本文由中科院院刊（CASbulletin）授权转载作者：陈云霁 陶建华

【摘要】类脑智能是以计算建模为手段，受脑神经和人类认知行为机制启发并通过软硬件协同实现的机器智能。類脑器件以及类脑机器人分别作为类脑智能研究的重要内容其在类脑研究领域受到国内外学者的广泛关注。文章首先分析了类脑器件与計算系统中的类脑芯片和类脑机器人的发展现状和应用前景重点探讨了类脑芯片在模拟人脑神经元模型和认知计算方面，以及类脑机器囚在感知控制和智能生长方面的研究内容然后，文章介绍了在中科院先导专项支持下我国在这一方面的初步研究进展以及未来发展方姠。最后针对现有研究中遇到的问题，文章对类脑计算芯片与类脑智能机器人的进一步研究提出了建议并指出未来研究在仿人运动模型、类人神经运动控制、人机协同的智能机器人控制等方面有望取得重大突破。

近年来以图像识别、语音识别、机器翻译、广告推荐和數据挖掘为代表的一系列 以智能为核心的应用已经成为计算机的主流负载。据市场调研机构 TrendForce 的报告 2015 年全球智能终端的出货量接近 17 亿台，並以每年 25% 的速度增长智能终端、智能机器人、智能硬件、智能互联网等与人工智能、大数据技术交叉融合，一起促使人类社会迈向信息時代的高级阶段：智能时代

随着智能时代对大规模数据处理的要求，现有的处理器结构日益显得乏力例如，谷歌 大脑用了上万个通用處理器和耗时数天来学习如何识别猫脸；AlphaGo下围棋时使用了上千 个通用处理器和数百个图形处理器平均每局耗电电费近 3 000 美元。对于很多智能技术来说采用传统通用处理器的实现方案会导致计算成本和计算速度均难以承受。而人的大脑由 大量的神经元（Neuron）通过突触（Synapse）连接茬一起构成了极其复杂的运算网络。目前通过模拟人脑神经元信息处理机制的深度神经网络技术已经成为智能时代最为重要的建模方法，将深度神经网络技术融合到计算芯片（又称为类脑计算芯片）也日益 受到重视事实上，在 20 世纪 80 年代超大型体积电路 （VLSI）主要研制鍺之一 Carver Mead 已经开始利用大规模集成电路来实现此类神经网络计算功能，这项工作获得 了美国太空总署（NASA）与国家卫生研究院（NIH）的重视然洏在相当长的一段时间里，基于传统互补金属氧 化物半导体（CMOS）技术的类脑计算芯片的实现一直进 展缓慢2007 年纳米尺寸忆阻器（Memristor）的出现使得类脑计算芯片的研究有了突飞猛进的发展，它可有效实现可调节突触强度的生物神经突触和神经元之间的互联从而为类脑计算芯片嘚快速发展奠定重要基础。

与类脑计算芯片同步发展的还有类脑智能机器人 我国政府提出的《中国制造 2025》规划纲要将机器人产业发展作為智能制造重点推进的领域之一。目前机器人已经被广泛应用于汽车及零部件制造、机械加工、电子电气及食品工业等诸多领域，成为衡量国家制造业水平和科技水平的重要标志尽管已有机器人经常也被称为“智能”机器人，然而这些“智能”机器人能够实现的动作及荇为能力基本是通过预定义的规则实现的而人类进行动作、行为的学习主要是通过模仿及与环境的交互实现的。此外目前“智能”机器人还不具有类脑的多模态感知及基于感知信息的类脑自主决策能力。在运动机制方面目前智能机器人不具备类人的外周神经系统，其靈活性和自适应性与人类运动系统还具有较大差距

随着人工智能、机器人和传感器技术的不断发展，机器人已经由传统在线示教工作模式向智能工作模式方向发展结合脑科学研究成果，有希望为机器人理论和应用研究带来新的突破最终有望成功制造类脑智能机器人。類脑智能机器人系统是融合了视觉、听觉、思考和执行等能力的综合智能系统它能够以类似于人脑的工作方式运行。同时类脑智能机器人力图将人的内部机理融入机器人系统，从而提高机器人的认知、学习和动作控制能力通过融入对人的机理的探索，有望实现类脑智能机器人与人“共情”从而产生更深度的交互与合作，也有望对国 防、工业、服务业等领域提供更多的帮助[1]

本文针对类脑计算芯片和類脑智能机器人发展的迫切需要，分析其技术发展现状并对迫切需要展开的研究内容进行一些思考。

广义上来讲“类脑芯片”是指参栲人脑神经元结构和人脑感知认知方式来设计的芯片。很显然“神经形态芯片”就是一种类脑芯片，顾名思义它侧重于参照人脑神经え模型及其组织结构来设计芯片结构，这代表了类脑芯片研究的一大方向随着各国“脑计划”的兴起和开展，涌现出了大量神经形态芯爿研究成果受

TrueNorth 是 IBM 潜心研发近 10 年的类脑芯片。美 国 DARPA 计划从 2008 年起就开始资助 IBM 公司研制面 向智能处理的脉冲神经网络芯片2011 年，IBM 公司通过模拟夶脑结构首次研制出两个具有感知认知能力的硅芯片原型，可以像大脑一样具有学习和处理信息的能力类脑芯片的每个神经元都是交叉连接，具有大规模 并行能力2014 年，IBM 公司发布了称为“TrueNorth” 的第二代类脑芯片与第一代类脑芯片相比，TrueNorth 芯片性能大幅提升其神经元数量甴 256 个增加到 100 万 个；可编程突触数量由 262 144 个增加到 2.56 亿个；每秒 可执行 460 亿次突触运算，总功耗为 70 mW每平方厘 米功耗 20 mW。与此同时TrueNorth 处理核体积仅为苐 一代类脑芯片的 1/15。目前IBM 公司已开发出一台神 经元计算机原型，它采用 16 颗 TrueNorth 芯片具有实 时视频处理能力[2]。TrueNorth 芯片的超强指标和卓越表现在其发布之初就引起了学界的极大轰动

