請共 2366 件，是全球第二大技術來源國。全球持有類腦智能技術專利最多的 10 家機構中，有 2 家總部位于中國，分別是清華大學和中科寒武紀科技股份有限公司。歐洲、日本、韓國等與中美差距較大。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）49 圖 24 全球類腦智能專利申請技術來源國分布 圖 25 全球類腦智能專利申請及授權時序分布及預測趨勢19 19 http:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）50（2）論文數量）論文數量 為檢索出與“類腦計算”相關的研究與綜述論文，根據檢索詞構建檢索策略，在 Web of

95、 Science 數據庫中，共檢索到 28741 篇論文（檢索時間 2018 年 8 月）。其中，期刊論文（Artice27512 篇）綜述性論文（Review1664 篇），并對檢索出的數采 TDA 和 Excel 等工具行分析，結果如下15。圖 26 類腦計算 SCI 論文年代分布 從上圖可以看出，關于“類腦芯片”的論文數量不斷在上升。全球共有 145 個國家（地區）開展了類腦計算的研究，其前二十位的國家（地區）排名見下圖。發文量前十位的國家（地區）分別是中國、美國、伊朗、印度、土耳其、英國、加拿大、韓國、意大利和中國臺灣地區，上述十個國家（地區）在類腦計算主題中的發文量占總量的 71.6

96、7%。表 3 類腦計算 SCI 論文研究機構分布情況 排序排序 作者機構作者機構 論文量論文量 地區地區 1 Islamic Azad Univ 伊斯蘭阿扎德大學 919 伊朗 2 INDIAN INSTTECHNOL 印度科技大學 582 印度 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）51 3 Univ Tehran 德黑蘭大學 479 伊朗 4 Chinese Acad Sci 中國科學院 450 中國 5 NatlInst Technol 印度理工學院 255 印度 6 Amirkabir UnivTechnol 阿米爾卡比爾理工大學 237 伊朗 7 Univ Ma

97、laya 馬來亞大學 221 馬來西亞 8 Univ Tabriz Tabriz 大學 221 伊朗 9 Zhejiang Univ 浙江大學 209 中國 10 Tarbiat Modares Univ 塔比阿特莫達勒斯大學 202 伊朗 11 Shiraz Univ 設拉子大學 192 伊朗 12 Sharif Univ Technol 沙里夫理工大學 184 伊朗 13 UnivTeknol Malaysia 馬來西亞特克諾爾大學 165 馬來西亞 14 Hong Kong Polytech Univ 香港理工大學 161 中國 15 Erciyes Univ 厄爾西耶斯大學 160 土

98、耳其 16 lran Univ Sci&Technol 伊朗理工大學 159 伊朗 17 Gazi Univ 加茲大學 158 土耳其 18 lsfahan UnivTechnol 伊斯法罕理工大學 154 伊朗 19 Ferdowsi Univ Mashhad 馬什哈德費爾多斯大學 140 伊朗 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）52 20 Taiwan Univ 臺灣大學 139 中國臺灣 全球對類腦計算的研究主要開始于上世紀80年代開始，在此之后，發文量一直處于線性上升，研究處于增長態勢，目前仍處于爆發期。全球共有 145 個國家（地區）開展了類腦計算的研究，中

99、國是這方面研究最多的國家，美國，伊朗排名第二、三。從類腦計算研究所涉及的高頻關鍵詞可以看出主要研究內容涉神經網絡模型、學習算法和算法環境。從單個機構上來看，中國有 4 家機構進入研究 TOP20。美國并未有機構進入，而伊朗卻有 10 個機構進入研究 TOP20 機構。圖 27 類腦計算 SCI 論文主題分布（三）（三）市場分布及趨勢 全球類腦計算市場根據產品、部署、應用、垂直行業和地區進行細分。按照產品類型，市場分為硬件和軟件。按照部署類型，市場分為邊緣計算和云計算。按照應用類型，分為圖像識別、信號識別、數據挖掘中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）53 等。根據垂直行業

100、分類，分為消費電子、汽車、IT 和電信、航空航天和國防、工業、醫療保健等。區域方面，主要包括北美（美國、加拿大和墨西哥）、歐洲（德國、英國、法國、意大利和歐洲其他地區）、亞太地區（中國、日本、印度、南美、韓國和亞太其他地區）和 LAMEA（拉丁美洲、中東和非洲）。1.北美市場北美市場 北美是一些主要市場供應商的所在地，例如英特爾公司和 IBM 公司。由于政府舉措、投資活動等因素，該地區的神經形態芯片市場正在增長。北美市場增長背后的重要因素之一是政府機構對神經形態計算表現出的興趣。例如，2022 年 9 月，能源部（DOE）宣布為 22 個研究項目提供 1500 萬美元的資金，以推進神經形態計算

101、。美國能源部的倡議支持開發用于類腦神經形態計算的硬件和軟件。另一方面，加拿大政府正在關注人工智能技術，這也有望在未來幾年為神經形態計算創造增長空間。例如，2022 年 6 月，加拿大創新、科學和工業部宣布啟動泛加拿大人工智能戰略第二階段。該戰略的第二階段得到 2021 年預算中4.43 億美元投資的支持。其中，有多個研究項目正在吸引合作，以促進神經形態技術的進步。例如，2022 年 8 月，美國芝加哥大學普利茲克分子工程學院（PME）研發出一種靈活、可伸縮的神經形態計算芯片，可模仿人腦處理信息。該設備旨在改變處理健康數據的方式。加拿大基于人工智能的芯片一直在增長，這也推動了神經形態芯片市場的發

102、展。例如，2021 年 5 月，加拿大初創公司 Tenstorrent 宣布中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）54 融資 2 億美元，獲得獨角獸地位。該公司計劃在 2022 年上半年交付用于實際應用的 AI 芯片。各國不斷增加的國防開支也有望推動北美對神經擬態計算的需求。高中低 圖 28 神經形態芯片市場-按地區劃分的增長率 歐洲是神經形態計算領域的關鍵參與者20，預計歐洲在預測期內也將出現顯著增長。歐洲有多個計劃和組織專注于推進神經形態計算技術的開發和采用。此外，歐洲國家越來越多地使用生物識別技術，為神經形態計算的圖像處理應用開辟了一個全新的實施領域。2.亞太市場亞

103、太市場 預計亞太地區市場在預測期內將呈現最快的復合年增長率。亞太地區是中國、韓國和日本等發達經濟體以及印度、越南、孟加拉國等發展中經濟體的混合體。中國、日本和韓國的市場將在亞太地區貢獻重要的市場份額。該區域各國越來越多地采用人工智能和機器學習技術，以及該區域多個城市的數據中心的開發和擴展將推動市場的增長。在中 20 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）55 國和印度等人口稠密的國家，可穿戴設備在居住在城市地區的年輕人口中迅速普及，將促進該地區市場的增長。3.拉丁美洲市場拉丁美洲市場 2020 年拉丁美洲神經形態芯片市場規模約為 1.9 億美元，預計到20

104、26 年將達到 8.3 億美元，復合年增長率為 27.89%。（四）（四）市場影響因素 目前，類腦芯片的商業化應用還處于起步階段，主要面臨的難題來自于四個方面：1.類腦芯片的單晶硅材料和憶阻器等技術有待突破；2.對腦的觀測和工作機制了解不夠；3.類腦芯片的研究門檻高，人才和企業隊伍缺失；4.類腦芯片的工程化難題。以下為類腦芯片對于下游市場的影響因素。汽車行業的市場因素：影響神經形態計算市場增長的突出因素包括對人工智能和機器學習技術的需求增加、軟件在神經形態計算中的高使用率以及對性能更好的集成電路（IC）的需求增加。然而，算法和后端操作復雜性的增加限制了市場增長。相反，預計汽車行業對神經形態芯片

105、的采用增加將為市場創造有利可圖的機會。因此，預計這些因素肯定會在預測期內影響全球神經形態計算市場。腦機接口行業的市場因素：推動腦機接口市場增長的關鍵因素包括神經假體疾病的日益流行、老年人口的增長以及促進癱瘓患者交流和運動的技術發展。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）56 五、五、類腦計算產業發展現狀類腦計算產業發展現狀（一）（一）中國類腦計算產業發展特點分析 目前，我國類腦智能的研究水平處于國際前沿。2016 年，我國正式提出“腦科學與類腦科學研究”（簡稱“中國腦計劃”），它作為連接腦科學和信息科學的橋梁，將在極大程度上推動通用人工智能技術的發展。此外，多所高校都成立

106、了類腦智能研究機構，開展類腦智能研究。其中，中國 AI 芯片產業鏈上發展最為迅猛、技術含量最高、融資案例最多的是芯片設計類企業。上游的晶圓材料和封裝材料等傳統原材料企業，主要集中在江蘇和廣州，國產供給率逐年提高。國內的晶圓制造設備和封裝設備，中低端可以自給自足，高端設備仍處于快速研發階段，中游晶圓加工、制造和封測的企業主要是第三方代工廠，比較知名的有臺積電和中芯國際。AI 芯片設計類企業有百度、阿里、騰訊等互聯網公司，也有華為、中興等通信企業，還有寒武紀、燃原科技、地平線等創業公司，下游包括浪潮、聯想等服務器提供商、終端生產企業及邊緣計算解決方案提供商14。中國 AI 芯片產業的整體水平處于世

107、界中等水平。其中，上游和中游屬于中下等水平，下游應用處于世界前列。產業鏈上游設備、材料環節，市場頭部效應明顯，進入壁壘非常高，技術突破難度大。國內華為及科研院所已開始高端光刻機的研發，但技術水平有待驗證。產業鏈中游制造環節，進入壁壘較高，國產化水平較低，第三方代工廠如中芯國際，對 AI 芯片架構的理解和 IP 核的豐富程度不足，AI 芯片設計企業需要兼具芯片流片經驗、AI 算法和 AI 框架理解，中國已陸續涌現一批中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）57 技術型企業，產品初步成型，但技術水平有待繼續送代驗證，國產化水平中等。封測環節技術壁壘最低，毛利率最低，國產化水平高

108、，但總體環節價值較低14。從產業鏈本身的各個環節來看，中國 AI 芯片產業發展面臨包括產業鏈關鍵環節存在短板、頂尖人工智能+芯片的復合人才缺失，AI 芯片的高能耗對經濟和環境有影響等諸多挑戰，但基于海量的數據要素資源、優秀的人工智能算法基礎以及良好的政策支持等利好因素疊加，中國 AI 芯片產業將擁有廣闊的發展前景14。（二）（二）中國類腦計算產業發展存在的問題 由于類腦芯片與類腦智能機器人的研究，既涉及到腦科學和神經科學的最新研究成果，又和傳統芯片設計、機器人仿生結構與控制等內容密切相關，未來研究迫切需要在如下方面進行進一步的攻關。（1）類腦計算芯片方面。需從不精確、非完整信息的類腦神經計算技

