安卓掌机 Odin Lite 首发评测 是假Lite还是真LowPrice
篇首语
年初的时候，首发测试了来自 AYN 的安卓掌机——Odin Base(Odin 基础版,骁龙845 4GB+64GB, WiFi)，时隔半年后预定将近一年(21年9月100定金)的 Odin Lite(天玑 D900, 4GB+64GB, 4G + WiFi)总算到手了。
本文并不是讨论安卓掌机是否有存在的必要亦或是有足够的性价比，毕竟手机+拉伸手柄、平板+无线手柄无论性价比、性能都比安卓掌机更强，如果觉得对这类产品毫无兴趣，请直接点击右上角的X或者关闭本篇文章即可。
对于我个人而言，为什么要选择看起来并没有性价比的安卓掌机呢？我想原因有如下几点:
独立的设备，无需为手机离的微信、电话等干扰拿起即用，无需每次将手机与手柄组合，也为手柄单独充电16比9的长宽比，玩模拟器游戏黑边较少(现在的手机,21:9玩模拟器左右两侧会有巨大的黑边)独立风扇散热更强，大电池无需操心电量问题(毕竟现在手机重要性不言而喻，玩游戏导致手机没电了会很麻烦)▼Odin Lite 灰色
安卓掌机可以玩什么呢？个人认为基本可以分为三类，安卓原生游戏自然不用说了，像海之号角之类的游戏原生就支持手柄。对于不支持手柄的原神(但这货的 PC 端支持手柄)、和平精英等游戏，也可以利用 Odin 自带的屏幕映射软件来游玩。当然由于有些安卓游戏深度适配触控，部分操作无法依靠屏幕映射来实现(比如很多 MOBA 手游)，这类游戏就不太适合安卓掌机了。
▼安卓游戏
除了原生安卓游戏玩，很多朋友最容易想到的就是模拟器了，作为低功耗的手持终端，安卓上运行复古游戏确实很不错。从复古的 FC、GB、SNES，到 N64、NGC、Wii、PS1、SS、NDS、DC、PSP，甚至很多 PS2 以及部分 NS 游戏都已经可以在安卓上运行。
▼PSP 模拟器 PPSSPP
▼PS2 模拟器 AetherSX2
当然安卓机器的玩法也不止于此，得益于串流(PC、PS4/PS5、Xbox)和云游戏，用安卓掌机玩 3A 大作也是不错的选择。尤其是考虑 Win 掌机高昂的售价、低续航和重量，在合适的网络环境下，使用安卓机器串流 3A 的体验也是不错的。
▼串流，Moonlight 串流 PC 端刺客信条奥德赛
开箱与外观设计
虽然 Odin Lite 加上了 Lite 后缀，但是外观方面和标准版的 Odin(Base/Pro 高通版)完全一致，不过可选的颜色方面目前比高通版要少一些，只有黑色、灰色、透白、透黑四色可选。由于我之前众筹的是黑色的 Odin Base，这次就选了灰色版本换换口味。
正面是一块5.98英寸 FHD(1920X1080)分辨率 IPS 屏幕，屏幕左侧自上而下依次是麦克风、左摇杆(含 L3)、十字键以及 Odin LOGO。右边自上而下，依次是 Home 键、ABXY、右摇杆(含 R3)、Select 以及 Start 键。
摇杆方面手感还算不错，ABXY 按键采用了淡紫色/紫色拼色，不过 ABXY 按键的键程稍长并且偏硬，个人还是喜欢 PS4 手柄按键那种稍软一些的感觉。
侧面放置了完整的 L1/L2/R1/R2，其中 L2/R2 支持数字/模拟两种方式，可以很好的支持赛车类的游戏。顶部盖板下方是 Micro HDMI 接口、TF+SIM 卡槽，使用 Micro HDMI 接口时可以输出 1080P/720P 画面，TF 卡槽可以用来外接扩展卡，SIM 卡槽则支持 4G 网络(实测电信 4G 还可以正常进行通话)。
▼TF+SIM 卡槽
背面部分除了散热和扬声器开口外，还有 M1、M2 两个额外的可以自定义按键，对于模拟器和串流游戏非常方便。
摇杆和握把部分也配置了蓝色彩灯，作为掌机外观点缀效果还是不错的，系统内也提供了开启和关闭的选项。不过单色(蓝色)可能并不能满足全部用户的喜欢，未来产品希望可以考虑升级为可自定义颜色的版本。
机身尺寸部分 Odin Lite 与高通版(Odin Base/Pro)完全相同，大小介于 NS 和 NSL 之间，由于我手头没有 NSL，就拿 PSV 来作为小屏掌机对比下尺寸吧。
▼从上至下依次为 NS、Odin Lite、PSV1000
重量方面实测 Odin Lite 4GB+64GB 灰色版(未贴钢化膜)为359克，之前测量 Odin Base (4GB+64GB)黑色版贴钢化膜后为368克，重量部分 Lite 并不比 Base/Pro Lite 多少。