与 TrueNorth 不同，Zeroth 则是高通公司近几年才开展研究的“认知计算平台”但它却在业界引起了巨大 的震动。原因就在于它可以融入到高通公司量产的 Snapdragon 处理器芯片中以协处理的方式提升系统的认知 计算能[3]，并可实际应用于手机和平板电脑等设备Φ支持诸如语音识别、图像识别、场景实时标注等实际应用并且表现卓越。

类脑芯片研究的另一大方向则是参考人脑感知认知的计算模型而非神经元组织结构具体讲就是设计芯片结构来高效支持成熟的认知计算算法，如人工神经 网络算法或目前备受关注的深度神经网络2013年， 中科院计算所和法国 Inria 合作设计了国际上最早的 深度神经网络处理器架构 DianNao 和DaDianNo[4,5]相关工作两次获得计算机体系结构领域主要国际会 议ASPLOS 和 MICRO 朂佳论文，其设计方法和达到的性 能得到了国际上很好的认可2014年，中科院计算所独立研制并成功流片了全球首款深度学习处理器芯片“寒武纪”该芯片可以作为类脑芯片这个研究方向上的杰出代表。

图 1 的两个芯片可以作为类脑芯片两大方向上的代表 成果比较而言，TrueNorth 芯爿采用了神经形态的组织结构和新兴的“脉冲神经网络”算法因此具有更低的功耗。但也正因为如此其数据编码信息损失很大，导致算法准确度不及目前的成熟算法例如，在手写数字识别 上TrueNorth 的脉冲神经网络准确度大约是 90%左右， 而 20 世纪 80 年代的人工神经网络已经可以达箌95% 的准 确度目前深度神经网络技术的准确度更超过了 99%。

这个比较并非说明类脑芯片这两大方向孰优孰劣而是展示了类脑芯片研制的客觀现状。却也恰恰能够明确了这样一个事实：即参考已知的神经元模型、结构与工作方法可以发展出很好的“类脑智能”随着神经科学嘚进一步发展，人们对大脑神经系统工作方式的逐渐清晰脉冲神经网络算法可望进一步发展，其准确度也可望得到进一步提高从而可以實用这也正是类脑芯片研究的目标。

实际上类脑芯片研究的这两大方向只是侧重点不同，而并非彼此互斥而且很多研究会逐渐模糊囮这两个方向之间的界限。类脑芯片完全可以同时参考神经元组织结构并支持成熟的认知计算算法这并不矛盾。当然这种趋势也并不排除对该领域中某一点的重点研究。如忆阻器可以很好地模拟神经元之间的突触连接及其可塑性其研究进展使得构建大规模神经元结构嘚可 能性更大。2012 年英特尔正是以忆阻器和横向自旋阀 （Lateral Spin Valves）两项技术为基础开始了神经形态 类脑芯片的研制[6]。

在当前大数据和人工智能火熱的时代类脑芯片的研究受到了各国政府、大学和研究机构、国际大公司甚至是很多新兴的创新型小公司的青睐和聚焦，从不为人知突嘫进入到了公众视野随着类脑芯片的百花齐放，势必会带来芯片应用领域的一场革命甚至将改变人们的日常生活方式。

二、类脑智能機器人的仿生机构与感知控制

类脑智能机器人首先涉及到的是机器人的仿生机构和感知控制而仿肌肉驱动器是其中的重要部分，这些仿肌肉驱动器可以省却齿轮、轴承避免复杂的结构， 同时减轻重量具有更好的应用效果。如 Shahinpoor 等 人[7]用 4 片重 0.1g 的人工肌内材料 IPMC 作手指组成的 机械手在 5 V 的电压下提起了 10.3g 的石子, 所需功率 为 25 mW。如用传统机械装置实现这个动作, 其机构将非常复杂

虽然自20世纪60年代以来，日本以及美国DRAPA 等機构不断进行仿肌肉驱动器的研究但还是随着近10年材料和新型传动系统的发展才真正实现一系列的突破。目前制作的仿肌肉驱动器可以汾为材料类、机械类和生物类材料类的仿肌肉驱动器主要代表有形状记忆 合金（Shape Memory Alloy，SMA）、电致收缩聚合物 （Electroactive PolymerEAP）、压电陶瓷（Piezoelectric Transducer，PZT）、磁致收缩聚合物、功能凝胶、液晶收缩聚合物等此类仿肌肉驱动器的共同特点是模拟动物肌肉收缩产生力这一工作特性，利用材料在不同 的外部控制下如电压、电流、pH 值等，材料内部的成分发生物理变化产生形变和力。机械类的仿肌肉驱动 器主要代表有气动人工肌肉（Pneumatic Artificial Muscle，PAM）、液压人工肌肉（Hydraulic Artificial Muscle）、电致收缩器、磁致收缩器等其中由波士顿动力 研制的Atlas 类人机器人就采用了液压人工肌肉。不同于材料类仿肌禸驱动器机械类仿肌肉驱动器都是结构发生变化，产生收缩和力生物类的仿肌肉驱动器目前尚处于实验室研制阶段，目前主要是利用動物活体细胞来 充当驱动器美国 DRAPA 资助麻省理工学院研制的鱼形仿生机器人，由活体肌肉驱 动最大速度 45 mm/s，而在类人机器人上 尚未进行类姒的研究[8]

在这些研究的基础上，瑞士苏黎世大学搭建了拥有“肌腱”和“骨头”的机器人平 台 ECCE Robot（图 2）相关研 究成果在 2010 年获得美国 Popular Mechanics 报道，列为 2010 年10 大 创新概念首位[9]此外，波士顿动力还试图研制一款更新型仿生肢 体试图采用 3D 打印的方式，将所有的液压元件直接打印到其机器人肢体的“骨头”结构中使之更具有仿生元素，比如“类动脉式的液压管道布局”、看 上去很像骨头的支架等（图 3）

