人工智能的迅速發展將深刻改變世界發展模式和人類生活方式。為搶抓人工智能發展重大戰略機遇，各國均在構筑先發優勢。類腦智能作為人工智能的另一條發展路徑，也是實現通用人工智能的最可能路徑，成為各國的關注焦點。

類腦智能是人工智能發展的必要路徑

當前人工智能存在兩條技術發展路徑。一條是以模型學習驅動的數據智能，另外一條是以認知仿生驅動的類腦智能。當前現階段人工智能發展的主流技術路線是數據智能，但是數據智能存在一定局限性，如：數據方面，需要海量數據和高質量的標注；自主學習、自適應等能力弱，高度依賴于模型構建；計算資源消耗比較大，CPU、GPU消耗量巨大；缺乏邏輯分析和推理能力不足，僅具備感知識別能力；時序處理能力弱，缺乏時間相關性；僅解決特定問題，適用于專用場景智能。

類腦智能可以解決數據智能的局限性和不足。數據方面，類腦智能可處理小數據、小標注問題，適用于弱監督和無監督問題；更符合大腦認知能力，自主學習、關聯分析能力強，魯棒性較強；計算資源消耗較少，人腦計算功耗約20瓦，類腦智能模仿人腦實現低功耗；邏輯分析和推理能力較強，具備認知推理能力；時序相關性好，更符合現實世界；可能解決通用場景問題，實現強人工智能和通用智能。

類腦智能的定義

類腦智能是受大腦神經運行機制和認知行為機制啟發，以計算建模為手段，通過軟硬件協同實現的機器智能。類腦智能具備信息處理機制上類腦、認知行為表現上類人、智能水平上達到或超越人的特點。2018年8月，Gartner公司發布2018年新興技術成熟度曲線，公布了5大新興技術趨勢，其中類腦智能、神經芯片硬件和腦機接口作為重要技術趨勢。

類腦智能發展有三個層面的目標，分別是結構層次模仿腦、器件層次逼近腦、功能層次超越腦。具體來說，結構層次，主要研究基本單元（各類神經元和神經突觸等）的功能及其連接關系（網絡結構），通過神經科學實驗的分析探測技術完成；器件層次，重點在于研制模擬神經元和神經突觸功能的微納光電器件，在有限物理空間和功耗條件下構造出人腦規模的神經網絡系統，如研制神經形態芯片、類腦計算機；功能層次，對類腦計算機進行信息刺激、訓練和學習，使其產生與人腦類似的智能甚至涌現自主意識，實現智能培育和進化，學習、記憶、識別、會話、推理、決策以及更高智能。

現階段類腦智能研究發展依然緩慢。一是由于腦機理認知尚不清楚。大腦是人類進化的高級產物，重量約1.5公斤，占體重2%，功耗約20瓦，占全身功耗20%，當前人類對大腦的認識還不足5%，尚無完整的腦譜圖可參考；二是由于類腦計算模型和算法尚不精確。神經元連接的多樣性變化性，使得前饋、反饋、前饋激勵、前饋抑制、反饋激勵、反饋抑制的建模不精確，腦功能分區與多腦區協同的算法不準確；三是現有計算架構和能力制約。現在計算系統是馮諾依曼架構，計算與存儲分離，系統功耗高、并行度低、規模有限，而類腦計算系統是非馮諾依曼架構，計算與存儲統合，高密度、低功耗，顛覆現有架構的代價較大。

各國高度重視積極布局

先進國家積極布局類腦智能研發。美國于2013年啟動“BRAIN計劃”，將大腦結構圖建立、類腦相關理論建模、腦機接口等列為研發重點；歐盟于2013年提出“人腦計劃”，重點開展人腦模擬、神經形態計算、神經機器人等領域研究；日本于2008年提出“腦科學戰略研究項目”，重點開展腦機接口、腦計算機研發和神經信息相關的理論構建；韓國在2016年發布《腦科學研究戰略》，重視腦神經信息學、腦工程學、人工神經網絡、大腦仿真計算機等領域的研發。