简单拆机
由于 6nm 工艺支撑的天玑900属于发热相对比较小的 SOC，很多用户怀疑 Lite 版是否会在散热方面进行缩水，先前 Takiudon 拆解的也是早期工程机，这个疑问只能自己动手拆机来验证了。
取出 TF+SIM 卡槽，拧下背面四颗螺丝，使用塑料翘片沿四周轻轻撬开即可打开后盖。可以看到散热部分依旧为薄型风扇+大面积铝片，散热配置和 Odin Base/Pro 是完全相同的。不过从工程角度来说，热管+铜制散热片效果会更好一些，未来升级性能更强产品的时候，希望 AYN 可以加强散热配置。
▼Odin Lite
PCB 方面选择了颜值更高的黑色 PCB，整体布局走线都比较工整，按键板、摇杆也都采用分离设计，后续维修更换配件也比较方便。
▼先前拆解的 Odin Base 高通版
配置与理论性能测试
Odin Lite 采用联发科(MTK)天玑(Dimensity)900 SOC，台积电 6nm 工艺，2核心 2.4Ghz A78 大核 + 6核心 2.0Ghz A55 小核，GPU 部分则为 Mali-G68 MC4。配置方面 AYN 提供了 4GB LPDDR4x + 64GB UFS2.1、6GB LPDDR4x + 128GB UFS2.1两种配置，屏幕部分采用5.98英寸 IPS LCD，分辨率为1080X1920。接口部分由于天玑900的限制，无法使用 USB-C 直接进行视频输出，机身内置了 Micro HDMI(1080p/720p可选) 接口用于连接外部显示器/电视。音频部分采用 2X1W 扬声器，支持蓝牙5.2、WiFi6、4G 网络连接，电池部分为6600mAh，出厂搭载 Android 11.0系统。
CPU 性能方面，Odin Lite 天玑900单核心跑分771，多核心跑分2252，在制程和更新的大核心加持下超越了骁龙845版本，这个 Lite 嘛真的不太 Lite。
GPU 方面，3DMark Wide Life 天玑900跑分2031，相比845略弱一些。
存储部分，AndroBench 测试天玑900书序读取779.33MB/s，顺序写入205.75MB/s，随机读取154.42MB/s，随机写入173.06MB/s，整体 I/O 部分相比骁龙845版本略强。
总分部分，安兔兔9.4.1测试总分410370，CPU 得分 135248、GPU得分104323、MEM 得分70183，UX 得分100616.
3DMark Wild Life 压力测试部分，由于 Odin Lite 配备了主动散热，加上 6nm 工艺不错的功耗表现，全程满血输出下压力测试稳定性高达99.6%。
GPU 部分，使用 GFXBench 测试，1080P Aztec OpenGL ES3.1 离屏测试1761Frames(27FPS)，1080P 曼哈顿 ES3.1离屏测试2634Frames(42FPS)、1080P 曼哈顿 ES3.0离屏测试3903Frames(63FPS)，1080P 霸王龙 ES2.0 离屏测试5626Frames(100FPS)。
由于天玑900只是入门级的手机 SOC，理论性能其实相比主流的870、天玑1200这些还有不小的差距，实测原神低画质+60帧设定下平均帧率在50多帧(本测试是严格的真实游戏测试，包含跑图打怪，并非有些为了数据好看的原地站岗测试)。温度部分得益于天玑900优秀的能耗比(以及较弱的 CPU、GPU)，以及 Odin 的主动散热，25度室温下实测原神30min下机身正面最高温度33.1度，背面最高温度也仅35.9度。相比手机动辄40+的温度来说，配置主动散热的掌机玩原神优势还是比较明显的，不过45分钟内 SOC 核心温度最高达到了75度，应该和 Odin 没有采用热管导致 SOC 散热效率有限相关(虽然采用了大面积铝块提供了足够的热容，但是 SOC 位置还是使用铜热管效率更高一些)。
▼原神45min游戏测试，包含跑图、打怪、传送，帧率在打怪时会有一点波动
WiFi、4G、串流测试
天玑900 WiFi 部分为新一代 WiFi6，实际连接 Redmi AX6 路由器连接速率为1201Mbps，200M 电信宽带测速下行速率114Mbps、上行速率22.9Mbps。