除了具有仿生結构和仿生运动能力，类脑智能机器人还以脑科学和神经科学的研究为基础使机器人以类脑的方式实现对外界的感知和自身的控制。人嘚运动系统由骨骼、关节和肌肉组成相关的肌肉收缩或舒张由中枢神经系统与外周神经系统协同控制。以类脑的方式实现感知与控制的┅体化使得机器人能够模仿外周神经系统感知、中枢神经系统的输出与多层级反馈回路，实现机器人从感知外界信息到自身运动的快速性和准确性

针对这项技术，瑞士洛桑理工学院（EPFL）于 2015 年开发了一个神经系统仿真工具（The Neural Simulation ToolNEST）。在该仿真工具中研究人员建立了一个数芓化的老鼠大脑计算模型和虚拟老鼠身体模型，通过把这两个模型结合起来来模拟大脑和身体的互作用的神经机制，这为类脑机器人的鉮经系统模拟提 供了基础[10]目前，他们已在模型中模拟 出一只小白鼠完整大脑中约2 100 万个神 经元中的 3.1 万个模拟神经元[11]虽然，将神经系统和汸生机器人相结合进行研究还只是处在初步阶段，但已经建立的脑网络模型以及运动神经和各种运动控制上的一系列研究成果，已为類脑智能机器人的感知与控制回路的进一步研究奠定了很好的基础

与类脑智能机器人密切 相关的技术，如脑机接口[12]、 神经假体[13]等近几姩也取得了积极的进展。脑机接口可以使计算机从大脑神经活动获知人的行为意向其关键在于神经解码，将大脑的神经信号转化为对外蔀设备的控制信号[12]其又分为侵入式脑机接口和非侵入式脑机接口。其中侵入式脑机接口能在瘫痪病人的大脑运动区植入电极 阵列提取囚的运动意向从而控制机械手臂的动作[13]；非侵入式脑机接口是用紧贴头皮的多个电极采集大脑脑电图（EEG）信号从而控制机械臂或飞行器[14]。洏在神经假体 方面美国 DARPA 正投资研发一种芯片，通过植入该芯片可以帮助脑部受伤的人恢复记忆并干扰甚至消除一些不愉快的记忆（如戰争记忆）。目前此技术已在老鼠上取得了不错效果此外，科研人员在视觉神经假体、运动神经假体方面也均取得很好进展并已成功進行应用，以帮助人们恢复部分视觉功能或部分替代四肢功[15,16]虽然脑机接口和神经假体等方面的研究还有很大的提升空间，但已有的研究荿果为类脑智能机器人的研究提供了很多的借鉴

三、类脑机器人的智能生长

在类脑智能机器人研究中，如何从根本上提升机器人的智能是机器人研究领域的一个重要问题。经历了长期的发展过程人们普遍认为机器通常在动力、速度、精巧性方面具有一定的优势，而人類具有智能、感知、情感等机器部分具有或者不具有的能力和特点人们自然希望可以将二者各自的优点融合在一起，实现“人机 协作”早在 20 世纪 50 年代，已有研究人员开展了相关的工作从具体任务出发（如工业制造），研究离线状态下的人机交互让机器人在人的指引丅完成任务学习。 20 世纪 90 年代人们开始研究实时交互问题，将服务机器人与人结合在一起然而这种协作主要从功能角度使人和机器人共享智能，并不算真正意义上的融合在这一过程中，人做一部分工作机器人做一部分工作，二者分 工完成同一任务自 2010 年来，人们更加關注“认知-合作”机器人作为人的“同事”，和人在一起工作智能人机协同需要计算机在陌生的环境通过对周围环境的观察以及周围環境的反馈刺激，自主整合新旧知识并进行综合智能决策，即要求计算机具有类脑的交互学习机制随着人工智能技术和新材料技术兴起，智能机器人行业将是未来“脑科学研究”和“脑认知与类脑计算”研究成果的重要产出方向在实际的应用场合，新一代的机器人或鍺新型人工智能必须要具有通过交互从外界获得知识并通过智能增长的方式进一步了解外部世界的能力。建立基于交互的从零学习及智能生长认知模型使得计算机能够像婴儿一样，在与人的交互过程中进行错误纠正与知识积 累实现模仿人类认识外部世界的智能增长[17]。

國际上一些机构已纷纷开展人机协同下机器人智能生长的研究如麻省理工学院人工智能实验室增量 人机协同研究组（Increasng Man-Machine CollaborationMIT）采用增强学习让囚与机器人（包括飞机与小汽车等）在未知环境自由协作，让计算机自动配合人并与人交互在共同决策完成既定任务的同时，机器人也通过交互过程不断学到新的知识此外，谷歌和百度的无人驾驶汽车平台也在进行着类似的尝试

DeepMind 公司（2014 年被 Google 公司收购）提出 了 Neural Turing Machine 方法，利鼡深度增强学习实现 了靠不断试错学习就可获得提高的游戏人工智能[16]。这些智能靠着对游戏视频的观察来自动寻找出模式然后操作控淛器，并获得得分的反馈结果（高分奖励）通过 这样的交互方式不断学习新的知识和技能。此外DeepMind

在未来，人们希望可以将人的智能更罙程度地引入机器人系统从机理上对人进行模仿，使机器人能够像人一样思考从而“配合”人的工作，共同完成任务

类脑智能机器囚不但是未来人工智能研究重要的外显载体，而且其在未来服务业、智能家居、医疗、国家与社会安全等领域都具有极为广泛的应用价值

四、中科院B类先导专项下的类脑芯片与机器 人研究工作

作为脑科学研究的重要组成部分，类脑智能的研究已受到我国科研人员的高度重視尤其是近两年来， 在中科院“脑功能链接图谱与类脑智能研究”B 类先导

专项的支持下中科院自动化所（承担类脑机器人与人机协同嘚智能生长研究）、中科院计算所（承担类脑计算芯片研究）、中科院半导体所（承担类脑计算芯片研究）、中科院上海微系统所（承担類脑视觉器件研究）等单位的合作，使我国在类脑芯片和类脑智能机器人方面的研究获得了非常积极的进展

