神经形态计算芯片将是下一个芯片风口？

所谓神经形态计算芯片，就是一种模仿人类神经系统计算框架、计算模式的芯片。其核心点是如何构建可以进行交互通信的人造神经元和人造突触，使它们能够以更快的速度、更高的复杂度和更高的能源效率集成内存、计算和通信，达到市场对芯片低能耗、存算一体、有一定的容错性、鲁棒性高、同时具备自我学习能力的要求。

现在，神经形态计算已经不再停留在纯粹的科学探讨，产业公司已经开始了商业落地研究。近几年，苹果、微软、高通、IBM等全球巨头IT企业都在AI芯片领域有所布局，并投入了大量资金进行研发。例如：IBM公司2014年8月所公布的百万神经元级别的TrueNorth芯片，在执行某些任务时，其能效可达传统中央处理器的数百倍，首次与人脑的大脑皮层有了可比之处；谷歌也推出了第二代TPU芯片，为自己的开源TensorFlow框架提供芯片支撑；英特尔也围绕FPGA推出了模仿人脑的人工智能芯片Loihi等等。

默克在创新芯片架构、神经形态计算等创新方面都有所投资和布局，如类脑芯片、新型非易失存储器等。2020年5月，默克中国种子基金做出的第一笔投资是一家神经形态计算芯片初创企业。同时，默克创新中心关注芯片的设计、制造、新材料，希望寻找“下一代人工智能芯片技术”的积极创新者和践行者，邀请他们加入到默克的创新生态当中，形成良好的互动，逐步达成能商用的产品。

传统的冯·诺依曼构架存在很强的“存储墙”的问题，也就是存储难以跟上计算的发展。如何突破这一问题，是未来新型存储架构、芯片材料发展的重要方向。其中涉及的原理探索、材料探索、加工工艺的探索，都需要学术界、产业界等链条上不同的环节的相互的配合，创新的周期可能比较长。

新型存储或芯片材料同样也是默克关注方向之一。目前看来，较为成熟的材料包括一些金属氧化物、磁性材料、相变合金材料以及碳纳米管，以及一些可以替代有毒材料的无毒物质。高性能材料是默克的三大业务之一，从材料的开发，到面向终端用户的软件设计，默克几乎横跨整个产业价值链。在深厚的产业积淀基础之上，默克对材料领域的深入研究，也包含了神经形态芯片和新型存储架构的研究。

有专业人士认为，第一代AI带有定义规则和模拟经典逻辑，以在特定的、狭窄定义的问题域内得出合理的结论；第二代则通过使用深度学习网络来分析与感知和感知密切相关的内容和数据；第三代神经形态计算则与人类思维过程相似，例如解释和自主适应。

神经形态计算能够大幅提升数据处理能力和机器学习能力，能耗和体积却要小得多，或将引领计算机微型化和人工智能的下一阶段。

同时，无论是云端市场，还是自动驾驶、智能手机、智能家居等终端场景，以及围绕“新基建”的5G、人工智能等诸多领域都迎来了蓬勃发展，而AI芯片的发展空间无疑也将更加广阔。

旺盛的需求也刺激了投资热的产品。在这领域的技术探索和应用卡位上，市场玩家也已呈现出百家争鸣的精彩格局，从各个角度开始涉足，行业呈现出一番热闹景象。

小公司的机会也许将更多集中在小方向的创新，比如生产流程的优化、生产效率和品控的提升，还有新的计算架构和计算范式的芯片产品（如神经形态芯片）以及新材料。同时，能够满足场景需求，真正能“算得动”也非常重要。

默克近期举办的“AI+创新超新星卓越项目选拔”将“AI+硬件”作为选拔的重点方向之一，希望搜寻B轮之前的创新团队和项目，主要寻找新的AI硬件技术，例如神经形态芯片或神经形态芯片的传感技术、新的内存技术及用于新的内存技术的材料、新的内存内计算技术、光子技术，及AI芯片在云端（含边缘端）服务器，智能手机和物联网终端设备、芯片端的应用技术等。