109、術出發，通過提煉神經網絡處理中的共性運算特性，發展類腦神經元計算模型，通過改變控制參數，使相同神經元電路模塊能完成不同的神經元功能，增強神經計算電路模塊的通用性，降低設計、制造的難度。此外，還需要迫切解決類腦計算芯片的功耗問題，需要研究建立神經網絡處理器相關的功耗模型，通過結構設計參數的選擇，降低相對功耗。發展基于統一抽象的、實時可調的軟件抽象層設計，通過和硬件結合，對低功耗設計與評估進行實時反饋和調節，為上層設計提供一個可靠且便利的軟硬件間的橋梁，解決能適應多種應用需求的兼容性問題。（2）類腦智能機器人方面。需更多借鑒類腦計算模型和仿人運動神經機理研究新的機器人感知、交互和動作計算模型，從根

110、本上提高機中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）58 器人的智能性，形成具有動態立體視覺感知、快速自感知、多模態信息融合、運動自學習能力、協調人機協作、快速反應和高精度操作的類腦智能機器人。其中，尤其需要解決類人運動執行機構帶來的類腦運動神經控制、人機融合環境帶來的機器人多模態信息融合、交互式學習控制和雙目可動攝像頭帶來的攝像頭高速在線校準 3 個問題21。（3）類腦計算從散點獨立研究向多點迭代發展邁進。類腦計算在諸多方面已經取得了大量基礎性研究成果，但目前的研究仍呈現相對獨立狹窄的縱向分布特點，尚未形成相互促進的橫向貫通局面。未來的類腦計算將更加注重在單點獨立研究的同時

111、與其他層面研究的結合，推動類腦計算的基礎理論算法、芯片硬件平臺、評估測試基準、編程編譯工具以及系統應用的相互協同和促進，構建更具全棧性的類腦計算迭代發展生態，進入良性前進的軌道。（4）類腦計算系統從“專用”向“通用”逐步演進。以類腦計算芯片為核心的各種類腦計算系統，在處理某些智能問題以及低功耗智能計算方面正逐步展露出優勢。但從設計方法角度看，類腦芯片往往根據目標應用要求通過歸納法來確定其硬件功能與接口，并定制化工具鏈軟件，導致軟硬件緊耦合、目標應用范圍受限等問題。類腦計算芯片設計將從現有處理器的設計方法論及其發展歷史中汲取靈感，在計算完備性理論基礎上結合應用需求實現完備的硬件功能。同時類腦計算

112、基礎軟件將整合已有類腦計算編程語言與框架，提出與具體芯片無關的高層次編程抽象與統一開發框架，針對目標芯片研發類腦計算編譯 21 http:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）59 優化與映射優化技術，實現類腦計算系統從專用向通用的逐步演進22。（5）制度體系支撐不足，未來產業技術創新的步伐受到極大限制。當前，我國產業技術創新相關制度還未形成完備的體系，產業政策與科學政策、創新政策、技術政策之間缺乏綜合性、系統性、連貫性和穩定性，政策的瞄準性和有效性不足，這在很大程度上影響了未來產業的發展。（6）立法滯后于科學技術的發展?？茖W技術日新月異，許多新興技術領域的立法都出現

113、了空白，如基因工程、人工智能、生物醫學等未來產業領域涉及政治、經濟和社會等多個方面，但由于法律的滯后性導致我國未能及時制定相關法律法規對這些技術的應用加以規范。（7）計量、標準、認證、信息服務等的基礎服務體系不完善。在計量方面，我國對于前沿技術和方法的研究能力較弱；在標準方面，我國參與國際標準制定的能力及制定標準的科學性亟待提高，新興產業技術標準存在制定難、更新慢的問題；在檢驗檢測方面，我國的高端檢驗檢測設備多數依賴進口，認證認可技術水平遠遠滯后于未來產業的發展需求。（8）融資機制不完善，金融資本未能有效發揮催生顛覆性技術的作用。我國現有科技金融機制，仍然以政府直接補貼為主，“政府+企業”產業

114、私募基金、“央企+金融機構”風險投資等新型金融產品匱乏。例如，除國家集成電路產業投資基金外，我國鮮有在量子科技、類腦智能等領域的宏觀層面設立的產業引導基金，難以滿足科技成果轉化多元化、個性化的資金需求。由于多層次資本市場體系尚未健全，我國資 22 http:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）60 本市場一哄而上、急功近利的心態比較普遍。金融資本傾向于進入回報快、回報率高的產業領域，而未來產業目前尚處于萌芽階段，產業規模小、盈利能力差，需要持續投入大量資金，回報周期長且存在不確定性，難以吸引金融資本注入。（9）產業基礎支撐不足，產業經濟大而不強的局面尚未得到根本扭轉

115、。產業基礎是未來產業形成和發展的基本支撐，但我國依靠巨大的市場規模、后發技術優勢、低成本要素供給等比較優勢實現的快速發展，也造成了我國部分產業出現基礎薄弱、難以適應未來產業發展需求的問題。核心基礎零部件（元器件）、關鍵基礎材料、先進基礎工藝和產業技術基礎的發展水平和自主可控能力，與世界制造強國仍有較大的差距。光刻機、高端芯片、重載軸承、運控系統、燃氣輪機、工業軟件等關鍵領域的核心技術高度依賴國外進口和外資企業，產業“缺芯”“少核”的問題突出。（10）科技原始創新支撐不足，鮮有能引領產業變革的原理性突破?；A研究是發展未來產業的核心動力，開辟新領域、提出新理論、發展新方法以取得重大開創性的原始創

116、新成果是發展未來產業的根基。然而，我國基礎研究投入比重偏低，缺乏對于重大原始創新的有效支撐。2020 年，我國基礎研究經費增長逐漸放緩，占全社會研究與試驗發展經費比重為 6.01%，尚不足 2019 年美國（16.4%）、日本（12.5%）、韓國（14.7%）的 1/2，低于 2018 年英國（18.3%）、法國（22.7%）的1/3。以信息與通信技術領域為例，我國全社會研究與試驗發展經費投入主要集中于工藝改進的加工組裝和應用制造環節，而涉及超摩爾定律、卷積神經網絡算法等基礎底層環節的投入明顯不足，這導致我國陷入技術創新的“路徑依賴”，難以通過“換道超車”搶占未來產業技術中國賽寶實驗室人工智能

117、與類腦計算產業發展研究報告（2023）61 創新的制高點。此外，我國基礎研究項目遴選培育機制不健全，在基礎研究項目遴選培育過程中對跨行業、跨學科交叉前沿領域的關注度不夠，缺乏破解未來產業發展關鍵科學問題的知識積累，這些因素最終導致引領未來產業發展的重大原創性成果產出困難。（11）頂尖人才支撐不足，未來產業所需的高層次人才后備軍嚴重匱乏。創新人才是技術和產業發展的關鍵，對未來產業發展至關重要。我國是人才大國而非人才強國，高端人才匱乏與未來產業的發展需求嚴重失衡，特別是引領未來產業的基礎研究領域尖端人才不足。從我國研究與試驗發展人力投入強度指標來看，基礎研究和應用研究人才比例較低，尤其缺少跨界型、

118、復合型人才。2019 年，我國研究與試驗發展人員全時當量為 480.1 萬人年，其中基礎研究和應用研究人員全時當量分別為 39.2 萬人年和 61.5 萬人每年，占比分別僅為 8.17%和 12.81%。每萬名就業人員的研究與試驗發展人員數為 27.2 人年，而多數發達國家這一指標值約為中國的 4 倍。此外，智能制造代表了先進制造與新一代信息技術的深度融合，根據人力資源與社會保障部數據分析，2025年智能制造領域人才需求為 900 萬人，人才缺口預計達 450 萬人。因此，我國亟需加強未來產業相關人才的培養。而從我國目前的情況看，人才培養產教脫節的現象突出，我國人工智能、量子技術、生物技術等領

119、域的人才培養落后于未來產業發展的需要。目前，高校學科設置未能與未來產業發展進行有效銜接。以人工智能為例，我國高校尚未增設與細分領域相關的專業與課程，大數據、深度學習、通用算法、無人機等，這導致高校畢業生難以滿足細分行業企業對其精細化能力的需求。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）62（三）（三）中國類腦計算產業發展問題解決思路（一）積極前瞻布局，做好頂層設計。布局早，方能占先機。要積極把握新一輪科技和產業革命的戰略機遇，立足產業基礎和創新優勢，選擇優先發展重點領域，按照產業定位清晰、比較優勢明顯、集聚效應突出的要求，編制“十四五”未來產業發展規劃。要高端站位，前瞻謀劃未

120、來產業發展總體布局、聚焦產業重點和發展方向，力爭“十四五”期間，突破一批重大關鍵技術實現產業化，形成一批具有影響力的領軍企業，打造一批知名品牌，創建一批國際公認的中國標準。要更好發揮政府作用，強化頂層設計，研究未來產業發展的組織領導、政策體系、體制機制及人才、資金、稅費等要素支撐的推進措施，凝聚未來產業發展領跑合力。要認真謀劃推進一批先發產業、重大工程、重大項目和重大平臺，為未來產業發展提供堅實支撐。（二）加大政策支持，優化發展環境。未來產業的發展需要政府大力支持。因此需要政府統籌整合現有產業扶持政策，圍繞未來產業共性政策需求和細分領域的個性需求，逐步構建從產業基金、財稅支持、要素集聚等方面的

121、政策框架，加快出臺政策配套細則，構建具有全球競爭力的政策扶持體系。建立未來產業培育發展基金，充分發揮財政資金的導向作用，統籌各級財政資金，擴大產業基金規模，優化資金配置，重點支持重大技術研發、示范應用等建設。完善財政稅收支持政策，強化稅收引導、財政激勵功能，落實企業研發費用加計扣除等優惠政策，支持優勢企業加快技術創新和轉型升級。建立吸引要素集聚的優惠政策。創新招商引智模式，推行產業鏈招商，圍繞龍頭骨干企業和優勢產品，配套原材料、零部件等關聯產業，形成規模效應。圍繞未來產業發展的人才需求，通過優惠政策吸引國內外優勢人才來創新創業。要創造良好中國賽寶實驗室人工智能與類腦計算產業發展研究報告（202

122、3）63 的產業發展環境，健全科技創新激勵和保護機制，全面提升行政服務水平，營造鼓勵創新、寬容失敗的政策氛圍。按照未來產業集聚區發展需求，強化產業用地保障。加大宣傳力度，讓市場主體充分了解政策，享受政策發展紅利。（三）打破行政壁壘和限制，改革組織管理。在我國未來產業研究機構的組織設計和管理方式上，面向國家重大戰略需求，強化國家對新型研發機構的縱向垂直和扁平化管理，賦予研究機構更多的自主管理權以提高其主觀能動性，在人員配置、產業選擇等方面與國家戰略更好地結合，聚焦大數據、物聯網、人工智能、量子科技、未來通信、生物醫藥等重點未來產業發展。政府部門應建立未來產業研究機構與財政、科研、人才服務等相關部