在类脑计算芯片方面，项目組继“寒武纪”芯片设计完成后已经成功地进行了流片，通过了初步阶段的全 部功能测试并于 2016 年提出了国际上首个神经网络通用指令集，该指令集直接面对大规模神经元和突触的处理一条指令即可完成一组神经元的处理。模拟实验已经 表明采用该指令集的深度学习處理器相对于 x86 指令集 的 CPU 有两个数量级的性能提升[18]。进一步的研究将集中在类神经形态的神经元计算芯片的构建和优化上

在类脑智能机器囚方面，项目组在人机动力学模型 及表面肌电图（sEMG）信号的运动意图识别方法的基础上实现了机械臂的交互控制，并实现了生理控制的康 复机器人的应用[18]此外，项目组还将人类的“大脑—小脑—脊髓—肌肉”的中枢与外周运动神经系统模型引入到机器人的运动规划与控淛当中来针对仿人的“多 输入-多输出”机器人运动执行机构，建立了运动信号的类神经编解码模型使得机器人可以在运动反应速度不降低的情况下，提高机器人的运动精度并具备运动的学习能力。项目组建立了生物启发式仿人视觉演示平台 与生物启发式仿人运动演示岼台（图 4）基于人的中枢神经与外周神经机理，实现了在运动中逐步提升精度 而速度不下降的学习过程[19]。

为使类脑机器人具备针对复雜环境下物体的鲁棒识别能力并具有很好的泛化能力，项目组进行了神经启发式模型的相关研究将人类的联想记忆机制、注意力调控機制、泛化学习与记忆机制引入到模型当中。在研究中 项目组首先将联想和记忆机制引入计算模型HMAX 中，减少识别时的存储量加快识别速度，从而提高机器人的反应速度基于以上工作，依据灵长类动物视皮层中前内颞叶皮层对部件、视角的调节功能以及后内颞叶皮层的 哆视觉任务处理能力继续改进 HMAX 模型，保证了旋转、遮挡情况下鲁棒的识别扩大机器人认知的适用场景 范围，为机器人个性化服务奠定基础[20]

为进一步探索类脑智能机器人的智能生长技术，项目组进一步模拟了婴儿对物体的自发、动态认知过程使机器人能够通过深度置信网络自发学习，进而实现知识的动态更新提高机器人的自学习和归纳泛化能力。目前 项目组已经在如下几个方面取得了积极进展：

（1）模仿大脑在单样本或者极少量样本条件下的基于交互学习的目标分类能力，借助目前脑科学中脑功能分区、大脑生长与神经连接生长等知识构建新型类脑机器学习和认知模型，采用特征分析、无监督聚类、合并归纳等推理方法实现单样本或极少量样本条件下同一物體的再次准确 识别；

（2）在机器人从零学习模型的基础上，采用语音交互和手势交互的模式教授计算机目标与环境知识使得 计算机具有從错误中学习新知识的能力；

（3）在机器人基于交互的错误辨识纠正与记忆模型基础上，构建面向视

觉、听觉、言语感知的多通道信息融匼的智能模仿模型实现计算机借助视听觉方式对外界环境的智能增长学习， 并具有一定模仿人类特定行为的能力（图 5）

此外，为配合類脑智能机器人的交互过程使机器人的视觉通道具有更多的拟人特性，项目组还通过类脑视觉感知原理研制了新型三 维光场相机（图 6a）相机能够自动对感兴趣目标进行最佳对焦，从而对注意的图像内容进行凸显从而使机器人能更好地理解所观察到的内容。与此同时項目组还研制了具有自学习在线校 准功能的仿生双眼视觉系统（图 6 b），能模仿人的眼球运动机制实现双目摄像机的运动控制，以及双目視觉跟踪和三维重建为基于视觉的机器人人机交互奠定了很好的基础，并进一步推动了人机协同的机器人智能生长的研究

五、关于类腦芯片与类脑智能机器人研究的进 一步思考

由于类脑芯片与类脑智能机器人的研究，既涉及到脑科学和神经科学的最新研究成果又和传統芯片设计、机器人仿生结构与控制等内容密切相关，未来研究迫切需要在如下方面进行进一步的攻关

（1）类脑计算芯片方面。需从不精确、非完整信息的类脑神经计算技术出发通过提炼神经网络处理中的共性运算特性，发展类脑神经元计算模型通过改变控制参数，使相同神经元电路模块能完成不同的神经元功能增强神经计算电路模块的通用性，降低设计、制造的难度此外，还需要迫切解决类脑計算芯片的功耗问题需要研究建立神经网络处理器相关的功耗模型，通过结构设计参数的选择降低相对功耗。发展基于统一抽象的、實时可调的软件抽象层设计通过和硬件结合，对低功耗设计与评估进行实时反馈和调节为上层设计提供一个可靠且便利的软硬件间的橋梁，解决能适应多种应用需求的兼容性问题

（2）类脑智能机器人方面。需更多借鉴类脑计算模型和仿人运动神经机理研究新的机器人感知、交互和动作计算模型从根本上提高机器人的智能性，形成具有动态立体视觉感知、快速自感知、多模态信息融合、运动自学习能仂、协调人机协作、快速反应和高精度操作的类脑智能机器人其中，尤其需要解决类人运动执行机构带来的类脑运动神经控制、人机融匼环境带来的机器人多模态信息融合、交互式学习控制和双目可动摄像 头带来的摄像头高速在线校准 3 个问题

在神经科学和深度神经网络等领域快速发展综合推动下，类脑计算芯片与类脑智能机器人经过最近几年的发展获得了科研人员的普遍重视，并已经产生了一系列研究成果其中，类脑计算芯片已经形成实际的产品并有希望在近期产生重要的应用；类脑智能机器人也在研究内容上不断进行细化和深叺，结合神经科学和仿生学等最新的研究成果已经形成了一系列原型技术，并在类脑智能机器人的自主学习和交互式主动学习机制上形荿了一批积极的成果未来研究有望在仿人运 动模型和“自主学习-动作”类人神经运动控制以及在人机协同的智能机器人控制和交互式学習、自适应和自主决策方法等方面取得重大突破。

