浙江大学”悟空”类脑计算机：探索神经拟态计算的新里程碑
8月2日，浙江大学脑机智能全国重点实验室正式发布了新一代神经拟态类脑计算机——Darwin Monkey（”悟空”）。这一发布不仅标志着我国在类脑计算领域取得重大突破，更代表着全球神经拟态计算技术迈入了新的发展阶段。今天，我们就来深入了解这台被命名为”悟空”的类脑计算机，它到底是什么，有什么特点，以及它将如何影响未来的人工智能和脑科学研究。
什么是神经拟态类脑计算机？
首先，让我们从基本概念开始。神经拟态类脑计算机，顾名思义，是一种模拟生物大脑工作方式的计算机系统。与我们日常使用的传统计算机不同，类脑计算机不是基于冯·诺依曼架构，而是试图模仿人脑的神经网络结构和信息处理方式。
传统计算机采用”存储-处理”分离的架构，而人脑则将信息存储和处理融为一体。类脑计算机正是借鉴了这一特点，使用”脉冲神经元”和”神经突触”来模拟大脑的神经网络，从而实现更高效、更节能的信息处理。
浙江大学此次发布的”悟空”系统，搭载了960颗实验室自研的达尔文3代类脑计算芯片，支持的脉冲神经元规模超过20亿，神经突触超过千亿。这个规模已经接近猕猴大脑的神经元数量，是一个相当惊人的数字。作为对比，此前国际上规模最大的神经拟态类脑计算机是Intel在2024年4月发布的Hala Point系统，其神经元规模为11.5亿。这意味着”悟空”在神经元规模上实现了近一倍的提升。
“悟空”的技术亮点
芯片与规模
“悟空”类脑计算机的核心是达尔文3代类脑计算芯片。这种芯片由浙江大学牵头、联合之江实验室于2023年初研制成功，单颗芯片就能支持超过235万脉冲神经元与亿级神经突触。整台”悟空”系统由15台刀片式神经拟态类脑服务器组成，每台服务器内部集成了64颗达尔文3代类脑计算芯片，总计960颗芯片。
在典型运行状态下，”悟空”的功耗约为2000瓦。这个功耗水平与传统高性能计算系统相比相当节能，因为传统系统处理类似规模的神经网络通常需要数万瓦的功耗。
系统架构创新
为了构建如此大规模的类脑计算机，研究团队在多个关键技术上取得了突破：
-
大规模神经元系统互连与集成架构：团队构建了以多维网格为基本拓扑结构的层次化、可扩展芯片间互连系统，解决了大规模芯片协同工作的难题。
-
自适应时间步控制方法：这一创新使得大规模神经元之间能够高效协同运行，避免了传统方法中可能出现的同步问题。
-
晶圆级类脑计算芯片：采用国产晶圆基板工艺，基于CoWoS-S 2.5D先进封装技术，实现了晶圆级类脑计算芯片。这项技术突破了传统PCB板级互连的限制，大幅提升了系统性能。
-
分层系统资源管理：团队提出了分层的系统资源管理框架，设计了多级内存系统中的数据换入换出策略，有效管理了大规模神经元系统的资源。
特别值得一提的是晶圆级超集成类脑计算芯片DarwinWafer。研究团队联合浙大集成电路学院，利用2.5D先进封装技术研制出这一创新产品，搭建了基于DarwinWafer的晶上系统（System on Wafer，SoW）刀片服务器。整个SoW刀片式服务器主体仅仅包含一张集成64颗达尔文3代类脑计算芯片裸片的12寸晶圆，摆脱了传统光罩的物理约束，实现了导线微纳尺度的互连优化。
类脑操作系统
除了硬件创新，团队还研制了新一代达尔文类脑操作系统。该系统采用分层资源管理架构，通过以下技术实现了神经拟态任务的高效运行：
- •
负载感知调度算法：根据任务负载动态调整资源分配 - •