123、門的協調聯動機制，為未來產業研究機構的穩定發展保駕護航。（四）強化金融支撐，促進創新發展。國家財政精準支持、社會資本廣泛參與是支持未來產業創新發展的重要方式。通過產業引導基金、購買服務、項目貸款制等模式，將支持重點從生產方轉向市場消費或需求方，持續增加政府財政在新型信息基礎設施、數據資源平臺、科技資源庫的投入，為跨界融合、智能泛化的未來產業發展提供金融支撐。針對未來產業中涉及工程化、中試、產業化等關鍵薄弱環節，探索產業鏈融資模式創新，穩步推廣以核心企業帶動為特點的應收賬款融資新模式。積極對接協調國家開發銀行、進出口銀行等政策性銀行，創新專利權質押保險貸款、科技信貸風險準備金池貸款、科技信用貸、

124、能效信貸等金融產品服務，大力發展互聯網金融、融資租賃、融資擔保、眾籌、商業保理、區塊鏈和加密貨幣、供應鏈金融等新型金融業態，支持未來產業創新發展。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）64（五）緊跟國際前沿，加強交流合作。密切跟蹤國際動態，充分了解國外進展，建立健全未來產業監測、評估和預警機制，加快構建“以我為主，不依賴于某一國家”的全球合作新生態。組建國家層面的未來產業發展戰略咨詢專家組，以緊密跟蹤理論物理、未來信息等“無人區”領域，精準研判未來產業發展趨勢及動向。持續跟蹤歐美日韓等國家和地區與未來產業發展相關的國際貿易、產業金融、政策法律最新形勢變化，做好預測、風險評

125、估，并及時提出應對措施。積極參與并牽頭國際大科學計劃和大科學工程，凝聚各個國家和地區的行業力量，建立國際創新合作平臺以吸引高端人才，聯合開展科學前沿問題研究，建立長期穩定的合作黏性。建設專業的海外知識產權信息平臺，與“一帶一路”倡議沿線國家和地區專利審查機構簽訂“專利審查高速路”（PPH）協議，不斷完善 PPH 合作網絡，加強海外專利布局，提高我國在全球科技治理中的影響力和規則制定能力。（六）堅持創新驅動，聚焦核心關鍵技術。未來產業屬于技術驅動型產業。以“未來技術產業化”和“未來產業技術化”為方向，面向科技前沿和重點領域，圍繞產業鏈布局創新鏈，增強原始創新、集成創新和引進消化吸收再創新能力。聚

126、焦信息、能源、健康、環境及其交叉領域，加快突破一批重大核心技術，開發重大戰略性產品，引領未來產業發展。在量子通信與量子計算機、腦科學與類腦研究、生物與生命科學等具有重大引領帶動作用的新興前沿領域，對標世界最先進水平，形成戰略技術優勢，提高未來產業話語權和競爭力。要聚焦解決“卡脖子”核心關鍵技術。圍繞新一代信息技術、裝備制造、新能源、新材料等領域，梳理未來產業突出技術短板與弱項，采取揭榜掛帥等方式，組織科研攻關，解決技術“卡脖子”問題。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）65（七）發展優勢未來企業，培育產業集群。龍頭企業是未來產業發展的主導力量，要積極支持有條件的企業向未

127、來產業轉型發展。實施未來產業領域大型骨干企業培育計劃，培育一批擁有核心關鍵技術、具有較強創新能力和競爭力的龍頭企業。關注前沿科技創業和新物種企業培育。關注“專精特新”小巨人、瞪羚、獨角獸等具有高技術、高成長、高價值特性的新物種企業，從創業熱點領域洞見未來技術創新及經濟形態新趨勢，主動培育形成未來產業。培育一批以高新技術企業為骨干的中小創新型企業集群，全面激發領跑活力。建立常態化的新物種企業精準挖掘機制，提升對于新物種企業發現的敏感性，發掘未來產業萌芽。支持企業深度參與或牽頭國家未來產業重大項目，推動形成戰略利益高度一致的強協同、弱耦合的創新聯合體。引導企業加大研發投入，完善技術創新體系，充分發

128、揮企業在識別技術的市場化前景方面的重要優勢，不斷強化專業化協作和配套能力，加快形成與國家隊之間的深度融合與優勢互補局面。（八）加強人才培育，激發創新活力。建立有利于未來產業發展的尖端人才制度，激發高端人才創新活力，為未來產業發展提供強大的智力支撐。發揮高校和科研機構培養高層次創新人才的優勢，突出“高精尖缺”導向，重點引進滿足國家重大戰略需求的一流科學家、學科領軍人物和創新團隊。完善人才發展投入機制，深化體制機制改革，鼓勵自由探索，賦予高端創新人才更多學術自主權、技術路線選擇權、課題項目話語權。深化校企合作，以未來產業需求為導向，繼續加強企業技術中心和高校技術創新平臺建設，鼓勵企業和高校共建產業

129、技術實驗室、中試和產業化基地，培養具有創新能力的復合應用型人才。改進高校教師考核制度，鼓勵高校進行原始創新、聚焦國家重大需求，按照工程學、中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）66 醫學、理學等不同學科領域，基礎研究、應用研究等不同研究類型，建立科學合理的分類評價標準23。六、六、類腦計算應用場景與實踐類腦計算應用場景與實踐（一）（一）類腦計算應用場景 1.汽車汽車 2019 年清華大學類腦計算研究中心施路平團隊研發的新型人工智能芯片“天機芯（Tianjic）”。這是世界首款異構融合類腦芯片，實現了中國在芯片和人工智能兩大領域Nature論文的零突破。同時天機的發布，也為

130、未來類腦芯片在汽車行業，尤其是自動駕駛行業的發展打開了新的篇章。汽車行業是神經形態芯片增長最快的行業之一。所有高端汽車制造商都在大力投資以實現 5 級車輛自主性，這反過來又會產生對人工智能驅動的神經形態芯片的巨大需求。自動駕駛與智能座艙芯片一體化趨勢明顯，自動駕駛芯片具有高算力發展趨勢。與此同時，自動駕駛時代算力不足問題逐步顯現。一方面，各大車廠正在全力備戰高級自動駕駛的量產，多傳感器融合已經成為高階自動駕駛應對復雜場景與安全冗余的必然趨勢。處理這些數據需要非常強大的計算能力，L2級自動駕駛的算力要求大概是10+TOPS，但是到了 L4/L5 級自動駕駛算力則需要達到 1000+TOPS，同比

131、翻了 100倍。另一方面，包括安波福、博世等 Tier1 巨頭，以及大眾、寶馬等車 23 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）67 企開始探索新型的電子電氣架構，傳統分布式的汽車電子電氣架構正在向域集中式架構演進，從而帶動了高性能大算力芯片的需求急劇上漲?，F階段，汽車產業在芯片廠家的推動下進入了算力比拼時代。類腦芯片的高仿生建模、高效學習、高性能、低功耗、同時滿足場景多元化等優勢，相較于通用芯片（如 GPU、FPGA）以及 ASIC 等為AI 特定場景定制的芯片，更適用于自動駕駛行業所面臨的算力需求。目前，部分企業產品已進入小批量試用階段，類腦芯片最快將

132、于 2023年成熟，能效比有望較當前芯片提高 2-3 個數量級。2.可穿戴設備可穿戴設備 可穿戴設備是一項快速發展的技術，對經濟和社會的個人醫療保健具有相當大的影響。由于普適和分布式網絡中廣泛存在傳感器，因此功耗、處理速度和系統適配對于智能可穿戴設備的未來至關重要。人工智能技術進一步提升了智能可穿戴傳感系統的可能性。新興的高性能系統和智能應用需要更多的復雜性，需要感知單元來準確描述物理對象。此外，增加可穿戴設備的數量可能會進一步推動市場增長。例如，根據思科系統公司的數據，2022 年連接的可穿戴設備數量達到11.05 億，而上一年為 9.29 億。人們對神經形態工程的興趣日益濃厚，這表明硬件脈

133、沖神經網絡被認為是一項關鍵的未來技術，在邊緣計算和可穿戴設備等關鍵應用中具有巨大潛力。3.軍事領域軍事領域 類腦芯片的本質是模擬人腦工作原理實現快速學習，解決極其復雜的計算問題，有望滿足衛星、無人機、單兵裝備等的低能耗需求，并中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）68 通過不斷學習實現復雜環境中高效信息處理。當前類腦芯片研究已取得階段性進展，建議國內相關研究機構：一是大力加強類腦芯片理論建模和功耗降低等關鍵技術研究，如研究建立神經網絡處理器相關的功耗模型，通過結構設計參數的選擇，降低相對功耗。二是充分調動認知科學、神經以及遺傳科學、計算機科學和社會學等各領域專家，加強學科

134、交叉，逆向工程推進類腦芯片研究取得新突破。三是加強類腦芯片研制用單晶磚、憶阻器等關鍵材料影響機制研究。如在人造突觸設計時，針對非晶材料對電壓模擬神經元信息傳輸的影響機制研究，以及憶阻器材料對人工神經網絡邏輯完備性、計算復雜度、級聯、可重構性的影響機制研究等。四是促進用戶-企業-高校產學研用合作，加速類腦計算技術向實際應用轉化。如從應用端發力，突出導向性，形成用戶-企業-高校產學研用合作機制，暢通類腦芯片研發應用鏈條等16。4.工業工業 隨著人工智能機器人產業的全面崛起，類腦智能芯片產業化的后市場落地將孕育一個巨大的應用市場，傳統機器向類腦機器升級，會帶動電源、機電控制、集成電路等相關環節的產能

135、需求。仿腦科技正在以類腦智能芯片為核心，廣泛構建和延伸下游產業鏈，與沃克斯等直接落地的機電系統集成商深入合作，共同推進類腦智能芯片的產業化24。24 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）69 5.醫療醫療 智能芯片是醫療康復人工智能應用的基礎。隨著人工智能技術的發展，可穿戴智能設備成為臨床診療與康復評估的重要載體，其核心即為智能芯片。此類設備將智能芯片置于腕表、腰帶、運動鞋等中隨身穿戴，通過傳感器、各種通信及網絡或直接通過智能手機，實現人體各種生理學參數的監測，基于互聯網大數據建立數據化個體，可用于疾病的預警或康復。此領域中人工暫能算法與智能芯片密不可分