企業爭相布局類腦智能。IBM圍繞Watson系統和TrueNorth類腦芯片，意圖搶先打造類腦智能生態系統；谷歌依托全球技術領先地位，在現有谷歌大腦基礎上結合醫學、生物學積極布局人工智能；微軟提出意識網絡架構，聲稱是具備可解釋性的新型類腦系統。除龍頭企業外，美國Emotiv、美國Neurallink、美國Kernel、美國Brainco、瑞士aiCTX等一批新興公司在類腦智能方面取得很多研發成果，部分進入產業化階段。

我國積極統籌加速布局類腦智能。我國在2006年《國家中長期科學和技術發展規劃綱要（2006—2020）》中就把“腦科學與認知”列入基礎研究8個科學前沿問題之一。在2016年《“十三五”國家科技創新規劃》也將腦科學與類腦研究列入科技創新2030重大項目。2017年國務院《新一代人工智能發展規劃》提出了2030年類腦智能領域取得重大突破的發展目標。我國于2017、2018年分別成立了類腦智能技術及應用國家工程實驗室、北京腦科學與類腦研究中心，形成了“南腦北腦”共同快速發展的格局。

類腦智能技術體系

類腦智能技術體系分四層：基礎理論層、硬件層、軟件層、產品層。基礎理論層基于腦認知與神經計算，主要從生物醫學角度研究大腦可塑性機制、腦功能結構、腦圖譜等大腦信息處理機制研究；硬件層主要是實現類腦功能的神經形態芯片，也就是非馮諾依曼架構的類腦芯片，如脈沖神經網絡芯片、憶阻器、憶容器、憶感器等；軟件層包含核心算法和通用技術，核心算法主要是弱監督學習和無監督學習機器學習機制，如脈沖神經網絡、增強學習、對抗神經網絡等；通用技術主要是包含視覺感知、聽覺感知、多模態融合感知、自然語言理解、推理決策等；產品層主要包含交互產品和整機產品，交互產品包含腦機接口、腦控設備、神經接口、智能假體等，整機產品主要有類腦計算機、類腦機器人等。

類腦智能當前存在先結構后功能和先功能后結構兩條發展思路。先結構后功能，主要指先研究清楚大腦生理結構，然后根據大腦運行機制研究如何實現大腦功能；先功能后結構，主要是先使用信息技術模仿大腦功能，在模仿過程中逐步探索大腦機制，然后相互反饋促進。兩條發展思路各有千秋，功能和結構的任意發展突破都會推動類腦智能的極大發展，因此現階段兩條路線并行發展。

類腦智能目前整體處于實驗室研究階段，腦機接口技術是類腦領域目前唯一產業化的領域。腦機接口技術是在人或動物腦（或者腦細胞的培養物）與外部設備間建立直接連接通路，以“人腦”為中心，以腦信號為基礎，通過腦-機接口實現控制人機混合系統。腦機接口應用于醫療領域，實現癱瘓人士通過腦機設備控制機械臂完成相應動作，也可實現對多動癥、癲癇等疾病采取神經反饋方式做對應的恢復訓練；用于智能家居，實現意念控制開關燈、開關門、開關窗簾等，進一步控制家庭服務機器人。全球最受關注的腦機接口公司前十名多分布在北美和歐洲，我國產業界逐步推出產品，如科斗腦機、海天智能等公司研發生產出植入式腦微電極、腦控智能康復機器人等產品。

未來發展建議

加快構建全景戰略視圖，突出重點方向。從科研、技術和產業等多維度形成類腦智能體系化布局，并突出重點發展方向，具體圍繞結構、器件、功能三個層面開展重點布局和超前部署。

加大對基礎工藝/算法/軟件等的投入力度。我國長期以來在新算法、新結構、新原理的研究方面原創不足，制約類腦智能整體創新供給能力。因此，仍需持續加大對原始科研創新的重視力度，對關鍵基礎工藝/算法/軟件等加大支撐投入力度。

強化政產學研合作，推動技術體系化創新。類腦智能體系涉及要素較多，需要政產學研緊密合作，深化多方協同的合作，共同推動技術實現體系化的創新。借鑒其他先進國家布局經驗，突出政產學研多方合作在類腦智能創新中的合力作用，構建國內多方協同的創新體系。