动态时间片划分机制：优化任务执行时间，提高系统效率 - •
通信带宽与任务特征考虑：在调度过程中充分考虑通信需求和任务特性
这套操作系统是充分发挥”悟空”硬件性能的关键，它使得大规模神经网络的部署和运行变得更加高效和便捷。
实际应用案例
“悟空”类脑计算机不仅仅是一个理论上的突破，它已经在多个实际应用中展现了价值：
1. 智能任务处理
在”悟空”上，研究团队成功部署了DeepSeek类脑大模型，能够完成逻辑推理、内容生成和数学求解等智能任务。与传统AI模型相比，类脑计算模型在处理这些任务时具有更低的能耗和更高的效率。
2. 动物大脑模拟
凭借其强大的神经元和突触资源，”悟空”系统已经初步模拟了包括秀丽线虫、斑马鱼、小鼠以及猕猴等不同神经元规模的动物大脑。这些模拟为脑科学研究提供了新的实验手段，能够帮助科学家更好地理解大脑的工作机理。
3. 脑科学研究支持
作为脑模拟的天然平台，”悟空”为神经科学家提供了研究大脑的新工具。通过在计算机上模拟大脑活动，科学家可以在减少真实生物实验的情况下，探索大脑的奥秘。
从”米奇”到”悟空”：浙大类脑计算的发展历程
“悟空”并非浙江大学类脑计算团队的首次突破。早在2020年9月，该团队就研制成功了我国首台亿级神经元类脑计算机Darwin Mouse（”米奇”）。从”米奇”到”悟空”，仅仅不到五年时间，神经元规模从亿级提升到了20亿级，这一进步速度相当惊人。
这种快速发展的背后，是团队在类脑计算领域持续不断的技术积累和创新。”悟空”的发布，标志着我国在神经拟态类脑计算机领域已达到国际先进水平，甚至在某些方面已经领先全球。
“悟空”类脑计算机的三大意义
1. 为人工智能提供新的算力基座
当前的人工智能，尤其是大模型，面临着高能耗、高计算量的挑战。”悟空”类脑计算系统能够有效解决这些问题，其低功耗、高并行的特点为AI发展提供了新的算力选择。更重要的是，类脑计算系统支持无人监督的在线学习机制，这可能为人工智能带来革命性的进步。
2. 助力脑科学研究
“悟空”作为神经科学家研究大脑的仿真工具，提供了新的实验手段。通过模拟不同规模的动物大脑，科学家可以更好地理解大脑的工作机理，探索认知、记忆、学习等基本脑功能的神经基础。这种方式不仅可以加速脑科学研究，还能减少对真实生物实验的依赖。
3. 推动通用人工智能发展
人类的推理能力和效率远超当前人工智能系统。”悟空”计算机模仿大脑的工作机制，同时具备超越人脑的运算速度，这为未来类脑AI的研究提供了强大的支持。通过研究类脑计算，我们可能找到通向通用人工智能的新路径。
常见问题解答（FAQ）
Q: 类脑计算机和传统计算机有什么根本区别？
A: 传统计算机基于冯·诺依曼架构，将数据存储和处理分开，通过精确的时钟信号同步操作；而类脑计算机模仿生物大脑的神经网络结构，使用脉冲神经元和突触来处理信息，具有事件驱动、异步处理、低功耗的特点。类脑计算机更适合处理感知、模式识别等任务，而传统计算机在精确计算方面仍然具有优势。
Q: 为什么叫”神经拟态”？这个”拟”字有什么特别含义？
A: “神经拟态”中的”拟”表示模拟、仿效。神经拟态计算是指模仿生物神经系统结构和工作原理的计算方式。它不是简单复制大脑的每个细节，而是提取大脑工作的重要原理，如并行处理、事件驱动、低功耗等，应用到计算系统中。这种”拟”是抓住本质的模仿，而非完全复制。
Q: “悟空”类脑计算机的实际应用场景有哪些？
A: 根据文件内容，”悟空”已经成功应用于：