136、。主要表現在：時序分析是對時間數據進行處理，以預測未來的觀察結果，即預測產生一系列觀察結果的離散狀態（例如，正常心律對比心律失常），或檢測一系列觀察結果中的異常。在臨床診斷中，時序人工智能算法廣泛應用于產生連續輸出信號的可穿戴醫療設備。美國加利福尼亞大學Tison 等人于 2018 年發表的研究中指出其基于手表監測的數據集神經網絡開發了可識別房顫的智能手表。房顫影響著全世界 3400 萬人，是導致中風的主要原因。一種隨時可用的持續監測房顫的方法可以預防大量中風和死亡。此外，此類方法也已用于檢測和分類心律失常，及心臟收縮功能障礙等疾病17。語音識別算法從人類語音中提取原始聲波，并對其進行處理，以

137、識別語音的基本元素，包括節奏、音調、音色和音量，以及更復雜的語音特征，包括口語、單詞和句子。其分類結果多為疾病表型，通常與語音特征（音調、節奏等）相關，而不一定與語言內容相關。語音識別已成功應用于檢測對語音有明顯影響的疾病，如慢性咽炎，也嘗試應用于對語音影響不大的疾病，如帕金森病。美國約翰霍普金斯大學 Zhan 等人提出一種通過完成智能手機應用中的任務，對帕金森患者進行綜合中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）70 評估的方法。其完成任務除語音錄入外，還包括手指敲擊、步態、平衡和反應時間結合人工智能算法，解決了尚無智能手機衍生的評分標準來評估帕金森患者的運動障礙程度的問題

138、。更頻繁、客觀的評估使帕金森患者在康復與治療中獲益，也可為臨床帕金森評估作為補充17。計算機視覺在臨床診斷方面主要應用于醫學成像（例如，磁共振成像（MRI）或正電子發射斷層掃描圖像（PET）和病理學圖像（例如，組織病理切片）。當前醫學成像應用包括：通過心臟 MRI 自動量化流經心臟的血流、通過超聲心動圖測定射血分數，通過深度學習肺癌組織病理學圖像能夠識別癌細胞，確定其類型等。此類智能診療由于受限于便攜數據采集及電子設備的計算能力，暫難以在便攜式診斷儀器中普及推廣17。在醫療領域實踐方面，中國電子科技南湖研究院已與北京智精靈科技及北京靈汐科技完成構建基于類腦計算“云-邊-端“一體化的類腦疾病診療

139、系統，解決當前老年人腦疾?。ㄈ绨V呆）數字診療系統目前普遍存在時延、算力不足、算法模型與腦疾病匹配度尚可優化等問題。通過應用實踐發現，基于腦啟發機理，類腦計算能夠比主流人工智能更高匹配地識別腦疾病的早期癥狀，同時基于云邊架構的計算平臺能夠實現低延時的效果。6.農業農業 農業正在經歷一場技術革命，以滿足全球市場對于提高生產力和優化糧食生產的迫切需求。預計到 2050 年，全球人口將增長 34%。為滿足隨之而來的需求增長，糧食產量必須增長 68%。數字農業是提升種植業生產管理水平的重要途徑，近年來，國家各中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）71 部委出臺了系列政策文件支持種植

140、業數字化轉型和智能化升級，數字農業農村發展規劃（2019-2025 年）（農規發201933 號）提出，利用衛星遙感、航空遙感、地面物聯網等手段，動態監測重要農作物的種植類型、種植面積、土壤墑情、作物長勢、災情蟲情，建設分級決策系統，發展智能“車間農業”，推進種植業生產經營智能管理。在農業領域實踐方面，中國電子科技南湖研究院類腦團隊同聚賢盛邦等農企客戶進行合作，利用南湖研究院的類腦云平臺，致力于打造數字農業基地，構建精準農業 SaaS 服務，提供移動端、PC 端用戶操作和管理者展示大屏等多種訪問入口，建立特色農產品品種種植模型，通過軟硬一體類腦解決方案和人工智能服務，將農場、作物、環境、種植等

141、信息進行全面的感知和互聯，實現農業生產的標準化管理和輔助決策，推動農業領域的科技創新與發展。7.其他領域其他領域 根據對現有類腦芯片企業的分析，類腦解決方案首先從低維度信息處理和高速視覺處理開始，主要面向端側可穿戴設備、攝像頭和終端設備。在此基礎上，將加入在復雜環境中的實時決策能力，對應場景為無人機和自動駕駛。隨著類腦技術（大規模并行計算、自主學習等）和類腦產業的成熟，在更長的維度上，類腦的應用場景將覆蓋數據中心以及自主機器人。此外，類腦芯片由于其低功耗的特征，非常適合人體植入（可植入式疾病治療）、腦機接口等應用領域。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）72 圖 29

142、不同領域的類腦計算應用12（二）（二）產業成果 美國是全球最早將類腦智能作為未來發展重大戰略之一的國家，也是全球腦科學基礎以及類腦智能技術最成熟的國家，實現了從基礎理論到產業化應用的整體布局。2020 年美國類腦智能市場規模為 7.06億美元（約合人民幣 45.21 億元），占全球市場份額的 47%，位居全球首位。國際商業機器公司（IBM）、英特爾（Intel）、惠普（hp）等硬件層優勢公司，Numenta、Vicarious等軟件層優勢公司，以及以Neuralink為代表的應用層公司等全球類腦智能領域頭部企業總部多位于美國。表 4 美國類腦智能研究項目代表成果25 時間時間 機構機構 技術層

143、面技術層面 研究成果研究成果 2008 惠普公司 硬件 首次做出納米憶阻器件。2009 Numenta 公司 軟件 提出借鑒腦信息處理機制的分層時序記憶模型。25 http:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）73 2014 艾倫腦研究院 理論 繪制出胚胎期人腦轉錄圖譜和老鼠大腦神經連接圖譜。2014 斯坦福大學 硬件 研制出類腦芯片 Neurogrid 2014 國際商業機器公司 硬件 研制出類腦芯片 TrueNorth。2015 貝勒醫學院 理論 繪制出迄今最為詳盡的大腦皮層的神經連接圖譜。2015 加州大學 硬件 研制出完全基于憶阻器的神經網絡芯片。2016

144、國際商業機器公司 硬件 推出基于 TrueNorth 芯片的類腦計算機 NS16。2018 英特爾 硬件 研制出類腦芯片 Loihi。2020 英特爾 軟件 宣布神經形態計算系統 Pohoiki Beach全面投入使用。2020 南加州大學 軟件 開發了對神經活動建模的算法 PSID。中國類腦智能研究相較于歐美起步晚，但近年來快速發展，逐步達到國際前沿水平。目前中國類腦智能研究成果主要包括類腦芯片、類腦計算機研制和類腦計算理論突破兩方面，如清華大學首次提出“類腦計算完備性”概念、研制出 Tianjic 芯片（天機芯），浙江大學研制出 Darwin Mouse 計算機等。表 5 中國類腦智能研究

145、項目代表成果 時間時間 機構機構 技術層技術層 研究成果研究成果 2015 浙江大學 硬件 研制出類腦芯片 Darwin 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）74 2015 清華大學 硬件 研制出類腦芯片 Tianjic 2017 清華大學 硬件 研制出第二代 Tianjic 2018 天津大學 軟件 研發出基于極微弱事件相關電位的新型腦機接口系統 2019 天津大學 硬件 研制出高集成腦機交互芯片“腦語者”2019 北京大學、浙江省北大信息技術高等研究院、浙江大學、上海芯翼信息科技有限公司 硬件 提出了國際首創的異步事件驅動型 AIoT芯片架構 2020 浙江大學 硬

146、件 研制出類腦計算機 Darwin Mouse 2021 清華大學 理論 首次提出類腦完備性概念 2021 國防科技大學 硬件 多核可配置憶阻器類腦計算芯片26、27 2022 北京大學 理論 首次采用光晶體管作為憶阻器陣列的選通器 2022 國防科技大學、復旦大學 硬件 首次實現了反鐵電晶體管（一種憶阻器）28 2023 北京大學 理論 提出一種神經形態生理信號處理系統27 2023 北京大學 硬件 研制出國內首款具備片上學習能力的異 26 http:/ 27 https:/ 28 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）75 步類腦芯片 ANP-I28（

147、三）（三）產業形態 1.研究所研究所/大學大學（1）清華大學。清華大學類腦研究中心在 2014 年開始探索脈沖神經網絡與深度學習的融合，清華大學研究團隊認為將這兩類模型融合實現優勢互補，能夠發展出更好更優的算法模型。在此背景下，清華大學于 2019，2020 和 2021 年連續在 Nature 上發表文章，分別從架構、軟件編譯和算法模型三個方面進行研究。首篇論文講述的是異構融合架構的類腦芯片設計（天機芯），如何在架構層面支持 ANN 和 SNN 的融合；第二篇論文講述的是類腦編譯軟件系統架構，提出了類腦計算完備性；第三篇論文是在自然通訊發表的類腦算法文章，首次融合了全局學習和本地學習的融合算

148、法，為類腦融合算法模型的訓練和在線學習機制提供支撐。2019 年，清華大學施路平教授團隊發布了類腦芯片“天機芯”，使用 28 納米工藝流片，包含約 40000 個神經元和 1000 萬個突觸，支持同時運行卷積神經網絡、循環神經網絡以及神經模態脈沖神經網絡等多種神經網絡，是全球首款既能支持脈沖神經網絡又可以支持人工神經網絡的異構融合類腦計算芯片。（2）中科院。中科院成立了中國科學院腦科學與智能技術卓越創新中心，由神經科學研究所、自動化研究所等機構共建，深入融合腦與神經科學、認知科學、人工智能、計算機科學等不同領域的研究。對于類腦智能的規劃，從基礎的神經形態器件到類腦智能的各個層次展開中國賽寶實驗

149、室人工智能與類腦計算產業發展研究報告（2023）76 工作，從最底層的神經形態器件平臺，到利用神經形態器件構造的類腦處理器，到在類腦處理器的基礎上構建類腦計算系統，以及在計算機上開展類腦智能研究，實現視聽感知、自主學習、自然會話等。（3）浙江大學與杭州電子科技大學。兩所大學共同研發了“達爾文”芯片，集成了 500 萬晶體管，包含 2048 個硅材質的仿生神經元和約 400 萬個神經突觸，可從外界接受并累積刺激，產生脈沖信號，處理和傳遞信息。（4）北京大學。北京大學集成電路學院的黃如院士-楊玉超教授團隊，長期深耕憶阻器、類腦計算、存算一體智能芯片研究，迄今為止累計 發 表Nature Elect

150、ronics、Nature Reviews Materials、Nature Nanotechnology、Nature Communications、Science Advances、IEDM 等期刊和會議論文 130 余篇，2 篇入選 TOP 0.1%ESI 熱點論文，11 篇入選 TOP 1%ESI 高被引論文，研究工作在國際上形成重要影響力。2.企業企業 國內外從事類腦計算的代表性企業包括靈汐科技、中國電子科技南湖研究院、中芯未來、時識科技、他山科技、芯盟科技、優智創芯、Innatera、IBM、英特爾，詳細信息見附錄。七、七、類腦計算對我國數字經濟發展的影響與分析類腦計算對我國數字經

