数字经济：内涵与路径

2.全球脑科学与神经计算领域的相关政策

近年来，在脑科学和类脑计算领域，美国、欧盟、日本等国家和组织纷纷宣布启动脑科学的相关研究计划，即“脑计划”，我国脑计划也于“十三五”期间启动。

（1）国外政策

1997年，美国正式启动“人类脑计划”；其后美国国立卫生研究院（National Institutes of Health，NIH）推出了人类连接组项目（HumanConnectome Project）。2014年，NIH启动了“通过推动创新型神经技术开展大脑研究计划”（Brain Research through Advancing InnovativeNeurotechnologies，BRAIN），开启了“BRAIN 1.0时代”。计划提出了9项优先发展的领域目标。项目最终目标是了解大脑如何产生思维、情绪和感觉，并且帮助治疗脑功能紊乱患者。2018年4月，NIH成立脑科学技术2.0工作组，并在2019年6月将报告《美国脑科学计划2.0》提交给美国国立卫生研究院咨询委员会，标志着“BRAIN 2.0时代”开启。该计划从2020年开始到2026年结束，主要内容包括七个方向：发现大脑多样性、大脑多尺度影响、活的大脑、证明因果关系、确定基本原则、人类神经科学和其他。²⁵ 美国国防部高级研究计划局（Defense AdvancedResearch Projects Agency，DARPA）支持的“神经形态自适应可塑可扩展电子系统”项目，在“微处理器”和“计算架构”两个层次上模拟人脑神经元网络的信息处理机制。³²

2013年，欧盟启动了欧盟脑计划，即“人类脑计划”（Human BrainProject，HBP），计划为期10年。但在2015年，欧盟人脑计划放弃了在10年内实现人脑计算机仿真的研究目标，转而主攻认知神经科学和类脑计算，形成了六大信息及技术平台（神经信息平台、大脑模拟平台、高性能计算平台、医学信息平台、神经形态计算平台、神经机器人平台）和12个子项目。³³ 欧盟HBP计划的一个重要目标是利用从大脑得到的模型发展新型计算技术，另一个重要目标是利用大脑研究类脑计算技术，实现智能、高效、低功耗的计算。项目第二阶段原计划于2016年4月开展，但最终未能如期进行。目前HBP项目逐渐销声匿迹。

101

日本2016年启动脑计划（Brain/MINDS）——疾病研究综合神经技术脑图绘制（Brain Mapping by Integrated Neurotechnologies for DiseaseStudies，MINDS），重点研究狨猴脑发育及疾病发生的动物脑图模型。2018年，日本正式启动人脑计划（Brain/MINDS Beyond），研究对象从猴脑拓展到人脑。

（2）国内政策

在正式启动脑计划之前，2001年，我国科学家加入了“人类脑计划”，并成为这一计划的第20个成员国。2006年出台的《国家中长期科学和技术发展规划纲要（2006—2020年）》将“脑科学与认知”列入基础研究8个科学前沿问题之一。在“973”“863”计划和科技支撑计划支持下，我国在脑科学领域逐步加大研究投入。中科院在2012年启动了战略性先导科技专项（B类）“脑功能联结图谱计划”（Mapping BrainFunctional Connections，简称脑联结图谱），目标是对特定脑功能的神经联结通路和网络结构的解析及模拟，2015年该专项加入了人类脑智能研究领域，专项更名为“脑功能联结图谱与类脑智能研究”。³⁴

2016年，国家“十三五”规划提出：“要强化宇宙演化、物质结构、生命起源、脑与认知等基础前沿科学研究。”在同年颁布的《“十三五”国家科技创新规划》中，“脑科学与类脑研究”被列入“科技创新2030—重大项目”，我国脑计划启动。我国脑计划总体布局可以概括为“一体两翼”，即以脑认知原理为主体，以类脑计算与脑机智能、脑重大疾病诊治为两翼。“十三五”期间，北京和上海启动“脑科学与类脑智能”地区计划，成立了北京脑科学与类脑研究中心、上海脑科学与类脑研究中心，同时国内各大高校也纷纷成立类脑智能研究中心，例如北京大学—IDG/麦戈文脑科学研究所、清华大学—IDG/麦戈文脑科学研究院等。

2021年出台的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》将“脑科学与类脑研究”列入科技前沿领域攻关专栏，研究将围绕脑认知原理解析、脑介观神经联接图谱绘制、脑重大疾病机理与干预研究、儿童青少年脑智发育和类脑计算与脑机融合技术研发五个重点领域，同时类脑智能列入前沿科技和产业变革领域，规划文件提出组织实施未来产业孵化与加速计划，谋划布局一批未来产业。2021年9月，科技部发布了《科技创新2030—“脑科学与类脑研究”重大项目2021年度申报指南》，申报项目涉及59个研究领域和方向，国家拨款经费预计超过31.48亿元。

