8月1日，清华大学类脑计算研究中心施路平团队研发的“天机芯”（Tianjic）登上了《自然》（Nature）封面。封面标题为《双重控制》（Dual Control），作为人工通用智能（AGI，Artificial General Intelligence）领域的一个重磅应用案例进行了展示。这也实现了中国在芯片和人工智能两大领域《自然》论文零的突破。
（图源：Nature）
这篇名为《面向人工通用智能的异构天机芯片架构》（Towards artificial general intelligence with hybrid Tianjic chip architecture）的论文介绍了一款新型人工智能芯片，它结合了类脑计算和基于计算机科学的人工智能，是世界首款异构融合类脑芯片。
由于其本身的巨大挑战性，近年来不少AI专家认为，人工通用智能（AGI）只是一个牵强附会的想象，而少数一些人则在求索不倦的过程中获得了灵感。在去年11月举行的AI Frontiers会议上，非营利性人工智能研究公司——OpenAI创始人兼研究总监Ilya Sutskever表示：“我们（OpenAI）在过去几年中已经回顾了该领域的进展。我们的结论是，近期AGI应该被认为是一种很大的可能性。”今年7月，微软才刚刚宣布向OpenAI投资10亿美元研发人工通用智能，可见其看好和支持的态度。
当前，人工智能芯片代表性工作可概括为两个主流方向：深度学习加速器 (支持人工神经网络) 和类脑芯片(主要支持脉冲神经网络)。然而，每种方法都需要自己独特且不兼容的平台，难以发挥计算机和神经科学两个领域的交叉优势，这已经阻碍了AGI的总体研究和开发。
上述两类模型所使用的语言、计算原理、编码方式和应用场景都不相同，实现这两种模型深度高效的融合，是“天机芯”设计中面临的最大挑战。
施路平恰恰认为，人工通用智能是一个必然的趋势，而异构融合，也就是让两种计算结合正是这把钥匙。“天机芯”处理器正是采用了混合芯片架构的人工通用智能，支持异构网络的混合建模，发挥它们各自的优势，既能降低能耗，提高速度，又能保持高准确度。这种旨在通过采用通用硬件平台来刺激AGI开发的“双重控制”，正是点睛之笔。
（“天机芯”设计原理流程图，图源Nature）
清华大学、北京灵汐科技（Lynxi Technology）、北京师范大学、新加坡理工大学和加州大学圣巴巴拉分校的研究人员着眼于缩小差距，终于推出了“天机”芯片。2017年，第二代“天机芯”问世。相比IBM的TrueNorth芯片，“天机芯”密度提升20%，速度提高至少10倍，带宽提高至少100倍，灵活性和扩展性进一步改善。
如今，这款革命性的芯片可以采用各种核心架构，可重构的构建模块等，以适应基于计算机科学的机器学习算法和面向神经科学的方案，如脑启动电路。
研究团队的一项重要创新是“天机芯”的统一功能核心（FCore），它结合了人工神经网络和生物网络的基本构建模块——轴突、突触、树突和体细胞块。这款28nm芯片由156个FCores组成，在3.8×3.8mm²的区域内包含大约40,000个神经元和1000万个突触。
“天机芯”提供超过每秒610千兆字节（GB）的内部存储器带宽，以及运行人工神经网络的每瓦特每秒1.28 tera操作（TOPS）的峰值性能。在生物启发的尖峰神经网络模式中，天极实现了每瓦约650千兆每秒突触操作（GSOPS）的峰值性能。研究团队还展示了与GPU相比“天鹰”的卓越性能，其中新芯片的吞吐量提高了1.6-100倍，电源效率提高了12-10000倍。
（芯片评估及建模过程示意图，图源Nature）
研究团队设计了一个自动驾驶自行车实验，来评估芯片整合多模态信息和做出迅速决策的能力。这款自动驾驶自行车，配备了“天机芯”和IMU传感器、摄像头，刹车电机、转向电机、驱动电机等致动器，以及控制平台、计算平台、天机板级系统等处理平台等。自行车的任务是执行实时物体检测、跟踪、语音命令识别、骑行减速等功能，还可实现避障过障、平衡控制和自主决策。这些任务中，部分运用了模拟大脑的模型，而其他则采用了机器学习算法模型。
（图源：Nature）
据悉，在自行车上利用一块“天机芯”同时运行了包括CNN，CANN，SNN和MLP网络在内的5种不同神经网络，来完成每项任务，最终实现了无人自行车驾驶。这些模型经过预先训练并编程到“天机芯”上，可以并行处理模型，实现不同模型之间的无缝片上通信。
异构融合的人工智能是一种多模态系统。驾驶自行车就是一个多模态任务，它需要语音识别，也需要视觉识别和追踪。而搭载了“天机芯”的无人自行车，可以实时感知周围环境，跟随前方的试验人员并自动进行避障的操作，并根据语音指令、视觉感知的反馈产生实时信号对电机进行控制，以达到保持平衡，改变行进状态，根据目标对象完成实时追踪。这整个验证平台的思路和搭建是非常成功的。
在实验中，由“天机芯”驱动的自行车顺利完成了所有分配的任务，标志着AGI发展加速的巨大飞跃。这个芯片不是在试图复制人类大脑，而是在模仿人类的思维方式，如注意力、记忆力和预测能力。
研究小组还指出，“通过随机将新变量实时引入环境中，可以产生高时空复杂性，例如不同的道路条件、噪声、天气因素，多种语言，更多人群对象等等。通过探索允许适应这些环境变化的解决方案，可以检查对AGI至关重要的问题——例如概括、稳健性和自主学习。
据悉，团队已经开始研究下一代芯片，有望在明年初完成研发。研究团队透露，他们预计“天机”未来将部署在自动驾驶汽车和智能机器人中。未来，“天机芯”或还将在其他任务中证明其通用人工智能的能力，如操纵物体、玩游戏或进行对话。施路平教授表示，人工通用智能是一项非常具有挑战性的工作。目前还处于起步阶段，而他和团队的研究愿景则是——“发展类脑计算，支撑人工通用智能，赋能各行各业。”