151、濟發展的影響與分析（一）（一）市場需求現狀分析 類腦計算是一種受人腦結構和功能啟發的計算類型，其具有高并行計算、協同記憶和處理、可擴展性、事件驅動計算、低功耗等特性。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）77 要在未來最有效地使用類腦計算資源，更需要利用其所有獨特的計算特性，并幫助推動其硬件設計，將它們與智能算法和應用相關聯。（1）未來智能算力需求龐大?，F如今 AIGC（AI generated content，人工智能生成內容）發展迅猛，AIGC 對于算力的需求已經在硬件領域有了體現。ChatGPT 訓練和運營需要海量算力資源支持。在訓練階段，ChatGPT 算力消耗約

152、為 3640 PF(1015 次浮點運算)/天，需要 7-8 個投資規模 5 億美元、算力 500P 的數據中心才能支撐，訓練成本約為 500 萬美元/次；在運營階段，僅 GPU 的年投入就高達 7000 萬美元。由于高性能 GPU 芯片短缺，硬件采購成本不斷上升，國內企業也越來越重視打造從云端訓練到終端響應的全套 AI 芯片生態體系。（2）類腦計算有望成為通用人工智能的實現路徑。目前人工智能主要依賴機器學習技術，即在“馮諾依曼架構”計算機的基礎上，不斷升級計算和存儲設備，并利用日益龐大的數據集加以訓練學習，從而開發出更為復雜的算法模型，以實現智能化決策能力。相比于現有的人工智能案例，類腦計算

153、借鑒了大腦基本運行原理，包括事件觸發、近似計算、高度并行等符合通用人工智能需求的技術特征，在性能效率、低功率、低延遲、可伸縮性等方面具有顯著優勢，很可能引發從專用到通用的新一輪人工智能革命。（3）類腦計算在近年內實現規?；逃玫目赡苄愿?。與量子計算相比，類腦計算的發展前景更清晰、技術實現方式更成熟、市場需求也更迫切。從發展前景來看，據國際 IT 技術咨詢公司高德納（Gartner）分析，類腦計算預計在 2024-2029 年間達到技術成熟期并實現大規模商用，而量子計算要在 2030 年之后才可能實現大規模商用。從技術支撐來看，類腦計算可以直接使用現有的計算系統設計方法，與現代計算系中國賽寶實

154、驗室人工智能與類腦計算產業發展研究報告（2023）78 統相互兼容、靈活部署，而量子計算則需要開發全新設備且必須在極低溫條件下運行。從市場條件來看，人工智能的巨大應用需求可以直接帶動類腦計算的商業化發展。目前專用人工智能訓練模型功耗大、費時長，已成為其主要瓶頸，而類腦計算能夠以小得多的代價完成同樣的訓練任務，具有較大的市場需求潛力。（二）（二）對數字經濟影響分析 放眼全球，新一輪科技革命和產業變革深入發展，互聯網、大數據、云計算、人工智能、區塊鏈等數字技術創新活躍，數據作為關鍵生產要素的價值日益凸顯，深入滲透到經濟社會各領域全過程，數字化轉型深入推進，傳統產業加速向智能化、綠色化、融合化方向轉

155、型升級，新產業、新業態、新模式蓬勃發展，推動生產方式、生活方式發生深刻變化，數字經濟成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量。數字經濟，即經濟和社會生活所有領域的數字化，又表示數字基礎設施的廣泛創建（在工業，服務，社會領域，公共管理以及娛樂和休閑領域）。數字基礎設施有兩個層次：ICT（information and communication technology 信息與通信技術）基礎設施（收集和記錄數據的終端、數據傳輸網絡和數據積累和存儲中心）和二級信息基礎設施（平臺、現代人工智能技術和功能性人工智能應用）18。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（20

156、23）79 圖 30 數字經濟的組織結構圖18 類腦計算作為提升數字產業創新能力的關鍵技術，是加快推進數字產業化和產業數字化，推動數字經濟蓬勃發展的重要組成部分。類腦計算產業是未來人工智能的基礎，推動類腦計算芯片發展，能夠促使人工智能快速進步?？紤]到類腦計算產業為新興行業，相關的行業數據較少，未商業化，因此現有的研究報告和論文較少研究類腦計算產業對數字經濟的影響。然而部分人工智能技術已得到了商業化和產業化，例如目前深度學習是人工智能領域唯一的根本性創新，用于積極開發基本的功能性人工智能應用（模式識別、語音識別、規劃和調度）3。因此可通過借助研究人工智能對于數字經濟的發展，分析類腦計算產業對于數

157、字經濟高質量發展。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）80 數據生產算法、軟件開發芯片、存儲器其他硬件設備人工智能產業生態系統經濟增長產業壯大人工智能技術滲透性協同性創造性替代性要素貢獻效應提升知識創造技術經濟特征 圖 31 人工智能技術-經濟特征與影響增長作用機制 從上圖可以看出，人工智能可以通過兩種途徑影響宏觀經濟增長：一是借助其作為新一代信息技術所具備的四大技術-經濟特征，通過增加要素貢獻、提高投入產出效率、加快知識創造等推動國民經濟各領域各部門增長，進而影響宏觀經濟增長；二是人工智能技術所涵蓋的產業生態體系在滲透影響國民經濟各領域的同時，自身規模也將隨之壯大，進

158、而助力宏觀經濟增長。在第一種途徑下，投入產出效率、知識創造都將帶來宏觀經濟全要素生產率的提升，這顯然是我們所追求的高質量增長。而在第二種途徑下，人工智能及其他新一代信息技術產業的壯大，意味著高技術部門的壯大，完全符合產業結構優化升級的方向。據此，我們可以認為，發揮人工智能對宏觀經濟的支撐作用，有利于實現高質量增長。盡管存在生產率提升預期過高、實際增速低估的現象，但現階段人工智能在提升生產率方面的作用尚不顯著仍是客觀事實；根本原因在于技術突破應用與生產率效應顯現之間存在較長時滯。一方面新技術對應的存量資本積累到具有全局影響的規模是需要時間的：另一方面中國賽寶實驗室人工智能與類腦計算產業發展研究報

159、告（2023）81 重大技術發揮作用還需要互補性技術（Complementary Technology）、基礎設施、人員素質、制度環境等與之相匹配（Bryniolfsson 等，2017）。圖 32 人工智能影響就業崗位的作用機制19（三）（三）發展及趨勢總結與展望 1.政策先行帶動研究發展政策先行帶動研究發展 在新一批國家重大科技項目布局中進一步加大對類腦計算科技攻關的支持力度“十四五”規劃和 2035 年遠景目標綱要提出，在類腦智能、量子信息等前沿科技和產業變革領域，組織實施未來產業孵化與加速計劃，謀劃布局一批未來產業。目前，中國在量子信息、腦科學與類腦研究等科技前沿領域陸續啟動實施一批前

160、瞻性、戰略性的國家重大科技項目，類腦計算已被列入“腦科學與類腦研究”項目下屬子項從“腦科學與類腦研究”重大項目 2020 年度項目申報指南的研究項目設置來看，在其部署的 56 項子課題中，與類腦計算直接相關的僅有 8 項應在未來的“腦科學與類腦研究”重大項目設置中加大類腦計算領域的投入力度，并鼓勵不同技術路線的探索。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）82 2.平臺效應聚集人才隊伍平臺效應聚集人才隊伍 成立類腦計算國家重點實驗室，為類腦計算提供持續研發和不斷集聚高水平人才的平臺。中國正在以促進前沿技術交叉融合為導向，整合、重組國家重點實驗室體系。類腦計算是后摩爾時代具有

161、重大戰略意義的新型計算技術也是典型的多學科交叉前沿技術。應以此次國家重點實驗室調整為契機，建立類腦計算國家重點實驗室，加強學科建設，加快培養科學、工程等相關人才。3.多元化投入機制促進轉化多元化投入機制促進轉化 建立多元投入機制，在有條件、有意愿的區域布局，推動類腦計算技術盡快落地轉化。引導“國家科技成果轉化引導基金”對類腦計算成果轉化提供初始投資支持，在規?；瘧秒A段引入政策性金融和社會資本，加速面向市場需求的類腦計算技術研發和產業化進程。對接和鼓勵有意愿、有條件的地方政府，與類腦計算領域技術領先的產學研機構進行合作。依托國家發改委“國家數字經濟創新發展試驗區”、科技部“國家新一代人工智能創

162、新發展試驗區”、工信部“國家人工智能創新應用先導區等創新區域試點示范政策，加快類腦計算技術的落地應用。4.大力推動自主知識產權布局大力推動自主知識產權布局 支持相關研究機構和企業加快建立、完善類腦計算的理論和工程基礎，形成自主專利池。引導相關主體在類腦計算芯片和系統研發過程中發展獨立自主的工具鏈和新型 EDA（電子設計自動化）工具逐步形成以中國類腦計算架構為標準的應用生態。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）83 5.推動醫療行業發展推動醫療行業發展 腦機接口等類腦技術在腦疾病治療的應用受到資本市場的青睞，癲癡、抑郁、失憶等腦疾病的治療需要通過采集與處理腦電信號來進一步

163、深入了解人腦，但是目前的大部分腦電研究設備不僅缺乏精確性，而且使用連線傳輸，對敏感的腦電信號容易造成干擾。未來任意一項腦疾病的設備替換都有高達數十億美元的市場空間，具有成為下一個發展風口的潛力20。八、八、發展機遇與挑戰發展機遇與挑戰（一）（一）技術水平情況 目前，類腦芯片的量產主要采用電路模擬神經突觸，而理想的類腦芯片材料應實現神經元和突觸的功能，并實現大規模集成。另外，神經科學研究存在使用動物實驗的限制，需要尋找更有效的研究方法。雖然類腦計算取得了突破，但仍處于初級階段，需要攻克脈沖神經元模型與任務之間的關系等核心問題。未來，類腦計算領域將繼續迎來創新與發展，需要在類腦芯片、神經模型、智能

164、機器人等方面進行深入研究。（1）芯片材料。目前能夠實現量產的類腦芯片，基本還是采用電路模擬人工神經突觸的方式來進行類腦計算，這樣做不僅對芯片制造工藝要求較高，生產效率也十分低下。理想的類腦芯片材料，應該既具備在器件層面模擬神經元和突觸的功能，又能夠于系統層面實現大規模的集成。努力探尋滿足上述條件的材料，是類腦芯片實現突破的關鍵卡口21。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）84（2）神經科學現有困境。腦科學領域的研究，經常會使用動物進行實體實驗，單純通過醫學途徑去了解大腦中的神經元、神經脈沖等功能結構和信息傳遞機制等。盡管結果直觀，但也存在著弊端：倫理層面上，需要平衡動物