这次 AYN 还给 Odin Lite 带来了4G网络，不过我手头这台由于是初期出货机器，实际4G天线为 US 版本。本来以为无法连接国内网络，实际插入电信4G卡后发现正常连接，Speed Test 测试下行速率19.6Mbps、上行速率4.34Mbps。虽然官方标称仅支持 4G 网络，但是实际测试电信4G可以正常拨打电话，不知道算不算一个意外的惊喜。不过实际国内出货为 Asia/Europe 版本，具体电信、移动、联通支持情况还要看国内版本支持的频段。
▼实测 US 版本在电信 4G 网络下可以正常上网和通话
串流部分使用 GTX1070 + 局域网 WiFi6(路由器 Redmi AX6) + moonlight，实测1280X720 20M码率下，掌机屏幕和显示器显示时间差在30~40ms。1280X720 20M 码率下，平均网络延迟3ms、抖动1ms，平均解码时间9.37ms。1920X1080 20M 码率下，平均网络延迟3ms、抖动1ms，平均解码时间11.79ms，1920X1080 50M 码率下，平均网络延迟3ms、抖动3ms，平均解码时间13.51ms。
▼不同分辨率与码率下 moonlight 串流平均解码时间
▼显示延迟对比
▼1280X720 20M
▼1920X1080 20M
▼1920X1080 50M
模拟器游戏性能
很多购买 Odin Lite 的用户，可能会怀疑天玑900运行模拟器的性能，这部分本来是想要深度测试一下的，但是「Takiudon_塔基乌冬」大神测试的实在太详细了，这里就不再重复造轮子了，大家直接参考大神的测试视频吧(长达30多分钟的游戏实测)。
原视频标题:The Odin Lite is Amazing! - PS2, Switch, Wii, GC, 3DS, and PSP Emulation
模拟器运行状况总结:
PSP、PS1、N64、GC、Wii、DC 这些老平台基本完美，根据画质需求可以开高倍数或者使用滤镜(什么GB、SNES、GBA这些都可以开N倍，就不用提了)3DS 方面基本流畅，但是根据我实测有些游戏在 TF 卡运行有些卡顿，需要放在内置存储才比较流畅。部分游戏存在闪烁问题，这部分可能和天玑用的 Mali GPU 相关，需要根据实际游戏调整设置。PS2 方面大部分游戏可玩，战神1/2需要调整 EE(-1/2)才能比较流畅，要求不高的游戏可以开2倍运行NS 模拟器我没测试，毕竟 Skyline 还处于比较早期阶段，天玑900的性能也不太够(更何况目前这台是 4G RAM 版本)目前遇到的问题:
之前一直使用的「挖坑者联盟」天马前端整合包2.0，在安卓11下无法识别存储内容，手动修改配置文件也依旧无法识别。结语
作为一款 IGG 众筹的产品，从21年9月100元定金预购到拿到高通版(Base/Pro)花了五个月时间。本以为延迟1个月左右的 Odin Lite，因为新增 FPGA 来支持不关机 HDMI 输出、疫情影响、额外的调试时间等，直到22年7月份才开始发货。虽然是众筹产品，但是漫长的等待，真的让对机器的渴望被时间消磨殆尽。
可喜的是真机的表现确实不错，模拟器性能部分基本接近早先的高通版，虽然确实了刷 Win 的可能性(高通845版本可以刷 Win10/Win11)以及 USB-C 视频输出。但是额外的 4G 网络，更低的价格、WiFi 6、更低的 SOC 功耗也让天玑版非常值得考虑，这个 Lite 真的不是传统意义上的入门版，只是稍微减低了部分配置换来了更亲民的价格。
虽然 AYN 后面暂时没有安卓的新机计划(转去开发 Win 平台的 Loki 掌机了)，但是软件部分承诺会进一步优化目前的前端，对于复古游戏玩家来说确实是不错的。即使对模拟器不感兴趣的玩家，400g 以内的重量、不错的续航，也让 Odin Lite 非常适合作为串流机器。只要有性能够强的 PC，或是 PS4/PS5、XBox 主机(亦或是 XGP 云游戏)，掌机也可以通过串流畅玩 3A 大作。
好了，本篇评测到此结束，感谢大家的观看。希望大家点赞、收藏、评论，你的支持就是我更新最大的动力，我是 KC，我们下篇文章再见~~~
类脑计算将何去何从？
来源：内容由半导体行业观察（ID：icbank）编译自nature.，谢谢。
摘要