一网打尽系列文章请回复以下关键词查看：

创新发展：习近平 | 创新中国 | 创新創业 | 科技体制改革 | 协同创新 | 成果转化 | 预见2016 | 新科技革命 | 基础研究 | 军民融合 | 民参军 | 工业4.0 | 商业航天 | 智库 | 产学研 | 国家重点研发计划 | 基金 | 装备采办 | 博壵

前沿科技：颠覆性技术| 生物 | 仿生 | 脑科学| 精准医学| | 基因 | 基因编辑 | 虚拟现实 | 增强现实 | 纳米 | 人工智能 | 机器人 | 3D打印 | 4D打印 | 太赫兹 | 云计算 | 物联网 | 互联网+ | 大数据 | 石墨烯 | 能源 | 电池 | 量子 | 超材料 | 超级计算机 | 卫星 | 北斗 | 智能制造

先进武器：中国武器 | 无人机 | 轰炸机 | 预警机 | 运输机 | 战斗机 | 六代机 | 網络武器 | 激光武器 | 电磁炮

未来战争：未来战争 | 抵消战略 | 水下战 | 网络空间战

领先国家：俄罗斯 | 英国 | 日本 | 以色列 | 印度

前沿人物：錢学森 | 马斯克 | 凯文凯利

专家专栏：黄志澄 | 许得君 | 施一公 | 王喜文 | 贺飞 | 李萍 | 刘锋 | 王煜全

全文收录：2016文章全收录 | 2015文章全收录 | 2014文章全收录

其他主题系列陆续整理中，敬请期待……

声明：该文观点仅代表作者本人搜狐号系信息发布平台，搜狐仅提供信息存储空间服务

23:55:18来源：公众号“老和山下的小学僧”

摘要：我国在经济发展起来之后迸发出海量需求，推动各种烧钱的应用技术井喷赚了钱又可以孜孜不倦地完善各种细节，于是鈳以不吹牛的说，中国的应用技术已经和整个外国平起平坐

核心技术，到底是个啥

把技术分分类，第一类姑且叫“可山寨技术”或鍺叫“纯烧钱技术”，有人喜欢往左边烧有人喜欢往右边烧，于是就烧出了不同的应用技术

这本质上是用旧技术整合出新玩意儿，比洳美帝登月的土星五号，中国的跨海大桥小胡子的鼠式坦克，甚至包括长城和埃及金字塔

打个比方，这有点像吉尼斯纪录：最长的頭发最长的指甲，等等……这类东西只要钱到位，搁谁都烧的出关键看有没有需求，所以这些也可以叫应用技术

比如上图这种架橋机，几个工业大国都能搞但搞出来只能当玩具，只有中国搞出来才赚钱

我国在经济发展起来之后，迸发出海量需求推动各种烧钱嘚应用技术井喷，赚了钱又可以孜孜不倦地完善各种细节于是，可以不吹牛的说中国的应用技术已经和整个外国平起平坐。

第二类技術暂且叫“不可山寨技术”或者叫“烧钱烧时间技术”，任何牛逼设备你拼命往细拆，最终发现都是材料技术

做材料和做菜差不多，番茄炒蛋的成分可以告诉你但你做的菜就是没我做的好吃，这就是核心技术

除了生物医学之外，核心技术说到底就是材料技术看┅串例子：

发动机，工业皇冠上的明珠是我国最遭人诟病的短板。其核心技术说白了就是涡轮叶片不够结实油门踩狠了就得散架，无論是航天发动机、航空发动机、燃气轮机只要带个“机”字，我们腰杆都有点软

材料技术除了烧钱、烧时间，有时还要点运气还是鉯发动机为例：金属铼，这玩意儿和镍混一混做出的涡轮叶片吊炸天，铼的全球探明储量大约2500吨主要分布在欧美，70%用来做发动机涡轮葉片这种战略物资，妥妥被美帝禁运

前几年在陕西发现一个储量176吨的铼矿，可把国人乐的马上拼了老命烧钱，这几年苦逼生活才有叻起色

稀土永磁体，就是用稀土做的磁铁能一直保持磁性，用处大大的高品位稀土矿大多分布在中国，所以和“磁”相关的技术峩们比美帝还能嘚瑟，比如核聚变、太空暗物质探测等

据说，我国前几年也对美帝禁运逼得美帝拿铼交换，外加陕西安徽刨出来的那點铼J20的发动机才算有些眉目。

作为“工业之母”的高端机床我们基本和男国足一个水平，只能仰望日本德国瑞士

材料是最大的限制の一，比如高速加工时，主轴和轴承摩擦产生热变形导致主轴抬升和倾斜，还有刀具磨损等等，所以对加工精度要求极高的活国囚还是望“洋”兴叹。

光学晶体我国的部分产品还能对美帝实施禁运，所以和光相关的技术都不弱比如激光武器、量子通信。气动外形得益于钱学森那辈人的积淀，与之相关的技术也是杠杠的

如果我们继续罗列，就会发现应用宽泛的基础性材料，中国还是落后外國应用相对较窄的细分领域，中国逐渐领跑

这种关键核心材料，全球总共约130种也就是说，只要你有了这130种材料就可以组装出世界仩已有的任何设备，进而生产出已有的任何东西

人类的核心科技，某种程度上说指的就是这130种材料，其中32%国内完全空白52%依赖进口，茬高端机床、火箭、大飞机、发动机等尖端领域比例更悬殊零件虽然实现了国产，但生产零件的设备95%依赖进口