165、保護與動物實驗之間的關系，技術層面上，由于動物個體的差異性等因素，存在實驗成本高、結果難復現等問題12。（3）雖然類腦計算的基礎理論和核心技術已取得不少突破，但當前該技術還處于初級階段，無論在規模上，還是在智能化程度上，都無法和真正的人腦相比。如何尋找兼具生物合理性與計算高效性的脈沖神經元模型，如何建立脈沖神經元模型與 A1 任務之間的關系是類腦計算領域的核心問題，未來還需要重點攻克。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，類腦計算即將迎來更為蓬勃的創新和發展15。（4）類腦計算芯片層面。由于類腦芯片與類腦智能機器人的研究，既涉及到腦科學和神經科學的最新研究成果

166、，又和傳統芯片設計、機器人仿生結構與控制等內容密切相關未來研究迫切需要在如下方面進行進一步的攻關。（5）從完整信息的類腦神經計算技術出發，同時提煉神經網絡外發展類腦神經元計算模型，通時改變控制參數，使相同神經元電路模塊能完成不同的神經元功能，增強神經計算電路模塊的通用性，降低設計、制造的難度。此外，還需要迫切解決類腦計算芯片的功耗問題，需要研究建立神經網絡處理器相關的功耗模型，通過結構設計參數的選擇，降低相對功耗。發展基于統一抽象的、實時可調的軟件抽象層設計，通過和硬件結合，對低功耗設計與評估進行實時反饋和調節，為上層設計提中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）85 供一

167、個可靠且便利的軟硬件間的橋梁，解決能適應多種應用需求的兼容性問題。（6）類腦智能機器人方面。需更多借鑒類腦計算模型和仿人運動神經機理研究新的機器人感知、交與和動作計算模型，從根本上提高機器人的智能性，形成具有動態立體視覺感知，快速自感知多模態信息融合運動自學習能力協調人機協作中速反應。需更多借鑒類腦計算模型和仿人運動神經機理研究新的機器人感知、交互和動作計算模型，從根本上提高機器人的智能性，形成具有動態立體視覺感知、快速自感知、多模態信息融合、運動自學習能力、協調人機協作、快速反應和高精度操作的類腦智能機器人。其中，尤其需要解決類人運動按行機構帶來的類腦運動神經控制、人機融合環境帶來的機器人多

168、模態信息融合、交互式學習控制和雙目可動攝像頭帶來的攝像頭高速在線校準等問題。（7）類腦軟件生態方面。隨著類腦芯片發展和神經網絡融合實現的突破，異構融合在類腦軟件生態中帶來了重要的機遇和挑戰。異構融合是指在硬件上整合多種不同架構、處理單元，在網絡層面融入跨范式的多樣模型結構和學習機制，以實現更高性能和效率的計算方式。異構融合的類腦軟件架構可以提高性能、節省能源、支持多樣性的神經網絡應用。然而，它也帶來了編程和優化復雜性、標準化問題以及能源效率等挑戰。異構融合涉及多個硬件平臺和架構，因此需要解決跨不同硬件的編程和優化技能，同時增加了軟件開發和維護的復雜性。此外，充分利用異構計算特征需要精確地計算圖

169、層級的拆分，編譯和運行時統一調度，以確保任務在各種處理單元上高效運行。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）86（二）（二）政策實施狀況 深圳已在光明科學城布局了腦解析與腦模擬重大科技基礎設施，建設牽頭單位為深圳先進院，同時，南方科技大學、香港科技大學深圳研究院、深圳市神經科學研究院、北京大學深圳研究生院參與建設。這一大設施將把腦科學研究必備的儀器設備和動物模型聚集在一起，為腦科學家和腦產業研究人員提供一個場所，聚集智力和技術，解決腦科學的理論探索，同時實現產業化。綜上，光明區在形成具有國際競爭力的腦科學與類腦智能產業集群方面有較大先發優勢。我國從頂層高度重視人工智能產業

170、和芯片產業發展，相繼發布一系列產業支持政策，優化產業發展環境。如國務院新一代人工智能發展規劃 提出研發神經網絡處理器以及高能效、可重構類腦計算芯片等，財政部和稅務總局關于集成電路設計和軟件產業所得稅政策的公告明確指出，對已成立且符合條件的集成電路設計企業和軟件企業實行稅收優惠減免政策，國務院 新時期促進集成電路產業和軟件產業高質量發展若干政策明確了集成電路和軟件相關企業或項目的稅收優惠政策14。（三）（三）人才培育 2018 年，北京和上海分別成立了北京腦科學與類腦研究中心和上海腦科學與類腦研究中心，并啟動“腦科學與類腦智能”地區性計劃，開始資助相關研究項目；高校也紛紛成立類腦智能研究中心。這

171、使得北京和上海逐漸成為了目前我國腦科學研究最為集中的地區。我國有許多類腦計算研究中心，例如中國科學院-腦科學與智能技術卓越創新中中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）87 心（神經所），深圳先進技術研究院腦認知與腦疾病研究所，北京腦科學與類腦研究中心，上海陳天橋國際腦疾病研究所等。在“中科院上海分院未來人才支持計劃”中，12 名研究所入選中國科學院腦科學與智能技術卓越創新中心。圖 33 中國科學院腦科學與智能技術卓越創新中心新聞29（四）（四）產業落地 從腦科學與類腦智能產業落地場景來看，目前其主要的應用領域聚焦在維持大腦的健康、腦疾病治療及其相關領域新技術、新產品與新儀

172、器的研制，具體包括數字療法、腦機接口、醫學神經智能影像、腦功能檢測與調控、腦疾病模型創制與藥物研發、醫療機器人以及高端腦科學儀器設備等方面30。中國目前處于類腦芯片研發狀態，有清華大學的天機芯，浙江大學的 Darwin2（55nm），西井科技等一批走在前列的企業。但是我國發展人工智能也具有多個方面的優勢，比如完善的原材料的供應鏈、開放的市場環境、海量的數據資源、強有力的戰略引領和政策支持、豐富的應用場景等，但仍存在基礎研究和原創算法薄弱等問題。29 http:/ 30 https:/ 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）88 盡管我國在人工智能領域具備多方面優勢，仍需要

173、加強技術研究、商業化能力，并積極踐行戰略引領和政策支持，以實現類腦智能產業的長期發展與成熟落地。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）89 九、九、附錄附錄（一）（一）國內外類腦計算研發企業 序序號號 公司公司 名稱名稱 成立成立年份年份 核心技核心技術術/研研發優勢發優勢 產品產品/服務服務 應用應用 場景場景 合作合作方方 1 北京靈汐科技有限公司 2018 采用存算一體、眾核并行的架構，支持深度學習神經網絡、脈沖神經網絡和大規模腦仿真 領啟 KA200(-S)類腦芯片處理器 HM100 類腦計算模組 HP300 類腦計算加速卡 SL800 類腦計算服務器 LynOS

174、：自主研發的端云一體類腦軟件開發平臺，包括軟件工具鏈、驅動、SDK、集群支持軟件、debug 工具箱等 腦仿真和腦科學；空時信息處理 新氦類腦科技、東方中科、鵬城實驗室等 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）90 2 中芯未來（北京）科技有限公司 2013 具有面向國產類腦芯片的軟件工具鏈，支持多種主流AI 架構到SNN的轉化、仿真及片上映射 miniBrain：低代碼MLOPS 平臺 BCToolKit：類腦計算集成開發環境 ZX 系列：可重構 AI算力模組 軍事智能、智能工業等 北京大學、中科院自動化所、成都華微 3 中國電子科技南湖研究院 2020 支持深度學習、

175、脈沖神經網絡學習、局部學習以及腦仿真的 南湖類腦云 異構融合框架 腦疾病醫療診斷系統 精準農業類腦云平臺 智慧醫療、腦仿真和腦科學、精準國家電網、北京智精靈、聚賢盛邦等 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）91 類腦融合框架；類腦計算資源融合調度技術；類腦集群技術 農業等 4 上海新氦類腦智能科技有限公司 2017 非馮諾依曼芯片架構及IP、脈沖神經網絡芯片架構及 IP 技術轉化服務、前沿IP 庫資源、產業鏈資源 AIoT 壁仞科技、默沙東 5 成都市深思創芯科技有限公司 2017 稀疏量化共享技術 深 度 學 習 芯 片Abacus Vi 系列 神 經 形 態 芯 片

176、DeepBrain、AI Analog TR、Neuroid X 系列 多模態感知與信息處理/中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）92 智 能 射 頻 芯 片Wireless R 系列 6 深聰半導體（江蘇）有限公司 2018 開發了專門為語音功能定制的智能語音AI 芯片 TH1520 語音識別芯片：存算一體化的AI 芯片 智能家居、智能辦公、智能車載 美的、小米、格力等 7 南京時識科技有限公司 2017 采用DYNAP-CNN類腦處理器內核，集成 33萬脈沖神經元，支持復雜深度脈沖神經網絡 Speck：“感算一體”動態視覺智能 SoC，基于異步邏輯范式的大規模脈沖卷

177、積神經網絡芯片架構 DYNAP-CNN：動態視覺專用處理器 XYLO 系列芯片：低維自然信號通用類腦處理器 Samna：類腦芯片開發者接口和高性能實時交互工具 智能機器人、智慧康養、智能安防、智慧家居、自動駕駛 蘇黎世大學、蘇黎世聯邦理工、Prophesee、索尼、寶馬、能斯中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）93 Rockpool：用于開發基于脈沖神經網絡的信號處理的仿真工具 Sinabs：基于PyTorch 開源庫，用于設計和實現脈沖卷積神經網絡（sCNN）的工具 達電子、鴻雁、中電?？档?8 北京他山科技有限公司 2017 分布式類腦觸感芯片架構；分區分級的脈沖神

178、經網絡算法架構 AI 觸覺傳感芯片 自動駕駛、機器人等 奔馳、寶馬、方太、特斯拉 9 深圳市優智創芯科技有限公司 2021 非完美信息環境下的普適性場景提取算“思辨 1 號”通用類腦訓練+推理一體計算芯片 “友替 UT”系列Risc-V 高性能 SoC 無人駕駛、無人航空、流馬銳馳、鯤鵬智匯 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）94 法、因果學習算法系統等 “硅腦”全自主無人系統平臺 OpenSNN 因果學習開源平臺 機器人 10 合肥中科類腦智能技術有限公司 2017 電力3D 場景仿真 類腦變電站智能分析主機 類腦云 OS類腦智能開放平臺 變電、輸電運維/11 Br

179、ainchip 2004 NPU分布式計算、NPU基于事件驅動基于事件的通信 Akida 擬態處理器：具有同時處理多傳感器模式、片上一次性學習等功能 MetaTF 開發環境：網絡的創建、轉換、訓練和測試，支持Akida 片上開發 Akida 開發板 智能汽車、智能家居、工業物聯網 Intel、Prophesee、梅賽德斯奔馳等 12 IBM 1911 支持橫向擴展和縱向擴展端TrueNorth 脈沖神經網絡芯片：采用三星28nm 技術，芯片具/美國陸軍研究實驗中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）95 到端立體視覺系統 有 100 萬個神經元和2.56 億個突觸 室、美國