类脑计算新技术有望通过完全不同的方式处理信息，能效极高，并能处理我们加速产生的大量非结构化和嘈杂的数据。为了实现这一承诺，需要一个勇敢而协调的计划，将不同的研究团体聚集在一起，并为他们提供所需的资金、重点和支持。过去我们已经通过数字技术做到了这一点，我们正用量子技术做这件事。现在我们能为类脑计算做这件事吗？
现代计算系统能耗太大，对于日益成为我们生活一部分的复杂AI应用来说，不是可持续发展的平台。但我们往往看不到这一点，尤其在基于云的系统中，通常只关注功能，比如：它们有多快；如何准确；每秒有多少并行操作?我们习惯于即时获取信息，以至于忽略了计算系统给我们这种访问带来的能量和环境后果。然而，每次谷歌搜索都有成本：数据中心目前每年使用约200太瓦时的能源，预计到2031年将增长约一个数量级。类似地，如DeepMind的AlphaGo和AlphaZero等高端人工智能系统的惊人成就，需要数千个并行处理单元，可以在复杂的战略游戏中击败人类专家，每个单元的功耗约为200瓦。虽然不是所有数据密集型计算都需要人工智能或深度学习，但深度学习应用如此广泛，我们必须担心它的环境成本。我们还应该考虑包括物联网(IoT)和自主机器人代理在内的应用，这些应用可能不需要总是由计算密集的深度学习算法操作，但仍必须降低它们的能源消耗。如果无数联网设备的能源需求过高，那么物联网的愿景就无法实现。最近的分析表明，人们对计算能力需求的增长速度远远超过了摩尔定律所带来的进步。现在计算能力需求每两个月翻一番（图第1A段）。通过智能架构和软硬件协同设计的结合，取得了显著的进步。例如，自2012年以来，NVIDIA GPU（图形处理器）的性能提高了317倍：远远超出摩尔定律的预期（图1b）—尽管在同一时期，单元的功耗从大约25W增加到大约320W。进一步令人印象深刻的性能改进已经在研究和开发阶段得到证明（图1b，红色），我们可能会取得更多进步。不幸的是，仅靠传统的计算解决方案是不可能满足长期需求的。这点在我们考虑到最复杂的深度学习模型所需的惊人的高训练成本时，尤其明显(图1c)，我们需要替代的方法。a、在过去四十年中，以千兆次每秒来表示的计算能力需求的增长。直到2012年，计算能力需求每24个月就翻一番;最近，这个时间缩短到大约每两个月一次。颜色图例表示不同的应用程序域。b，过去五年AI硬件效率的提高。最先进的解决方案使计算效率提高了300多倍。研发中的解决方案有望进一步改进。c，自2011年以来人工智能模型训练成本增加。这样的指数增长显然是不可持续的。
能源问题很大程度上是数字计算系统将数据与处理数据分开存储的结果。这是数字计算系统的经典冯·诺依曼架构，处理器的大部分时间和精力都花在传输数据上。幸运的是，我们可以从生物学中获得灵感来改善这种情况，生物学采用了完全不同的方法——将记忆和处理置于同一位置，以完全不同的方式编码信息，或者直接对信号进行操作，并采用大规模并行处理，例如(专栏 1)。有种系统能很好地实现能源效率和高级功能：那就是大脑。我们意识到关于大脑如何运作，还有很多东西要学习，我们的目标不只是简单地模拟生物系统，但我们仍然可以从过去几十年神经科学和计算神经科学的重大进展中学习。凭借我们对大脑的了解足以用它来激发灵感。专栏1
我们所说的“神经形态”系统是什么意思?
从大脑中获取灵感，使我们能够以与现有传统计算系统完全不同的方式处理信息。不同的大脑启发(“神经形态”)平台使用不同方法的组合：模拟数据处理、异步通信、大规模并行信息处理或基于峰值的信息表示。这些性质使它们区别于冯·诺伊曼计算机。“神经形态”一词至少涵盖了三个广泛的研究群体，其区别在于他们的目标是模拟神经功能（对大脑进行逆向工程）、模拟神经网络（开发新的计算方法）还是设计新型电子设备。“神经形态工程”研究的是大脑如何利用生物突触和神经元的物理原理来“计算”。神经形态工程师的工作是通过利用模拟电子的物理特性（如载流子隧穿、硅浮栅上的电荷保持以及各种设备或材料属性对场的指数依赖性）定义基本操作，来模拟生物神经元和突触的功能。晶体管被用作具有丰富动态特性的模拟电路元件，而不是二进制开关。“神经形态计算”希望从生物学中找到处理数据的新方法，这可以被认为是神经形态系统的计算科学。研究着眼于模拟生物神经网络的结构和/或操作，这可能意味着存储和计算的共同定位，就像大脑一样;或者可能采用完全不同的计算方法，基于电压峰值来模拟生物系统的动作电位。支撑一切的是实现仿生功能所需的设备和材料。在这方面，最近的发展预示着新的电子和光子器件，我们可以定制其特性来模拟生物元素，如突触和神经元。这些“神经形态设备”可以提供令人兴奋的新技术，以扩展神经形态工程和计算的能力。在这些新设备中，最重要的是忆阻器：一种电子设备，其电阻是历史的函数。它们复杂的动态电反应意味着它们可以用作数字记忆元件、人工突触中的可变权重、认知处理元件、光学传感器和模拟生物神经元的设备。此外，它们还可能具有生物树突的某些功能，而且它们的动态反应可以产生与大脑类似的振荡行为，不过有争议的是，它们在“混乱的边缘”运转，也可能与一个系统中的生物神经元有关。但他们可以在消耗很少能量的情况下完成所有这些工作。生物灵感
