李佩琦，郁龚健，华 夏，刘家航，柴志雷,3+

1.江南大学 物联网工程学院，江苏 无锡214122

2.江南大学 人工智能与计算机学院，江苏 无锡214122

3.江苏省模式识别与计算智能工程实验室，江苏 无锡214122

当前，以深度学习为代表的智能计算系统仍存在系统能耗高、通用智能水平弱两个主要瓶颈，难以成为解决人工智能问题的终极手段[1]。而人类的大脑是由约1011个神经元、1015个突触构成的复杂生物体，不但具有很高的智能水平而且功耗只有20 W 左右[2]，其计算模式非常值得研究借鉴。目前的类脑计算主要基于工作机理更接近生物大脑的脉冲神经网络（spiking neural networks，SNN）来实现[3]。由于达到一定规模的SNN 才能展现出较强的智能水平，类脑计算最具挑战性的难题之一，就是对大规模SNN进行仿真时保持系统的高性能及低功耗。

针对类脑计算的高能效需求，工业界和学术界尝试采用专用类脑芯片和系统来实现脉冲神经网络。2018 年曼彻斯特大学推出了SpiNNaker2 神经芯片，该芯片相比第一代专门构建了用于指数和对数运算的硬件加速器，通过定点化设计，在有一定精度损失的情况下提高了芯片能效比[4-5]。2020 年，英特尔推出神经拟态系统Pohoiki Springs，其内部由768颗Loihi 神经拟态芯片组成，该系统在低于500 W 功耗的情况下可使用多达1 亿个神经元来执行任务[6]。“天机芯”是清华大学类脑计算研究中心施路平团队研发的一款新型人工智能芯片，整个芯片由156 个计算单元（Fcore）组成，包含约4 万个神经元和1 000 万个突触，支持机器学习算法和现有类脑计算算法[7]。……