180、空軍研究實驗室、勞倫斯利弗莫爾國家實驗室、三星 13 英特爾 1968 可通過深度學習進行訓練的新型神經網絡與現實世界的機器人系統、Loihi2 神經形態芯片：集成了 1320 億個晶體管，總面積3840 平方毫米，擁有 800 多萬個“神經元”和 80 億個“突觸”Lava 軟件框架：可在片上訓練異步脈沖神經網絡 機械臂、神經形態皮膚、嗅覺感知系統/中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）96 傳統處理器和新型傳感器無縫集成 Oheo Gulch 板卡：搭載 Loihi2 芯片的平臺 14 GrAl Matter Labs 2016 神經形態芯片設計 GrAI VIP 智

181、能芯片 GrAI VIP 開發套件 GrAIFlow 軟件開發套件：支持硬件代碼轉換 工業機器人無人機/15 PROPHESEE 2014 基于事件的動態視覺信息采集 METAVISION 視覺傳感器：由Prophesee 與索尼合作開發，結合索尼的CMOS 圖像傳感器技術與 Prophesee 獨特的基于事件的Metavision 傳感技術 METAVISION 開發套件：包含 95 種算法、67 個代碼示例和 11 個即用型應用程序 AR/VR 設備、機器人、無人機、智能駕駛等 索尼、Intel、時識科技、Brainchip、icatch 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（

182、2023）97 16 General Vision 1987 NeuroMem IP 一種認知記憶架構，可對輸入模式做出反應，并且具備仿腦特性 NM500 神經形態芯片 NeuroPi：用于評估NM50O 上的應用程序 Nepes Edge：基于Raspberry Pi 的人工智能開發平臺 工廠監控、物體識別、缺陷檢測 Pisces Fish Machinery 17 Aspinity 2015 RAMP（可重構模擬模塊化處理器）技術 AML100 芯片：完全在模擬域內運行的微型機器學習（ML）解決方案 AML 評估套件，用于評估 AML100 的功率和檢測精度 語音檢測、聲學事件檢測、震動監

183、測 意法半導體、英飛凌 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）98 18 Applied Brain Research 2014 Nengo：神經形態編譯器，用于構建和模擬用于人工智能、機器人和神經科學用途的大規模神經模型 Legendre Memory Unit(LMU)：自研的狀態空間神經網絡 ChatChip 自然語言處理芯片 NengoEdge 開發軟件：面向邊緣設備的模型訓練和部署軟件 語音識別、自然語言處理等 英特爾 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）99（二）（二）45 家國內 AI 芯片產商31 序序號號 公司公司名稱名稱 核心技

184、術核心技術 代表產品代表產品 應用場景應用場景 競爭優勢競爭優勢 1 瀚 博半 導體 高性能通用AI 處理架構 SV100系 列AI 推理芯片、VA 系列通用AI 推理加速卡 計 算 機 視覺、智能視頻 處 理 應用、自然語言處理、云端 和 邊 緣計算應用 引入阿里巴巴和快手戰略投資，在云端和邊緣 AI 推理和視頻處理方面已經落地，擁有大規模的研發團隊。2 燧 原科技 面向數據中心的云端 AI訓練和推理計算芯片、原始創新的“馭算”計算及編程平臺 邃思 2.0 云端AI 訓練芯片、邃思 2.5 云端AI 推理芯片、云 燧T20AI訓練加速卡、云 燧T21AI訓 練 加 速 模組、云燧 i20云

185、端 推 理 加速卡 面 向 數 據中 心 的 高性 能 云 端訓 練 和 云端推理，泛互聯網、金融、交通、能 源、醫療、智慧城市等場景 擁有第二代高性能云端訓練和云端推理產品線，獲得大額融資支持。31 https:/www.eet- 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）100 3 靈 汐科技 類腦芯片領啟KA200 類 腦 芯 片 領啟KA200、基于 KA200的 類 腦 計 算板 卡 和 服 務器、軟件工具鏈 和 系 統 軟件 腦科學、腦仿真領域、拓 展 新 的人 工 智 能應用市場 集成30個類腦計算核，支持混合神經網絡計算模型，采用眾核預編譯模式，支持多種調度模

186、式。4 墨芯 雙稀疏算法技術 ANTOUM 英騰 處 理 器 及疏云 AI 計算卡 計 算 機 視覺、自然語言處理、智能推薦、語音 識 別 與合成、知識圖 譜 等 云端 推 理 場景 高 稀 疏 率 支持，較高的能效比和算力，廣泛兼容開發框架和模型。5 時 擎科技 RISC-V端側智能處理器Timesformer AT1611 端側智 能 處 理 芯片 全 向 麥 克風、語音對講、語音識別 和 控 制等場景 基 于 RISC-V指令集，采用自 研 創 新 的TIMESFORMER 智能計算架構和DSA處理器，具有低中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）101 功耗、快速喚

187、醒和高能效的特點。6 深 聰智能 人工智能語音專用芯片“算法+芯片”一 體 化 解 決方案 智能家居、智能車載、智 能 辦 公等 軟硬一體化的“算法+芯片”軟硬融合解決方案。7 埃 瓦科技 3D 視 覺 技術、AI 芯片 追螢 3DAI 芯片、3D 人臉識別模組、深度相機 機器人、掃地機、3D人 臉 識 別門鎖、刷臉支付、AR/VR 等 自 主 研 發3D+AI 融合芯片，提供高性價比的 3D 人臉識別和 3D機器視覺解決方案。8 沐 曦集 成電路 高性能通用計算GPU芯片架構 高性能 GPU芯 片 及 解 決方案 AI訓練、AI推理、數據中心、科學計算、云游戲 和 元 宇宙 等 多 個前沿領

188、域 擁有全建制團隊、豐富 GPU量產經驗、完整軟件生態能力和自主創新專利。9 銳 思智芯 HybridVision 技術（融合傳統 CIS 和機 器 視 覺 傳感芯片ALPIX 汽車、機器人、AR/VR、工提供高性能的機器視覺傳感芯片，廣泛應中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）102 仿 生 傳 感器）業監測、消費電子等 用 于 多 個 行業。10 深 思創芯 神經元狀態共享技術、多模態感知和神經擬態計算、智能無線技術 神 經 擬 態 芯片DeepBrainSS3301、深度學習芯片AbacusViSS6500F、AIAnalog系列芯片 圖像識別、智能控制、機 器 人

189、 等領域 在 計 算 機 視覺、智能無線和神經形態芯片領域具備完備的技術積累和成熟的定制方案。11 千 芯科技 可重構存算一體計算技術 存算一體 AI芯片、AI 計算IP核、CloudCardAI推斷/訓練計算卡、EdgeCard邊緣 AI 計算板卡 自 然 語 言處理、醫藥計算、工業視覺、自動駕駛、智慧城市等 通過自研存算一體技術，提供高能效比和算力支持，超越其他類型 AI芯片。12 芯 擎科技 智能座艙核心自研技術“龍鷹一 號”智 能 座 艙 芯片 SE1000 智能駕駛、智能座艙 吉利汽車和一汽戰略投資，產品線覆蓋智能汽車應用全中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）

190、103 場景，包括智能座艙芯片、自 動 駕 駛 芯片、車載中央處理器芯片。13 芯 馳科技 智能駕駛、域控制器網關和微處理器 智 能 座 艙 芯片 X9、域控制 器 網 關 芯片 G9、自動駕 駛 芯 片V9、車規級MCUE3 智能駕駛、汽車電子 覆 蓋 智 能 座艙、自動駕駛、網關和 MCU，具備ISO26262功能安全流程認 證、AEC-Q100 可 靠 性認證、ISO26262 功能安全產品認證和國密認證。14 后 摩智能 SRAM-CIM技術 存 算 一 體 大算力 AI 芯片 智能駕駛、泛機器人、無 人 車 等邊緣 AI 應用場景 存算一體芯片在算力、能效比和成本等方面相較于傳統架構

191、具有顯著優勢，獲得數億人民幣 Pre-A+輪融資。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）104 15 物 奇微 人臉識別和3D 深 度 成像技術 AI 能效管理SoC 芯片、3D人 臉 識 別SoC 芯片 可 穿 戴 設備、智能安防 終 端 應用 融合有線和無線通信技術，面向物聯網和智 能 終 端 產品。16 中 星微 邊緣多維智能協同感知技術 星 光 智 能 一號 VC0718、星 光 智 能 二號 VC0718P、星 光 智 能 三號 VC0768 智 能 安 防攝像機、機器視覺AIOT 應用 主導開發公共安全 SVAC 國家標準，參與智能安防視頻應用方案。17 聆

192、思智能 MCU+DSP+NPU 的多核異構芯片架構、BT+BLE+WIFI 三 合 一無線通訊單元設計、多級感知音頻處理專用芯片電路設計 CSK 系列芯片 家電家居、辦公教育、車 載 等 多領 域 定 制化 研 發 配套算法庫 軟硬協同的智能 算 法 庫 設計，與科大訊飛深度合作，提供芯片配套的 智 能 算 法庫。中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）105 18 愛 芯元智 混 和 精 度NPU、AI-ISP AX630A、AX620A 智慧城市、智 能 家 居等領域 自主研發的混和精度NPU和AI-ISP 技術，高算力、高能效比、低功耗的特點。19 九 天睿芯 模擬預

193、處理與模數混合信號存內計算技術 ADA200 智能手機、可穿戴、智能家居、工業、醫療等領域 基于感存算一體芯片架構，低功耗、高能效比的傳感器融 合 處 理 芯片。20 時 識科技 事件驅動的神經形態動態 視 覺 處理、基于脈沖神經網絡的低功耗語音 信 號 處理、身體信號實時檢測處理 SynSense時識科技“感算一體”動態視覺智能SoCSpeck 手勢控制、行為檢測、跌倒檢測、高 速 避 障等場景 仿 生 類 腦 智能，響應延遲降低、功耗降低、成本降低的特點。21 清 微智能 可重構計算（CGRA）TX510 智能安防、智能家居、可重構智能芯片，高性能計中國賽寶實驗室人工智能與類腦計算產業發展

194、研究報告（2023）106 機器人、航空航天等 算，低功耗，能效比超越同類芯片。22 華 夏芯 Unity指 令集架構 GPTX1/GPTX2CPU 內核IP、GP3600DSP芯片、GP8300AI 處理器 嵌 入 式 應用、輔助駕駛（ADAS）、智能監控、機器人、邊緣 計 算 等應用 多核異構計算處理器 IP 23 平 頭哥 自研NPU架構 含 光800AI芯片 阿 里 云 平臺、電商智能搜索 依 托 阿 里 平臺，為阿里云提供 AI 計算能力 24 昆 侖芯 科技 自研 XPU-R架構 昆侖芯1代和2 代 芯 片、K100/K200AI加 速 卡、R200AI 加速卡、R480-X8AI