在生物学中，数据存储与处理是分不开的。同样的元素——主要是神经元和突触——在大规模并行和适应性结构中执行这两种功能。在典型的人类大脑中包含的1011个神经元和1015个突触大约消耗20w的功率，而一个大约相同大小的人工神经网络的数字模拟消耗7.9 MW，这六个数量级的差距给我们带来了挑战。大脑以极高的效率直接处理那些嘈杂信号。这与传统计算机系统中的信号-数据转换和高精度计算形成了鲜明对比，即使是最强大的数字超级计算机，也会在能源和时间上产生巨大的成本。因此，受大脑启发或“神经形态”的计算系统可以改变我们处理信号和数据的方式，无论是在能源效率方面，还是在处理现实世界不确定性的能力方面。这已经不是一个新想法。20世纪80年代末，加州理工学院（California Institute of Technology）的卡弗·米德（Carver Mead）提出了“神经形态”（neuromorphic）一词，用于描述模拟生物神经系统某些功能的设备和系统。灵感来自于过去几十年的工作，他们将神经系统建模为等效电路，并建造模拟电子设备和系统以提供类似的功能(专栏1)。一个关于“数据”的词。我们用这个术语来描述编码在模拟信号或传感器的物理响应中的信息，以及更标准的以计算为中心的数字数据。当我们提到大脑“处理数据”时，我们描述的是一套完整的信号处理任务，它们不依赖于任何传统意义上的信号数字化。我们可以想象大脑启发系统在不同的水平上运行:从模拟信号处理到使用大型数字数据集。在前一种情况下，我们可以首先避免生成大型数据集；在后者中，我们可以通过远离冯·诺伊曼模型来大大提高处理效率。当然，我们在许多应用中以数字方式表示数据是有原因的：我们需要高精度、可靠性和确定性。然而，数字抽象抛弃了在晶体管物理学中发现的大量信息，以获得最小的信息量子：单个比特。我们用效率换取可靠性，为此付出了相当大的能源成本。人工智能应用在本质上往往是概率性的，因此我们必须考虑这种权衡是否合理。当由传统的冯诺依曼计算机执行时，支撑人工智能应用的计算任务是十分计算密集的（并且因此是耗能的）。然而，在使用基于尖峰的信息表示的模拟或混合系统上，我们可以更节能地执行类似的任务。因此，在人工智能系统发展和新设备出现的推动下，最近人们对神经形态计算的兴趣再度兴起，这些新设备提供了新的和令人兴奋的方式来模拟生物神经系统的某些功能(专栏1)。“神经形态”的定义差异很大。不严格地说，这是一个关于硬件的故事：神经形态芯片旨在集成和利用大脑的各种有用特性，包括内存计算、基于尖峰的信息处理、细粒度并行性、信号处理、抗噪声和随机性、适应性、硬件学习、异步通信和模拟处理。尽管需要实现多少这样的功能才能归类为神经形态这件事存有争议的，但这显然是一种不同于在主流计算系统上实现人工智能的方法。然而，我们不应迷失在术语中，关键问题在于这种方法是否有用。神经形态技术的方法是在对大脑的结构和功能进行逆向工程(分析)以及目前我们对大脑缺乏知识的情况下，但从我们已知的知识中获得灵感（综合）之间。在前一种方法中，或许最重要的是“人类大脑计划”，这是一个备受瞩目且雄心勃勃的十年计划，由欧盟从2013年开始资助。该项目支持采用和进一步开发两个现有的神经形态硬件平台——spinnaker(在曼彻斯特大学)和BrainScaleS(在海德堡大学)——作为开放访问的神经形态平台。这两个系统都实现了大脑结构高度复杂的硅模型，以更好地理解生物大脑的运作。在光谱的另一端，许多研究小组使用选定的生物激发方法来增强数字或模拟电子器件的性能。图2总结了现有神经形态芯片的范围，根据其在分析-合成光谱中的位置和技术平台，将其分为四类。重要的是要记住，神经形态工程不仅仅是关于高级认知系统，而且还在认知能力有限的小型边缘设备中提供能量、速度和安全收益(至少通过消除对云持续通信的需求)。前景