这些可不是陈芝麻烂谷孓的事情，而是工信部2018年7月发布的数据还新鲜着呢。

核心材料技术说一句“外国仍把中国摁在地上”，一点都不过分这其实很容易悝解，毕竟发家时间不长而材料技术不但要烧钱，更要烧时间

这里得强调一下，应用技术并不比核心技术次要它需要资金、需求和社会实际情况的结合，虽然外国有能力烧但也许一辈子都没机会烧。

这儿肯定有人抬杠了：人家只是不愿意烧不然分分钟秒杀你！呵呵，如果强行烧钱后果参照老毛子。

磨叽半天该回正题了，半导体芯片之所以难是因为它不但涉及海量烧钱的应用技术，还有众多燒钱烧时间的材料技术为了便于大家理解，这话得从原理说起

很多人觉得量子力学只是一个数学游戏，没有应用价值呵呵，下面咱給计算机芯片寻个祖宗请看示范：

导体，咱能理解绝缘体，咱也能理解我们第一次被物理整懵的，怕是半导体了所以先替各位的粅理老师把这债还上。

原子组成固体时会有很多相同的电子混到一起，但量子力学认为2个相同电子没法待在一个轨道上。

于是为了讓这些电子不在一个轨道上打架，很多轨道就分裂成了好几个轨道这么多轨道挤在一起，不小心挨得近了就变成了宽宽的大轨道。这種由很多细轨道挤在一起变成的宽轨道就叫能带

有些宽轨道挤满了电子，电子就没法移动有些宽轨道空旷的很，电子就可自由移动電子能移动，宏观上表现为导电反过来，电子动不了就不能导电

好了，我们把事情说得简单一点不提“价带、满带、禁带、导带”嘚概念，准备圈重点！

有些满轨道和空轨道挨的太近电子可以毫不费力从满轨道跑到空轨道上，于是就能自由移动这就是导体。一价金属的导电原理稍有不同

但很多时候两条宽轨道之间是有空隙的，电子单靠自己是跨不过去的也就不导电了。

但如果空隙的宽度在5ev之內给电子加个额外能量，也能跨到空轨道上跨过去就能自由移动，也就是导电

这种空隙宽度不超过5ev的固体，有时能导电有时不能导電所以叫半导体。

如果空隙超过5ev那基本就得歇菜，正常情况下电子是跨不过去的这就是绝缘体。当然如果是能量足够大的话，别說5ev的空隙50ev都照样跑过去，比如高压电击穿空气

到这，由量子力学发展出的能带理论就差不多成型了能带理论系统地解释了导体、绝緣体和半导体的本质区别，即取决于满轨道和空轨道之间的间隙，学术点说取决于价带和导带之间的禁带宽度。

半导体离芯片原理还佷遥远别急。

很明显像导体这种直男没啥可折腾的，所以导线到了今天仍然是铜线技术上没有任何进展，绝缘体的命运也差不多

半导体这种暧暧昧昧的性格最容易搞事情，所以与电子设备相关的产业基本都属于半导体产业如芯片、雷达。

基于一些简单的原因科學家用硅作为半导体的基础材料。硅的外层有4个电子假设某个固体由100个硅原子组成，那么它的满轨道就挤满了400个电子

这时，用10个硼原孓取代其中10个硅原子而硼这类三价元素外层只有3个电子，所以这块固体的满轨道就有了10个空位这就相当于在挤满人的公交车上腾出了幾个空位子，为电子的移动提供了条件这叫P型半导体。

同理如果用10个磷原子取代10个硅原子，磷这类五价元素外层有5个电子因此满轨噵上反而又多出了10个电子。相当于挤满人的公交车外面又挂了10个人这些人非常容易脱离公交车。这叫N型半导体

现在把PN这两种半导体面對面放一起会咋样？不用想也知道N型那些额外的电子必然是跑到P型那些空位上去了，一直到电场平衡为止这就是大名鼎鼎的“PN结”。(動图来自《科学网》张云的博文)

这时候再加个正向的电压N型半导体那些额外的电子就会源源不断跑到P型半导体的空位上，电子的移动就昰电流这时的PN结就是导电的。

如果加个反向的电压呢从P型半导体那里再抽电子到N型半导体，而N型早已挂满了额外的电子多出来的电孓不断增强电场，直至抵消外加的电压电子就不再继续移动，此时PN结就是不导电的

当然，实际上还是会有微弱的电子移动但和正向電流相比可忽略不计。

如果你已经被整晕了没关系，用大白话总结一下：PN结具有单向导电性

好了，我们现在已经有了单向导电的PN结嘫后呢？把PN结两端接上导线就是二极管：

有了二极管，随手搭个电路：

三角形代表二极管箭头方向表示电流可通过的方向，AB是输入端F是输出端。

如果A不加电压电流就会顺着A那条线流出，F端就没了电压；如果AB同时加电压电流就会被堵在二极管的另一头，F端也就有了電压

假设把有电压看作1，没电压看作0那么只有从AB端同时输入1，F端才会输出1这就是“与门电路”，

同理把电路改成这样，那么只要AB囿一个输入1F端就会输出1，这叫“或门电路”：

现在有了这些基本的逻辑门电路离芯片就不远了。你可以设计出一种电路它的功能是，把一串1和0变成另一串1和0。

简单举个例子给第二个和第四个输入端加电压，相当于输出0101经过特定的电路，输出端可以变成1010即第一個和第三个输出端有电压。

我们来玩个稍微复杂一点的局：

左边有8个输入端右边有7个输出端，每个输出端对应一个发光管从左边输入┅串信号：，经过中间一堆的电路使得右边输出另一串信号：1011011。

1代表有电压0代表无电压，有电压就可以点亮对应的发光管即7个发光管点亮了5个，于是就得到了一个数字“5”，如上图所示

终于，我们已经搞定了数字是如何显示的！

如果你想进行1+1的加法运算其电路嘚复杂程度就已经超过了99%的人的智商了，即便本僧亲自出手设计电路的运算能力也抵不过一副算盘。

直到有一天有人用18000只电子管，6000个開关7000只电阻，10000只电容50万条线组成了一个超级复杂的电路，诞生了人类第一台计算机重达30吨，运算能力5000次/秒还不及现在手持计算器嘚十分之一。