195、 加速器組 互聯網、智慧城市、智算中心、智慧工業、智慧應急、智慧交通、智慧金融等智 慧+產業 工程化經驗積累、場景理解、自 研 核 心 架構、與互聯網公司合作 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）107 25 華 為海思 自研華為達芬 奇 架 構NPU、3DCube技術 昇騰（Ascend）310、昇 騰（Ascend）910 平安城市、自動駕駛、云 業 務 和IT 智能、智能制造、機器 人 等 應用場景 自 研 核 心 技術、提供完整的 AI 解決方案 26 紫 光展銳 異 構 雙 核NPU 架構、自研 API 虎賁 T710 工 業、商業、醫療、家居、教育等場景 異

196、構雙核 NPU架構、自研API提高算法效率 27 地 平線 人工智能專用計算架構BPU 車規級 AI 芯片征程 2/3/5、AIoT 邊緣 AI芯 片 平 臺 旭日 2/3 汽車ADAS/自動 駕 駛、AIoT 邊緣計算 車規級 AI 芯片前裝量產、全方位賦能服務 28 寒 武紀 智能處理器架構MLUarch03和 MLUv02架構、CambriconNeuWare、推思元290/270/370/220 系列 AI芯片、終端智能處理器 IP、云 端 智 能 芯片及加速卡、邊 緣 智 能 芯通 用 型 云端 訓 練 和邊緣/終端推理 AI 方案 AI 核心技術和人 才 團 隊 優勢、全品類系列化

197、智能芯片和處理器產品 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）108 理加速引擎MagicMind 片及加速卡、基 礎 系 統 軟件平臺 29 比 特大陸 自 主 研 發TPU 架構 智算邊緣 AI芯片 BM1682和 BM1684、智 算 卡 和 服務器 視頻分析、機器視覺、高 性 能 計算環境 硬件和軟件生態 30 云 天勵飛 算法+芯片+大數據 DeepEye2000、DeepEdge10/50/100 智能安防、新商業、智慧交通、智能制造、智慧倉儲、智能家居、機器人、智能超 算 等 多個 行 業 及領域應用 全棧 AI 解決方案 31 全 志科技 高清音視頻編 解

198、碼 技術、高清數字電視信號解調技術 V535、智能行車 記 錄 和 駕駛 行 為 檢 測類產品 智能行車、車載設備 高集成度、穩定性、多項創新設計 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）109 32 瑞 芯微 應用處理器技術 RK3588、智能 應 用 處 理器芯片、智能物 聯 應 用 處理器芯片、電源管理芯片 平板/筆記本、智能物聯 硬 件、AIoT 行業應用 高算力、低功耗、超強多媒體、豐富數據接口 33 鯤 云科技 定制數據流CAISA 架構和編譯工具鏈RainBuilder 數據流 AI 芯片 CAISA、星空加速卡 X3 邊緣計算、數據中心、AI 推斷加速 高

199、算 力 性 價比、高通用性、高軟件易用性 34 依 圖科技 計算機視覺技術、語音識別技術、自然語言理解技術 求 索 AI 芯片、原石系列服務器、前沿系 列 邊 緣 計算設備 人臉識別、語音識別、醫 療 等 應用 提供全方位的人工智能解決方案 35 啟 英泰倫 BNPU、語音識別、聲紋識別、自然語言處理、麥克風降噪增強技術 CI100X系列、CI110X系列、CI112X系列 智能語音、智能家居 語音控制、噪聲環境下高識別率 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）110 36 知 存科技 存算一體中最高效的存內計算技術 WTM2101 智能語音、智能視覺、可 穿 戴 設備、

200、移動設備等 高算力、低功耗、存內計算單元、小封裝尺寸 37 億 智電子 NPU、多場景 AI 算法、數?；旌项怚P 設計、操作系統及軟件技術 SV823系 列芯片、SA 系列芯片、SH系列芯片 視像安防、汽車電子、智 能 硬 件等 SoC 級芯片整合設計、自主研發 IP、精準設計芯片產品 38 黑 芝麻 智能 NeuralIQISP圖像信號處理器、DynamAINN 引擎 華 山 二 號A1000自 動駕 駛 計 算 芯片 自動駕駛、車路協同 算力最大、性能最強的自動駕駛芯片 39 肇 觀電子 人工智能計算機視覺處理技術 N 系列、D 系列、V 系列芯片 安防、輔助駕駛、機器人、家用攝像、人臉

201、識別等 低功耗、高性能、豐富的外圍接口 40 探 境科技 存儲優先的芯 片 架 構SFA VOI611、VOI311、邊緣計算、智能家居 存 儲 驅 動 計算、低功耗、易集成 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）111 VOI621、VOI721 41 嘉 楠科技 基于 RISC-V 架構的邊緣 智 能 計算、神經網絡加速器 勘智 K210、勘智 K510 AISTEAM教育、機器人、智能家居、輔助駕駛等 自 主 知 識 產權、高性能、低功耗 42 云 知聲 語音感知、認 知 和 表達、超算平臺與圖像、機器翻譯等多模態人工智能硬核技術 蜂鳥芯片 智能家居、醫 療、金融、

202、教育、交 通、汽車、地產等 跨硬件平臺、端云一體的人工智能解決方案 43 酷 芯微 智能感知、智能計算、智能傳輸 AR9341 高 端 智 能IPC、車載輔助駕駛、邊 緣 計 算盒子、智能機器人等 高性能圖像處理、紅外熱成像圖像增強技術 44 杭 州國芯 gxNPU技術、數字電視、IoTAI GX8002、GX8010、GX8009、智能車載、智能音箱、智能家居、自 主 研 發gxNPU 技術、中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）112 GX8008、GX8001 智 能 穿 戴等 多 核 異 構 架構、低功耗 45 北 京君正 視覺AI應用協 處 理 器T02、智能視

203、頻 SoC 芯片T31 系列 T02、T31 系列 安防項目、視 頻 結 構化、人臉識別、車牌識別等 高計算能力、低功耗、深度學習算法 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）113 十、十、參考文獻參考文獻 1 Wu K J.Googles new AI is a master of games,but how does it compare to the human mindJ.Smithsonian,2018,10.2 Mehonic A,Kenyon A J.Brain-inspired computing needs a master planJ.Nature,2

204、022,604(7905):255-260.3 Li,X.et al.Power-efficient neural network with artificial dendrites.Nat.Nanotechnol.15,776782(2020).4 Zhang Y,Qu P,Ji Y,et al.A system hierarchy for brain-inspired computingJ.Nature.5 Tavanaei A,Ghodrati M,Kheradpisheh S R,et al.Deep learning in spiking neural networksJ.Neura

205、l networks,2019,111:47-63.6 Yamazaki K,Vo-Ho V K,Bulsara D,et al.Spiking neural networks and their applications:A ReviewJ.Brain Sciences,2022,12(7):863.7 Izhikevich E M.Which model to use for cortical spiking neuronsJ.IEEE Transactions on Neural Networks,2003,14:1569-1572.8 Lee J H,Delbruck T,Pfeiff

206、er M.Training deep spiking neural networks using backpropagationJ.Frontiers in neuroscience,2016,10:508.9 Cao Y,Chen Y,Khosla D.Spiking deep convolutional neural networks for energy-efficient object recognitionJ.International Journal of Computer Vision,2015,113:54-66.10 Tavanaei A,Maida A S.Multi-la

207、yer unsupervised learning in a spiking convolutional neural networkC/2017 international joint conference on neural networks(IJCNN).IEEE,2017:2023-2030.中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）114 11 Zou Z,Alimohamadi H,Zakeri A,et al.Memory-inspired spiking hyperdimensional network for robust online learningJ.

208、Scientific reports,2022,12(1):7641.12 量子位.類腦計算/神經形態計算深度產業報告 13 胡濱雨,郭敏杰.中 國 人 工 智能 芯 片 期 待 突破J.中 國 電 信業,2021,No.244(04):36-39.14 趙榮杰,房超,許蔓舒.人工智能芯片產業發展現狀及展望J.經濟導刊,2022,No.282(11):75-81.15 李 海 英.類 腦 計 算 主 題 國 際 態 勢 分 析 J.高 科 技 與 產 業化,2022,28(07):48-53.16 毛磊,姚保寅,黃旭輝等.類腦計算芯片技術發展及軍事應用淺析J.軍事文摘,2021,No.493(

209、13):57-61.17 張雪怡,曹哲,劉宗寶.智能芯片技術發展綜述及醫療健康領域應用J.中國集成電路,2021,30(09):16-22+36.18 Ganichev,N.A.,Koshovets,O.B.Forcing the Digital Economy:How will the Structure of Digital Markets Change as a Result of the COVID-19 Pandemic.Stud.Russ.Econ.Dev.32,1122(2021).19 蔡躍洲,陳楠.新技術革命下人工智能與高質量增長、高質量就業J.數量經濟技術經濟研究,2019

210、,36(05):3-22.DOI:10.13653/ki.jqte.2019.05.001 20 亓 明 真.運 營 商 如 何 布 局 類 腦 智 能？J.中 國 電 信業,2021,No.252(12):32-35.21 2022 DeepTech先進計算七大趨勢 中國賽寶實驗室人工智能與類腦計算產業發展研究報告（2023）115 22 Li G,Deng L,Tang H,et al.Brain Inspired Computing:A Systematic Survey and Future TrendsJ.2023.23 陸林,劉曉星,袁凱.中國腦科學計劃進展J.北京大學學報:醫學版

211、,2022,54(5):5.24 Severa W,Vineyard C M,Dellana R,et al.Training deep neural networks for binary communication with the whetstone methodJ.Nature Machine Intelligence,2019,1(2):86-94.25 Diehl P U,Neil D,Binas J,et al.Fast-classifying,high-accuracy spiking deep networks through weight and threshold bal

212、ancingC/2015 International joint conference on neural networks(IJCNN).ieee,2015:1-8.26 Rueckauer B,Lungu I A,Hu Y,et al.Conversion of continuous-valued deep networks to efficient event-driven networks for image classificationJ.Frontiers in neuroscience,2017,11:682.27 Yuan,R.,Tiw,P.J.,Cai,L.et al.A n

213、euromorphic physiological signal processing system based on VO2 memristor for next-generation human-machine interface.Nat Commun 14,3695(2023).28 Zhang J,Huo D,Zhang J,et al.22.6 ANP-I:A 28nm 1.5 pJ/SOP Asynchronous Spiking Neural Network Processor Enabling Sub-O.1 J/Sample On-Chip Learning for Edge-AI ApplicationsC/2023 IEEE International Solid-State Circuits Conference(ISSCC).IEEE,2023:21-23.