102

3.脑科学与神经计算的应用

在数字经济领域，脑科学和类脑计算的一个重要应用是类脑计算芯片。

类脑计算芯片广义上指的是参考人脑神经元结构和人脑感知认知方式设计的芯片，分为两大类：一类是侧重于参照人脑神经元模型及其组织结构来设计的芯片，称为神经形态芯片；另一类是侧重于参照人脑感知认知的计算模型，优化芯片结构来高效支持人工神经网络或深度神经网络等成熟认知算法的芯片。狭义上，类脑芯片一般指神经形态芯片，也就是类脑计算硬件。³⁵

类脑计算芯片近年来引起国际社会广泛重视和大量投入，曼彻斯特大学的SpiNNaker芯片、IBM的TrueNorth芯片、海德堡大学的BrainScaleS芯片、斯坦福大学的Neurogrid芯片、Intel（英特尔）的Loihi芯片，以及清华大学的Tianjic天机芯片是现阶段六个主要的类脑计算方案代表。表3-3为国内外主流类脑计算芯片技术方案分类。

表3-3 类脑计算芯片技术方案分类 ³⁶

103

SpiNNaker：Spiking Neural Network Architecture，英国曼彻斯特大学开发的多核类脑处理器，包含了近百万颗ARM处理器，实现了部分脑功能模型，可以模仿大脑区域功能，其通信机制适合实时建模。

TrueNorth：2014年由美国IBM公司推出，采用三星28nm（纳米）制造工艺，含有大量可编程神经元，具有很好的可扩展性。

Loihi：Intel公司发布，拥有13万个神经元和1.3亿个突触。Intel通过神经元之间的脉冲传输数据。

BrainScaleS：德国海德堡大学研发，包括20万个神经元和5000万个突触。

Neurogrid：美国斯坦福大学开发，能够模拟大规模脑内神经元以及突触连接，从而可应用于脑机接口。

Tianjic：清华大学研发，融合了神经科学和计算机科学两条技术路线，可并行运行视神经网络模型，并在模型间无缝通信。

104

除了上述神经形态芯片外，还有支持神经网络和深度学习的非神经形态芯片，如寒武纪芯片、嵌入式智能芯片图形处理器（GraphicProcessing Unit，GPU）、现场可编程逻辑门阵列（Field ProgrammableGate Array，FPGA）、专用集成电路（Application Specific IntegratedCircuit，ASIC）等。

此外，类脑计算芯片的出现也为类脑计算系统的搭建提供了可能。构建海量类脑计算芯片的阵列集成系统，是目前国际通行的大规模类脑计算系统的技术路线，例如美国、德国、英国分别基于各自的类脑计算芯片构建了类脑计算系统。³⁷ 清华大学类脑计算中心基于天机类脑计算芯片研制成功国内首台通用类脑计算原型系统。2020年10月14日，清华大学计算机系张悠慧团队和精仪系施路平团队与合作者在《自然》杂志发表题为《一种类脑计算系统层次结构》的论文，填补了类脑计算系统领域完备性理论与相应的类脑计算系统层次结构方面的空白。³⁸

除了基于硅技术的类脑计算芯片外，还有一部分类脑计算芯片基于新型纳米器件和技术，例如忆阻器件阵列。忆阻器作为新兴微电子器件，也是目前人工突触的研究重心。记忆功能是忆阻器的重要特征，表现为能够记忆流经它的电荷数量，这直接影响器件的存储能力，让其成为能够促进类脑智能方面的极具潜力的基础元件。³⁹ 2020年，清华大学吴华强教授团队提出了一种基于全硬件忆阻器实现的卷积神经网络系统，该忆阻器CNN系统能够适应设备缺陷，实现了存算一体结构，并具有良好的可拓展性，与Teala V100 GPU相比，功耗效率提高了2个数量级，性能密度提高了1个数量级。⁴⁰

（三）算力网络

1.概念与发展历程

105

（1）算力网络的概念

数据已成为数字经济时代的新生产要素，算力将成为新生产力的重要组成部分。发展数字经济，必须加快建设和完善信息基础设施，尤其是以数据中心为代表的算力基础设施，为全社会提供安全稳定的计算服务以及数据处理和流通服务，以实现数据在匹配供需、交叉印证、洞察规律、防控风险、降本增效等方面的核心价值。当前，算力的概念已涵盖处理数据的综合能力，包括数据总量、数据存储能力、数据计算速度、数据计算方法、数据通信能力等，反映了数据收集、存储、计算、分析和传输的综合能力。在算力的度量方面，不同场景度量方法和单位也有所不同，例如关注运算精度（双精度、单精度、半精度及整型算力），或是适于人工智能算法的度量方法会有一定差异。