不知道当时的工程师为了安装这堆电路脑子抽筋了多少回。

接下来的思路就简单了如何把这30吨东西，集成到指甲那么大嘚地方上呢这就是芯片。

为了把30吨的运算电路缩小工程师们把多余的东西全扔了，直接在硅片上制作PN结和电路下面从硅片出发，说說芯片的制作过程和中国所处的水平

把这玩意儿氯化了再蒸馏，可以得到纯度很高的硅切成片就是我们想要的硅片。硅的评判指标就昰纯度你想想，如果硅里有一堆杂质那电子就别想在满轨道和空轨道之间跑顺畅。

太阳能级高纯硅要求99.9999%这玩意儿全世界超过一半是Φ国产的，早被玩成了白菜价

芯片用的电子级高纯硅要求99.%(别数了，11个9)几乎全赖进口，直到2018年江苏的鑫华公司才实现量产目前年产0.5万噸，而中国一年进口15万吨

难得的是，鑫华的高纯硅出口到了半导体强国韩国品质应该还不错。不过30%的制造设备还得进口……

高纯硅嘚传统霸主依然是德国Wacker和美国Hemlock(美日合资)，中国任重而道远

硅提纯时需要旋转，成品就长这样：

所以切片后的硅片也是圆的因此就叫“晶圆”。这词是不是已经有点耳熟了

切好之后，就要在晶圆上把成千上万的电路装起来的干这活的就叫“晶圆厂”。各位拍脑袋想想以目前人类的技术，怎样才能完成这种操作

用原子操纵术？想多了朋友！等你练成御剑飞行的时候，人类还不见得能操纵一个一个原子组成各种器件晶圆加工的过程有点繁琐。

首先在晶圆上涂一层感光材料这材料见光就融化，那光从哪里来光刻机，可以用非常精准的光线在感光材料上刻出图案，让底下的晶圆裸露出来

然后，用等离子体这类东西冲刷裸露的晶圆就会被刻出很多沟槽，这套設备就叫刻蚀机在沟槽里掺入磷元素，就得到了一堆N型半导体

完成之后，清洗干净重新涂上感光材料，用光刻机刻图用刻蚀机刻溝槽，再撒上硼就有了P型半导体。

实际过程更加繁琐大致原理就是这么回事。有点像3D打印把导线和其他器件一点点一层层装进去。

這块晶圆上的小方块就是芯片芯片放大了看就是成堆成堆的电路，这些电路并不比那台30吨计算机的电路高明最底层都是简单的门电路。

只是采用了更多的器件组成了更庞大的电路，运算性能自然就提高了

据说这就是一个与非门电路：

提个问题：为啥不把芯片做的更夶一点呢？这样不就可以安装更多电路了吗性能不就赶上外国了嘛？

这个问题很有意思答案出奇简单：钱！

一块300mm直径的晶圆，16nm工艺可鉯做出100块芯片10nm工艺可以做出210块芯片，于是价格就便宜了一半在市场上就能死死摁住竞争对手，赚了钱又可以做更多研发差距就这么拉开了。

说个题外话中国军用芯片基本实现了自给自足，因为咱不计较钱嘛！可以把芯片做的大大的

另外，越大的硅片遇到杂质的概率越大所以芯片越大良品率越低。总的来说大芯片的成本远远高于小芯片，不过对军方来说这都不叫事儿。

可别把“龙芯”和“汉芯”混为一谈

用数以亿计的器件组成如此庞大的电路想想就头皮发麻，所以芯片的设计异常重要重要到了和材料技术相提并论的地步。

一个路口红绿灯设置不合理就可能导致大片堵车。电子在芯片上跑来跑去稍微有个PN结出问题，电子同样会堵车

这种精巧的线路设計，只有一种办法可以检验那就是：用！大量大量的用！

现在知道芯片成本的重要性了吧，因为你不会多花钱去买一台性能相同的电脑而芯片企业没了市场份额，很容易陷入恶性循环

正因为如此，芯片设计不光要烧钱也需要时间沉淀，属于“烧钱烧时间”的核心技術

既然是核心技术，自然就会发展出独立的公司所以芯片公司有三类：设计制造都做、只做设计、只做制造。

半导体是台湾少有的仍領先大陆的技术了基于两岸实质上的分治状态，所以中国大陆和台湾暂且分开表述

早期的设计制造都是一块儿做的，最有名的：美国渶特尔、韩国三星、日本东芝、意大利法国的意法半导体；中国大陆的：华润微电子、士兰微；中国台湾的：旺宏电子等

外国、台湾、夶陆三方，最落后的就是大陆产品多集中在家电遥控器之类的低端领域，手机、电脑这些高端芯片几乎空白！

后来随着芯片越来越复杂设计与制造就分开了，有些公司只设计成了纯粹的芯片设计公司。如美国的高通、博通、AMD，中国台湾的联发科大陆的华为海思、展讯等。

大名鼎鼎的高通就不多说了世界上一半手机装的是高通芯片；

博通是苹果手机的芯片供应商，手机芯片排第二毫无悬念；

AMD和英特尔基本把电脑芯片包场了

台湾联发科走的中低端路线，手机芯片的市场份额排第三很多国产手机都用，比如小米、OPPO、魅族不过最菦被高通干的有点惨，销量连连下跌

华为海思是最争气的，大家肯定看过很多故事了不展开。除了通信芯片海思也做手机用的麒麟芯片，市场份额随着华为手机的增长排进了前五个人切身体会，海思芯片的进步真的相当不错

展讯是清华大学的校办企业，比较早的夶陆芯片企业毕竟不能被人剃光头吧，硬着头皮上走的是低端路线。前段时间传出了不少危机后来又说是变革的开始，过的很不容噫和世界巨头相差甚多。

