新华社北京9月23日电（记者王晨曦赵鑫虎）在清华大学精密仪器系大楼的一间实验室里，一排摄像头阵列对着液晶屏幕上不断变换的视觉图像，旁边的服务器发出轻微的运行声响。

“这是类脑计算机正在进行视觉快速识别，它和那辆无人自行车一样，都是由天机芯片组建的系统应用。”清华大学教授、类脑计算研究中心主任施路平介绍道。

他提到的天机芯片于2019年8月登上了《自然》杂志的封面。此刻，这辆黑色的无人自行车停在墙角，后座搭载着书包大小的机箱，可以实现自动平衡、避障、过障、目标跟踪、语音指令识别以及自主决策。它的大脑——天机芯片，是全球首款异构融合类脑芯片，同时支持基于神经科学的脉冲神经网络和基于计算机科学的人工神经网络，被评为2019年中国十大科技进展之一。

施路平2013年回国加入清华大学，以类脑计算为研究方向。2014年，清华大学依托精密仪器系成立了联合七个院系的类脑计算研究中心，施路平作为主任，带领涵盖脑科学、计算机、微电子、电子、精密仪器、自动化、材料等领域的多学科跨专业团队，开始了从无到有的探索。

他把类脑计算研究比喻成在漆黑的、没有地图的“无人区”探路。“以前做科研，多数情况有基础理论指明方向，实现路径很清晰。现在类脑计算机没有现成的理论、方向和路径，一切都要从零开始。但这也是机遇，恰好是这种无人区的探索有可能带来突破性进展，为关键科技领域带来巨大变革。”

施路平介绍，尽管人工智能研究和应用取得了很大的进展，但目前绝大部分是针对具体问题，一个问题一个解决方案，是窄人工智能。在处理没有足够数据的、不确定的、动态复杂问题时会遇到挑战，最佳解决方法之一是发展具有人类智能特征的人工通用智能。

目前人工智能的主流研究思路有两种。一种是从计算机科学的角度出发，借鉴大脑的分层处理机制与学习训练特性，基于冯·诺依曼架构的计算机和人工神经网络与深度学习方法；另一种是从脑科学研究出发，采用纳米级别的器件模拟生物神经元和突触的信息处理特性，采用非冯·诺依曼架构的神经形态芯片和脉冲神经网络。两个方法各有优缺点，将二者融合是目前公认的最佳发展路径之一。

类脑计算是借鉴脑科学基本原理，基于神经形态工程，面向人工通用智能发展的新型计算技术，是将二者自然融合的较好方案。目前类脑计算研究尚处于起步阶段，国际上还没有形成公认的技术标准与方案，处在“百花齐放”的阶段。

“冯·诺依曼架构下的计算机是把多维的、复杂的问题，转换成一维的、较为简单的信息流，是降维处理，缺点是很大程度上损失了信息的关联性。而类脑计算则相反，类似人脑的思考方式，通过综合的、多维时空变换解决问题，是升维处理，在能耗、算力和效率方面有较大优势。”施路平说。

施路平在研究图灵、冯·诺依曼的早期论文时发现，这些计算机领域的泰斗们在研究初期是以实现通用人工智能为目标的，但受到当时硬件水平的限制，走向了专用人工智能。

他认为，随着先进精密仪器的发展，人类对脑的理解越来越多，将迎来量变到质变的突破性进展。同时，超级计算机的发展为类脑计算提供更好的仿真模拟环境，大数据和云计算提供了和脑复杂度不断趋于接近的“数码宇宙”，大脑和数码宇宙可以视为镜像，互相借鉴，促进理解。而新型纳米技术可以制造出和人脑神经元能耗差不多量级的器件，这一切都为类脑计算的发展奠定了基础。

“硅和碳在元素特性上非常近似。人脑在碳元素的基础上实现了通用智能，那我们就有理由相信在硅元素的基础上同样可以实现通用智能。”施路平说。

他带领团队开发出从理论、芯片、软件到系统和应用的一整套类脑计算平台，现在仍然在不断地迭代更新当中。其中天机芯片已经发展多代，第一款类脑商用芯片也已问世，并有了客户，覆盖多个应用领域。

“清华大学在类脑计算这个新兴跨专业领域，近年来取得了理论、芯片、器件等方面的创新成果，研究达到国际前沿水平。”施路平说。

在类脑计算研究中心攻读博士学位的马松辰负责其中的芯片系统。据他介绍，在设计芯片时考虑到生产工艺是国内芯片厂商可承接的，不会过度依赖制程，用国内厂商目前的工艺就能实现优秀计算能力，这也是类脑计算的潜在优势之一。

“在我们中心，多学科人才组成一个整体，要解决问题，就要每个人都能站在整个团队的角度去考虑。比如我做芯片，就要充分考虑做软件和系统的需求。”马松辰说。

“不论是院系间的合作，还是团队内的工作，我们相互支持，成果共享，瞄准一个大目标共同进步。”施路平说，研究中心最大的成果，除了理论和芯片，还有这个多学科团队。不同团队有各自的学科背景、语言和目标诉求，用一种机制和文化将团队长期有效地团结在一起，是研究发展的关键。

“我们研究关注的重心不仅是芯片、系统、软件，而且是人类世界未来发展的潮流和方向。我相信中国可以对人类作出更大贡献。”施路平说。