类脑计算的主要方法有如下：

据统计，现阶段全球已经有20家上下有关创企，尽管融资轮次多集中在A轮，但每家企业拿到手的融资额短则一定更多就是过亿。

其中还有一家公司完成了发售，也有3家上下完成了自己家新产品的批量生产。尽管面对众多难解难题，类脑计算，早已从试验室走向商业化的探索。据政府部门预测分析，2035年类脑计算的市场份额约200亿美金。

就在这个月，美国还公布资金投入5亿人民币打开脑计划2.0，提前准备制作史上最牛人类人的大脑细胞图谱。这一媲美曾经的基因组方案，将很好地帮我们解除时下类脑计算科学研究中出现的谜团。

量子位智库在与行专业人士开展多次沟通交流以后，写出这一份《类脑计算产业深度报告》，尝试给大家一个全方位的回答。

如同他们所见，人工智能是依靠庞大信息量和精准计算，在近几年来获得了许多举世瞩目的发展。但是和人的大脑对比，其根据的神经网络算法（DNN）在信息资源管理效率，即速度与功耗上，主要表现仍还不够好。

在其中“速率”就是指他在计算不一样神经系统层导出要以次序的形式进行，造成各层都必须要等候上一层的导出计算进行之后才能实行下一步，缺乏构架协调能力。“功耗”则指的是在冯诺依曼构架下，庞大信息量代表着经常且大规模计算，接踵而来便是功耗的急速提升。

但是我们的人的大脑靠这其中的神经元以脉冲的方式进行信息的传递，约870亿次神经元相对高度离散系统投入工作，每一个神经元在外部和外部都和别的神经元有高达10000个联接，背负着数十万个配合的并行处理全过程，功耗却只需20W左右。

本文地址： http://www.goggeous.com/20250101/1/1054708

文章来源：天狐定制

版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。