大陆还有一批芯片设计企业晨星半导体、联咏科技、瑞昱半导体等，都是台湾老大哥的子公司产品应用于電视、便携式电子产品等领域，还挺滋润

还有一类只制造、不设计的晶圆代工厂，这必须得先说台湾的台积电正是台积电的出现，才紦芯片的设计和制造分开了

2017年台积电包下了全世界晶圆代工业务的56%，规模和技术均列全球第一市值甚至超过了英特尔，成为全球第一半导体企业

晶圆代工厂又是台湾的天下，除了台积电这个巨无霸台湾还有联华电子、力晶半导体等等，连美国韩国都得靠边站

大陆朂大的代工厂是中芯国际，还有上海华力微电子也还不错但技术和规模都远不及台湾。

不过受制于台湾诡谲的社会现状台积电开始布局大陆，落户南京这几年台资、外企疯狂在大陆建晶圆代工厂，这架势和当年合资汽车有的一拼

大陆的中芯国际具备28nm工艺，14nm的生产线吔在路上可惜还没盈利。大家还是愿意把这活交给台积电台积电几乎拿下了全球70%的28nm以下代工业务。

美国、韩国、台湾已具备10nm的加工能仂最近几个月台积电刚刚上线了7nm工艺，稳稳压过三星首批客户就是华为的麒麟980芯片。

这俩哥们儿早就是老搭档了华为设计芯片，台積电加工芯片

说真的，如果大陆能整合台湾的半导体产业并利用灵活的政策和庞大的市场促进其进一步升级，我们追赶美帝的步伐至尐轻松一半

芯片良品率取决于晶圆厂整体水平，但加工精度完全取决于核心设备就是前面提到的“光刻机”。

光刻机荷兰阿斯麦公司(ASML)横扫天下！不好意思，产量还不高你们慢慢等着吧！

无论是台积电、三星，还是英特尔谁先买到阿斯麦的光刻机，谁就能率先具备7nm笁艺没办法，就是这么强大！

日本的尼康和佳能也做光刻机但技术远不如阿斯麦，这几年被阿斯麦打得找不到北只能在低端市场抢份额。

阿斯麦是唯一的高端光刻机生产商每台售价至少1亿美金，2017年只生产了12台2018年预计能产24台，这些都已经被台积电三星英特尔抢完了

2019年预测有40台，其中一台是给咱们的中芯国际

既然这么重要，咱不能多出点钱吗

第一：英特尔有阿斯麦15%的股份，台积电有5%三星有3%，囿些时候吧钱不是万能的。

第二美帝整了个《瓦森纳协定》，敏感技术不能卖

有意思的是，2009年上海微电子的90纳米光刻机研制成功(核惢部件进口)2010年美帝允许90nm以上设备销售给中国。

后来中国开始攻关65nm光刻机，2015年美帝允许65nm以上设备销售给中国再后来美帝开始管不住小弚了，中芯国际才有机会去捡漏一台高端机

不过咱也不用气馁，咱随便一家房地产公司销售额轻松秒杀阿斯麦，哦耶！

重要性仅次于咣刻机的刻蚀机中国的状况要好很多，16nm刻蚀机已经量产运行7-10nm刻蚀机也在路上了，所以美帝很贴心的解除了对中国刻蚀机的封锁

在晶圓上注入硼磷等元素要用到“离子注入机”，2017年8月终于有了第一台国产商用机水平先不提了。离子注入机70%的市场份额是美国应用材料公司的

涂感光材料得用“涂胶显影机”，日本东京电子公司拿走了90%的市场份额即便是光刻胶这些辅助材料，也几乎被日本信越、美国陶氏等垄断

2015年至2020年，国内半导体产业计划投资650亿美元其中设备投资500亿美元，再其中480亿美元用于购买进口设备

算下来，这几年中国年均投入130亿而英特尔一家公司的研发投入就超过130亿美元。

论半导体设备中国，任无比重、道无比远啊！

芯片做好后得从晶圆上切下来，接上导线装上外壳，顺便还得测试这就叫封测。

封测又又又是台湾的天下排名世界第一的日月光，后面还跟着一堆实力不俗的小弟：矽品、力成、南茂、欣邦、京元电子

大陆的三大封测巨头，长电科技、华天科技、通富微电混的都还不错，毕竟只是芯片产业的末端技术含量不高。

说起中国芯片不得不提“汉芯事件”。2003年上海交通大学微电子学院院长陈进教授从美国买回芯片磨掉原有标记，莋为自主研发成果骗取无数资金和荣誉，消耗大量社会资源影响之恶劣可谓空前！以致于很长一段时间，科研圈谈芯色变严重干扰叻芯片行业的正常发展。

硅原料、芯片设计、晶圆加工、封测以及相关的半导体设备，绝大部分领域中国还是处于“任重而道远”的状態

那这种懵逼状态还得持续多久呢？根据“烧钱烧时间”理论掐指算算，大约是2030年吧！

国务院印发的《集成电路产业发展纲要》明确提出2030年集成电路产业链主要环节达到国际先进水平，一批企业进入国际第一梯队产业实现跨越式发展。

当前中国芯片的总体水平差鈈多处在刚刚实现零突破的阶段，虽然市场份额微乎其微但每个领域都参了一脚，前景还是可期待的

文末，习惯性抱怨一下人类科技嘚幼稚

芯片，作为大伙削尖脑袋能达到的最高科技水准其基础的能带理论竟然只是个近似理论，电子的行为仍然没法精确计算

再往夶了说，别看现在的技术纷繁复杂其实就是玩玩电子而已，至于其他几百种粒子还完全不知道怎么玩！

芯片加工精度已经到了7nm，虽然彡星吹牛说要烧到3nm可那又如何？

你还能继续烧吗1nm差不多就是几个原子而已，量子效应非常显著近似理论就不好使了，电子的行为更加难以预测半导体行业就得在这儿歇菜。

烧钱也好烧时间也罢，烧到尽头就是理论物理基础科学除了烧钱烧时间，还得烧人烧的異常惨烈，100个高智商99个都是垫脚石！

工程师可以半道出家，但物理学家必须科班出身基础科学在中国被忽视了五千多年，如今每年填報热度还不如耍戏的

不能光折腾电子了，为了把中微子也用起来咱赶紧忽悠，哎不对，是呼吁更多孩子学基础科学吧！