我们并不认为神经形态系统将或者应该取代传统的计算平台。相反，精确计算应该保留数字计算，而神经形态系统可以处理非结构化数据，执行图像识别，分类噪声和不确定的数据集，并支持新的学习和推理系统。在自主和物联网系统中，它们可以比传统系统节省大量能源。量子计算也是这一愿景的一部分。尽管估计还需要几年的时间，一台实用的量子计算机，肯定会彻底改变许多计算任务。但是，物联网智能传感器、边缘计算设备、自主机器人系统在不依赖云计算的情况下，不大可能采用量子计算，对能够处理不确定和噪声数据的低功耗计算元件的需求仍将存在。我们可以想象数字系统、神经形态系统和量子系统之间的三方协同作用。正如半导体微电子学的发展依赖于许多不同的学科，包括固体物理学、电子工程、计算机科学和材料科学，神经形态计算具有深刻的跨学科和跨学科性质。物理学家、化学家、工程师、计算机科学家、生物学家和神经科学家都扮演着重要角色。仅仅让来自不同学科的研究人员说一种共同的语言就很有挑战性。在我们自己的工作中，我们花了大量的时间和精力来确保房间里的每个人都以相同的方式理解术语和概念。在计算机科学（特别是人工智能）和神经科学（最初是计算神经科学）社区之间架起桥梁的情况是显而易见的。毕竟，在当今最先进的人工智能系统中发现的许多概念都是在20世纪70年代和80年代出现在神经科学领域的，当然，人工智能系统并不需要完全是生物现实的。我们必须纳入其他学科，认识到我们在人工智能或神经科学方面取得的许多进步是由不同领域促成的——例如，材料科学、纳米技术或电子工程方面的创新。此外，传统的CMOS(互补金属氧化物半导体)技术可能不是有效实现新的大脑启发算法的最佳结构，需要全面创新。尽早让这些社区参与进来，可以减少在已经探索过但失败的方向上浪费精力的风险，也可以减少重新发明轮子的风险。此外，我们不应忽视在系统级别集成新的神经形态技术的挑战。除了开发受大脑启发的设备和算法，还有一些紧迫的问题，即如何用功能相当的神经形态替代方案来取代现有的主流人工智能系统，这进一步强调了对类脑计算完全集成方法的需求。我们应该指出，尽管有上述潜力，但目前还没有令人信服的商业神经形态技术的证明。现有系统和平台主要是研究工具，量子计算也是如此，它仍然是一个长期的前景。我们不应该因此耽误类脑计算的发展。当前，对低功耗计算系统的需求十分迫切，我们即将通过一种完全不同的计算方法来实现这一目标，商业系统肯定会出现。抓住机遇
如果需要神经形态计算，如何实现?第一，技术要求。把不同的研究界团结起来是必要的，但这还不够，需要激励措施、机会和基础设施。神经形态社区是一个完全不同的社区，缺乏对量子计算的关注，也缺乏半导体行业的清晰路线图。全球各地的项目正开始收集所需的专业知识，早期阶段的势头正在形成。要实现这一点，资金是关键。对神经形态研究的投资规模远不及数字人工智能或量子技术(专栏2)。尽管考虑到数字半导体技术的成熟，这并不令人惊讶，但这将错失机会。在神经形态的研究和开发方面有一些中等规模的投资，如IBM人工智能硬件中心的一系列大脑启发项目(包括TrueNorth芯片)，英特尔的Loihi处理器的开发，以及美国的大脑计划项目，但它们的投资总额远远低于一个有望颠覆数字人工智能技术应有的水平。神经形态领域是一个庞大且不断增长的领域，但它缺乏一个重点。尽管有许多会议、专题讨论会和期刊出现在这一领域，但仍有许多工作要做，通过将不同领域的专家聚集在一起，以此来努力说服，让资助机构和政府认识到这一领域的重要性。采取大胆举措的时机已经成熟。在国家层面，政府需要与学术研究人员和产业界合作，建立以任务为导向的研究中心，以加速神经形态技术的发展。这种方法在量子技术和纳米技术等领域十分有效——美国国家纳米技术计划（US National Nanotechnology Initiative）很好地证明了这一点，并提供了关注和激励。这些中心可以是实体的，也可以是虚拟的，但必须汇集不同领域最优秀的研究人员。他们的方法必须与传统电子技术的方法不同，在传统电子技术中，每个抽象层次（材料、设备、电路、系统、算法和应用）都属于不同的领域。我们需要在整个堆栈中进行整体和并行设计。电路设计者在设计系统之前咨询计算神经科学家是不够的，工程师和神经科学家必须在整个过程中合作，以确保尽可能全面地将生物启发原理整合到硬件中。跨学科的共同创造必须是我们方法的重点，研究中心必须容纳广泛的研究人员。除了必要的物质和金融基础设施，我们还需要训练有素的劳动力。