区域数字经济的规模化发展，对算力服务在计算速度、计算精度、计算规模、响应时延、算法覆盖等方面提出了更高和更多样化的要求。算力和网络融合发展的趋势越来越明显，而算力资源的整合和灵活供给也成为业界的迫切需求，“云网一体”“算网一体”“云边端一体化”等算力服务解决方案在实践中不断涌现，算力资源供给必将以基础设施的形态广泛出现，通过算力网提供资源抽象、业务保证、统一管控和弹性调度的服务。2019年，“算力网络”这一概念开始被大家广为认知。算力网络的产生与边缘计算紧密关联，它的一个重要愿景是解决算力资源节点泛在化后的用户体验一致性和服务灵活动态部署问题。⁴¹ 用户不必关注各类算力资源的位置、部署状态，通过网络即可协同调动各类算力资源，保证体验的一致性，同时算力网络本身会根据用户的个性化需求，综合实时网络条件、算力资源供给条件等，灵活匹配调度算力资源。

当前，各大运营商、通信厂商和学术机构均对算力网络开展了一系列研究。中国电信研究院认为，算力网络是一种通过网络分发服务节点的算力、存储、算法等资源信息，并可结合网络信息（如带宽、时延），针对客户的不同类型需求，提供最佳的资源分配及网络连接方案，从而实现整网资源的最优化使用的解决方案。⁴² 这种概念理解是将算力网络作为新型算力资源的整合模式。

106

2019年11月的IETF（Internet Engineering Task Force，互联网工程任务组）会议上，中国移动联合华为等合作伙伴组织了作为算力感知网络路由层关键技术的“计算优先网络”（Computing First Networking，CFN）技术研讨会，并主导提交了三篇核心提案。⁴³

中国联通2019年底发布《中国联通算力网络白皮书》，白皮书认为算力网络是云化网络发展的下一个阶段，算力网络应具备联网、云网与算网三个方面的技术元素。⁴⁴ 随着研究的逐步深入，中国联通认为算力网络是电信运营商为应对云网融合向算网一体转变而提出的新型网络架构，是实现算网一体的重要技术抓手，中国联通算力网络组网架构如图3-2所示。

中国联通将算力网络按照功能区分为四个域，分别为接入网络域、算网网关域、算网承载域和数据中心域。

接入网络域：针对各种用户接入网络的南北向流量，实现极致化的大带宽、低延时、广连接等通信指标。

107

算网网关域：结合各种接入业务的具体特征，面向固移网络融合承载、控制转发面分离、转发面下沉的演进需求，实现算网网关柔性、弹性、低成本部署。

算网承载域：算网承载域是算力网络的核心，需要承载网结合SRv6、切片、APN6、ROADM等新技术满足东西向流量的承载需求，实现业务在多云之间的智能调度，通过引入算力感知、业务感知、确定性服务等能力，结合运营商城域、骨干等多级架构实现。

数据中心域：面向数据中心内云服务的承载需求，实现数据中心内部网络架构的简化和高效、无损传输。⁴⁵

中国移动在《中国移动算力网络白皮书》中提出：“算力网络是以算为中心、网为根基，网、云、数、智、安、边、端、链等深度融合，提供一体化服务的新型基础设施。”算力网络的目标是实现“算力泛在、算网共生、智能编排、一体服务”，逐步推动算力成为水电一样，可以“一点接入、即取即用”的社会级服务，达成“网络无所不达、算力无所不在、智能无所不及”的愿景。⁴⁶ 中国移动的算力网络体系架构如图3-3所示。

108

《中国移动算力网络白皮书》将算力网络体系架构从逻辑功能上，分为算网基础设施层、编排管理层和运营服务层。算网基础设施层是以高效能、集约化、绿色安全的新型一体化基础设施为基础，形成云边端多层次、立体泛在的分布式算力体系，满足中心级、边缘级和现场级的算力需求。编排管理层结合人工智能和大数据等技术，向下实现对算网资源的统一管理、统一编排、智能调度和全局优化，向上提供算网调度能力接口，支撑算力网络多元化服务。运营服务层通过将算网原子化能力封装并融合多种要素，实现算网产品的一体化服务供给，同时结合区块链等技术构建可信算网服务统一交易和售卖平台，提供“算力电商”新模式，打造新型算网服务及业务能力体系。

109

当前算力网络的确切概念和定义尚未最终确定，但综合多个机构对于算力网络的理解和设定的目标，可以看到其共性是为灵活应对多样化的应用场景，提高算力和网络整体效能。在理想的算力网络中，由云服务商、电信运营商等提供大规模云计算资源、边缘计算中心提供低时延计算资源，通过算力供需调度与运营管理系统（或称“算力大脑”），实现具有针对性的、精准匹配的存算网一体化算力服务供给，最终达到泛在算力和算力基础设施级服务的目标。

（2）算力网络研究进展

110