中科院的「寒武紀1號」晶元和IBM 的「真北」晶元有什麼不同？

01-16

兩種晶元本質上都是神經網路晶元，目標都是事先人工智慧，他們的差異在哪裡？技術實現途徑有什麼不同？應用前景怎麼樣？請業內的專家給評價評價。

偶然發現自己的觀點被廣泛轉載，甚至直接引起了陳老師的注意。這裡需要解釋一下自己「DianNao是立足當下，TrueNorth是放眼未來」的觀點。我至今仍然堅信自己的觀點。並不是說TrueNorth就比DianNao多有效，只是在我看來前者比後者更加非馮諾依曼。立足當下是就目前而言，深度學習幾乎統治了各種模式識別應用領域，而DianNao作為一款深度學習專用加速器，顯然當下是最好的選擇之一。但是，我相信科學的發展，深度學習不可能永遠統治下去，應該也不會是人工智慧的最終形態。TrueNorth代表一個探索的方向，但並不是唯一的方向。好比人要飛翔並不需要有鳥一樣的形態，造一架飛機就夠了。

不管怎麼說，我感到我們已經處於一個智能新時代之中了。利益相關，希望自己也能在這個時代中發揮自己的作用。

======================================

二者雖然都是neuro-inspired chip，但是本質上是完全不同的。「寒武紀一號」（DianNao）應該定義為neural network accelerator，而「真北」（TrueNorth）應該定義為neuromorphic
processor。

從名稱上我們就可以看到二者直接的區別。DianNao是加速人工神經網路模型的，如傳統的ANN和最近比較火的CNN。這些網路模型都是創造出來完成分類、識別等任務的工具。且模型簡單易懂，基本單元都是我們容易理解的數值運算。而TrueNorth加速的模型是spiking neuron。這個模型與我們人腦的突觸激發原理更接近，主要用來模擬人腦的一些生物特性。

從應用領域來看，當前大紅大紫的深度學習（Deep
Learning）實際就屬於DianNao的應用範疇，他們已經在ASPLOS』14的文章中實現了多個當前流行的深度模型，可以說在深度學習的硬體加速領域邁出了堅實的一步；TrueNorth源自IBM的SYNAPSE計劃，他們的目標是將來能夠完全地模擬大腦。在一兩年前他們已經可以模擬到貓腦的量級，相信現在應該比以前進步了不少。個人認為，雖然後者在真正的圖像、語音識別等比較「硬」的能力上不如前者，但有可能是未來真正推動「智能」的方向。當然，我們目前還沒有把自己的大腦研究透徹，還要從硬體上模擬，會有很長的路要走。

可以這麼說，DianNao是立足當下，TrueNorth是放眼未來。不過，我們離真正的人工智慧還有很長很長的路要走。

太同意@塗塗的說法啦：

好比人要飛翔並不需要有鳥一樣的形態，造一架飛機就夠了。

但是，研究Spiking Neural Networks (SNN 脈衝神經網路) 就是要找到大腦低功耗（人類20W），低時鐘頻率（10Hz 脈衝）的奧秘所在。因此，TrueNorth一類的類腦晶元，並不需要加速模擬SNN，只要能達到和大腦一樣的實時處理能力就可以了。

目前SNN的應用研究就是在1ms resolution, 最高1000Hz的脈衝頻率下，將普通的神經網路映射到SNN上，儘可能達到相同的識別效果。RNN，CNN，DBN，都已成功模擬。但這是在SNN沒有提出非常有效的編碼演算法，和學習演算法之前的折衷思路，把普通的網路映射過來。

TrueNorth並不能定義類腦晶元的最終形式，這還需要在SNN的研究上有更多的突破。

具體@塗塗兄講出了幾點了，不過他最後的一句話說「真北是放眼未來，我倒不這麼認為，真北這個技術放眼的「未來」不一定就是真的「未來」，只不過是相對於現在的寒武紀而言可以這麼說。

講下發展吧，寒武紀正在高速的發展當中，真北則已經結題。

這兩塊，國內外在這一塊的發展的差距不大。

具體的寒武紀的技術細節，大家現在關心還是為時過早了，因為還要再等一段時間才成熟。

真北的東西，要開發要和IBM簽協議，他們要得到利益。

俗一點說，趁這個機會，呼籲一下，請大家要多關注和支持國產的晶元和和幫助一下國內的細分領域的技術生態的建立啊！

TrueNorth短期來看還很難找到商業價值。究其原因，如其他評論所說，目標是一個類腦結構，這是整個項目的不可替代的宗旨。也正因如此，源頭上就不止定位在商用，而在一個科學探索。

Cambrian的實際demo，benchmark結果我暫時還沒看到過。如果有誰有所了解，請多分享。在此之前一切都不好說，simulation可以指引一個有趣的方向，但只有實測結果才有可能說服市場。

個人而言，非常希望中科院的牛人有大突破！

不知道。不過看論文總是有好處的。

陳天石他們的論文：

一號：DianNao,

二號：ict.ac.cn 的頁面

他們的slides:xidian.edu.cn 的頁面

sicence上關於真北的文章:

Science Magazine: Sign In

一篇真北的論文：

Science Magazine: Sign In

有什麼差異我不知道，應用前景我也不知道。你自己對照著論文看吧。

低功耗的要點是憶阻器，沒有憶阻器加持的SNN，功耗都下不來。拿一堆電容電感電阻去模擬一個憶阻器的行為，肯定費電。所以說，想在憶阻器沒有實用的時代搞SNN，真北是走錯了路，基礎元器件都沒有，模擬效果怎會好？

另：SNN的真北是IBM搞的，但是憶阻器研究HP先行一步。

最大的區別在於，TrueNorth已經流片，實測，並且在學術圈內小範圍試用了。

另一個，有沒有流片都不知道，所有的數據都是模擬結果，所以也只能水幾篇conference paper，實際晶元更不用說了。

即使是conference paper，那顆所謂的晶元的，似乎是沒有高速數據介面的。不管是有意還是無意，作者似乎從來不擔心這個問題。

看了一圈寒武紀的知乎，好像，寒武紀是解決AI在客戶端加速計算的輔助晶元，正好解決了英偉達的GPU計算慢的問題。另外與寒武紀想類似的是IBM的真北晶元，2014年就有了。為什麼真北晶元沒有大規模商業化，有可能市場需求不足。寒武紀解決了一個局部問題，那麼傳統晶元企業要超越寒武紀，也是分分秒秒的功夫。