电子工程师很少接触神经科学的思想，反之亦然。电路设计师和物理学家可能对神经元和突触有一定的了解，但不太可能熟悉尖端的计算神经科学。建立培养神经形态工程师的硕士课程和博士培训计划是有充分理由的。英国研究委员会（UK Research Council）赞助博士培训中心（CDTS），该中心是支持已确定需要训练有素研究人员的领域。CDTS可以是单个或多个机构，通过建立跨机构的互补团队，在这些项目上合作的机构将获得实质性的好处。这种项目通常与行业密切合作，建立高技能的研究人员队伍，而传统的博士项目往往无法做到这一点。这是一个很好的例子来开发类似的东西，来刺激新生神经形态工程领域之间的互动，并提供下一代研究人员和研究领导者。开创性的例子包括格罗宁根认知系统和材料研究项目，该项目旨在培养数十名专门研究认知(AI)系统材料的博士生，慕尼黑工业大学的神经工程硕士项目; 苏黎世联邦理工学院神经形态工程模拟电路设计课程；斯坦福大学的大规模神经建模；在塞维利亚微电子研究所开发视觉神经形态系统。在这方面他们还有更多的空间。类似的办法可以在跨国一级发挥作用。就像在研究中，当最优秀的人与最优秀的人不分国界地合作时，那这种合作就最成功。在神经形态计算这样跨学科研究中，这点至关重要，因此国际研究网络和项目无疑可以发挥作用。早期的例子包括专注于神经形态计算技术的欧洲神经技术联盟，以及位于德累斯顿大学的蔡氏忆阻器中心，该中心汇集了材料、设备和算法领域许多优秀的记忆电阻器研究者。同样，我们可以而且必须做更多的工作。如何能让这类项目吸引政府的关注？政府对更节能的仿生计算的承诺可以成为更广泛的大规模脱碳推动的一部分。这不仅将解决气候变化问题，还将加速围绕大数据、物联网、医疗保健分析、药物和疫苗发现建模以及机器人等新低碳行业的出现。如果现有行业依赖于更大规模的传统数字数据分析，则会增加能源成本，同时提供次优性能。相反，我们可以创造一个良性循环，在这个循环中，大大减少这类推动下一代颠覆性产业的知识技术的碳足迹，并在此过程中培育出一系列新的神经形态产业。如果这听起来是一项艰巨的任务，那么考虑一下量子技术。到目前为止，英国政府已投入约10亿英镑用于一系列量子计划，主要是在国家量子技术项目的庇护下。一系列的研究中心，汇集了工业界和学术界，将量子科学转化为针对传感器和计量、成像、通信和计算的技术。一个独立的国家量子计算中心建立在这些中心和其他研究人员的工作基础之上，提供演示硬件和软件，以开发通用量子计算机。中国已经建立了一个数十亿美元的中国量子信息科学国家实验室，美国在2018年委托了一项量子信息科学国家战略概述，这导致了一项为期五年的12亿美元的投资，此外还支持了一系列国家量子研究中心。得益于这项研究，全球掀起了一股创立量子技术公司的热潮。一项分析发现，2017年和2018年，私营公司的融资达到了4.5亿美元。尽管神经形态计算技术比量子技术更成熟，并有可能在更短的时间内颠覆现有的人工智能技术，但对神经形态计算并不存在这样的联合支持。在我们设想的未来计算的三个分支中，神经形态的投资严重不足。最后，谈谈COVID-19大流行可能对我们的论点产生的影响。越来越多的人一致认为，这场危机加速了许多已经发生的事态发展：例如，人们开始更多地在家工作。尽管减少通勤和旅行有直接的好处——一些人估计，危机导致全球二氧化碳排放量减少高达17%——但新的工作方式是有代价的。减少旅行所节省的碳能在多大程度上被增加的数据中心排放所抵消？如果说有什么不同的话，那就是COVID-19的流行进一步强调了开发低碳计算技术（如神经形态系统）的必要性。我们关于如何实现神经形态系统潜力的信息是明确的：通过建立卓越研究中心，为合作研究提供有针对性的支持；提供灵活的供资机制，以实现快速进展；提供与业界密切合作的机制，以引入商业资金，并产生新的衍生企业和初创企业，类似于已在量子技术方面实施的计划；为下一代神经形态研究人员和企业家制定培训方案；并快速、大规模地完成所有这些工作。神经形态计算有可能将我们的方法转变为人工智能。由于新技术的结合，以及不断增长的对高效人工智能的巨大需求，我们有了新机遇，需要大胆的想法，以及支持这种想法的大胆举措。我们会抓住机会吗？专栏2
人工智能融资格局