- •
运行类脑大模型完成逻辑推理、内容生成和数学求解 - •
模拟不同规模的动物大脑（从线虫到猕猴） - •
作为脑科学研究的仿真平台
未来可能的应用还包括：低功耗边缘AI设备、实时感知系统、自主机器人控制等需要高效能比的场景。
Q: 类脑计算机的功耗为什么这么低？
A: “悟空”在典型运行状态下功耗约为2000瓦，相比处理类似任务的传统高性能计算系统确实低很多。这主要是因为类脑计算采用事件驱动的方式，只有当有信息需要处理时才消耗能量，而不是像传统CPU那样持续运行在高频率下。此外，脉冲神经网络的信息表示方式也更加高效，减少了不必要的计算。
Q: “悟空”的20亿神经元规模意味着什么？
A: 20亿神经元已经接近猕猴大脑的神经元数量（猕猴大脑约有25亿神经元）。这意味着”悟空”在神经元规模上已经达到了模拟灵长类动物大脑的水平，可以用来研究更复杂的认知功能。作为对比，人脑约有860亿神经元，所以”悟空”离模拟人脑还有很大距离，但已经是重要的一步。
Q: 类脑操作系统与传统操作系统有什么不同？
A: 类脑操作系统需要管理的是大规模的脉冲神经网络，而不是传统的进程和线程。它必须处理神经元之间的动态连接、脉冲传递的时序问题，以及大规模并行计算的资源调度。达尔文类脑操作系统采用了分层资源管理架构，特别设计了负载感知调度算法和动态时间片划分机制，以适应神经拟态计算的特殊需求。
Q: 为什么类脑计算对人工智能发展很重要？
A: 当前的人工智能，尤其是深度学习，虽然取得了巨大成功，但仍面临高能耗、需要大量标注数据、缺乏持续学习能力等问题。类脑计算提供了新的思路：它更接近生物大脑的工作方式，具有低功耗、支持在线学习、能够处理时序信息等优势。这些特点可能帮助我们突破当前AI的局限，向更接近人类智能的方向发展。
未来展望
“悟空”类脑计算系统的推出，是神经拟态计算领域的一次重要突破。它不仅展示了中国在这一前沿科技领域的实力，也为人工智能和脑科学研究提供了新的工具和思路。
随着技术的不断进步，我们可以期待类脑计算在以下方面取得更多进展：
- •
规模进一步扩大：从猕猴大脑规模向人脑规模迈进 - •
能效比持续提升：实现更复杂的任务同时保持低功耗 - •
应用领域拓展：从科研向实际应用场景延伸 - •
与传统计算融合：形成混合计算架构，发挥各自优势
需要明确的是，类脑计算并非要完全取代传统计算，而是为特定任务提供更高效的解决方案。正如文件中所指出的，”悟空”将为现有的计算场景提供新的计算范式，而不是简单地替代现有技术。
结语
浙江大学”悟空”类脑计算机的发布，代表了神经拟态计算技术的一个重要里程碑。它不仅是技术上的突破，更是思维方式的创新——从模仿大脑的工作原理出发，探索计算的新可能。
这项成就提醒我们，计算机科学的未来可能不在于简单地提高传统架构的性能，而在于从自然界汲取灵感，创造全新的计算范式。正如”悟空”这个名字所暗示的，探索未知、突破极限，正是科研工作者不断追求的目标。
对于关注人工智能和计算技术发展的读者来说，”悟空”的出现提供了一个思考未来计算方向的新视角。它可能不会立即改变我们每天使用的设备，但长远来看，类脑计算技术可能会深刻影响人工智能的发展路径，为我们带来更加智能、更加高效、更加接近人类思维的计算系统。
在这个技术快速迭代的时代，保持对前沿科技的关注和理解，将帮助我们更好地把握未来的发展趋势。而像”悟空”这样的突破性成果，正是我们理解技术演进的重要窗口。