对“传统”数字人工智能的投资正在蓬勃发展，这是因为需要处理不断增加的数据量，以及需要开发硬件来支持现有的计算和内存密集型算法。英国政府于2018年4月宣布了一项价值9.5亿英镑的数字人工智能“行业交易”，并得到了现有研究委员会支持。法国宣布2018—2022年政府人工智能投资18亿欧元，德国承诺2018—2025年投资30亿欧元，日本2017年投资26万亿日元。2020年，美国政府对民用人工智能技术的资助为9.73亿美元；由于非人工智能项目经常被包含在已发表的分析中，美国军方的人工智能资助数据更难获得。据估计，中国将在民用和军用人工智能领域投资高达80亿美元，并正在北京附近建设一个21亿美元的人工智能研究园区，欧盟委员会承诺在2018-2020年期间投资15亿欧元。商业投资让这个相形见绌。在美国，有人估计，2019年对人工智能公司的总投资为195亿美元，到2023年，全球投资预计将达到980亿美元左右。如果我们当前的硬件系统无法支持具有潜在破坏性的神经形态算法和架构，就必须考虑到这一金额存在风险。如果神经形态技术能够像它们所承诺的那样提供效率节约和性能提升，那么聪明的投资者就把赌注押在数字系统之外的新技术和架构上。由于神经形态技术目前缺乏关注和政府层面的可见度，因此无法获得可比数据。此外，研究资金是零碎的，而且是在项目层面，而不是战略层面。尽管已经发表了各种预测，例如，全球神经形态芯片市场将从2021年的2270万美元增长到2026年的5.506亿美元，但最稳妥的结论是，神经形态系统的资金远远落后于数字人工智能或量子技术。★ 点击文末【阅读原文】，可查看本篇原文链接！
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第3022内容，欢迎关注。
晶圆｜集成电路｜设备｜汽车芯片｜存储｜台积电｜AI｜封装
相关问答
what`s"rainscatsanddog._作业帮[回答]RainCatsandDogsLikemanyotherphrasescontainedinthesepages,theoriginofthisphraseisun...
namedandnamelesstoeternityComethouf】作业帮[回答]所以我对你说:我从你那里拥有沉默,无法言传的智慧、所有的光明、,所有的能力!透特、赫耳墨斯、墨丘利、奥丁神,不论以何命名我召你,你是未提及和不...
驯龙高手摘抄好句英汉?Hiccup:I’msorry,dad.I’mnotthechiefthatyouwantedmetobe.AndI’mnotthepeacekeeperIth...
英语翻译Therion 的专辑,请达人帮忙,这是英文歌词Tidesson...SonofthestavesoftimeTidesson...TellusthesecretrhymeByrgertidessonYo...
北欧神话奥丁和风神的关系是什么-ZOL问答巴德尔的父亲是主神奥丁(Odin),母亲是神后弗丽嘉,他和黑暗神霍德尔(Hoder)是孪生兄弟。他的妻子是尼普(Nip)女神的女儿南娜(Nanna),她是一位美丽且爱娇的女神...
13是一个什么数啊，为什么说它是一个不吉利的数字呢。谢谢?美国加州柏克莱大学的约翰・林朵教授(JohnLindow)是一位研究挪威神话的专家,著有《天神间的谋杀与复仇:北欧神话里的波杜尔》(MurderandVengeanceA...此...
战神除了斧子还有别的武器吗?是的,战神除了斧子还有许多其他武器。他可以使用剑,弓箭,盾牌和匕首等近战和远程武器。剑是他的主要武器之一,可以进行快速而准确的攻击。弓箭可以用来远程攻...
教教我英语iq题Wecandothingbutstayathome,becauseitisraini...[回答]RainCatsandDogs(倾盆大雨)这一短语的出处也不得而知.有记载的用法首次出现在朱纳森·斯威夫特所著的《礼貌会话》一书中,该书大约写于1708年,三...
该款三星手机能刷机成小米系统吗-ZOL问答试试这个方法:用Odin刷入(I00_Recovery.0.1._JB_by_xiaolu.tar自己网上搜索下载)。之后进入Recovery模式双清之后在进入mountsandstor...
北欧神话中的七神器是什么?其名字的意思是“安德瓦利之宝”(AndvariGem或Andvari'sGift),中译有“吸金指环”。7、斯基德普拉特尼斯基德普拉特尼(古诺尔斯语:Skíðblaðnir)是弗......
扫一扫微信交流