随着第四次工业革命的到来，半导体行业越来越重视神经形态芯片（Neuromorphic Chips）。这种芯片与人脑颇为相似，可模仿大脑有效处理数据，而且还能轻松识别大数据、人工智能（Artificial Intelligence, 简称 AI）以及机器学习等要求较高的全新技术带来的海量数据，远胜当前的相关机器。通过神经形态芯片进行的计算能够准确学习不断演进的数据，从而有望在多个领域发挥重要作用，如声音/面部识别和数据挖掘等。
神经形态芯片：如同大脑般工作的半导体器件
神经形态芯片是一款全新的小型半导体芯片，灵感源自人类大脑，能够复制信息并思考处理方式。人体的1，000亿个脑神经元能通过100万亿个突触实现互联互通，使大脑能快速处理并保存信息。这些突触采用并行连接方式，因而神经元网络能以较低的功耗（约20瓦），同步进行记忆、演算、推理和计算；相比之下， AlphaGo则需要消耗大量的功耗。人类大脑的神经元信息传输系统可以较低功耗进行高度并行的计算，这对AI的发展来说，尤为关键。因此，半导体行业将工作重点转到了针对人类大脑的研究。
神经形态技术提供无与伦比的功能，可储存、计算、识别海量数据，并对其进行模式分析。工程师精妙地诠释了神经元结构处理信息的过程——神经元结构首先交换脉冲信号（spike-shaped signals），然后控制突触连接间的连接强度，从而进行信息处理，这与半导体内的信息处理过程类似。在此基础上，工程师构建了神经形态芯片。
冯·诺依曼计算机(Von Neumann computer)结构能够连续处理输入数据，但在功耗、模式识别、实时识别和判断方面有所局限。该结构虽然在运行数字计算或精确编写程序方面表现卓越，但在处理、理解图像和声音方面能力有限。
简言之，计算机通常由CPU（中央处理器）、内存和其它输出输入硬件构成。信息从CPU进入内存，再从内存传到硬件。这期间的速度会下降，进而形成瓶颈。设计神经形态芯片的目的，就是为了克服实时信息过程中的处理速度问题。
神经形态技术的关键是模拟人脑的并行序列计算机。通过这类计算机，我们能够同时实现海量内存，进行海量计算。神经形态芯片通过模拟人脑结构，可识别更多样化的信息（例如非典型文本、图像、声音和视频），并将其归纳为模式，而此前的计算机则无法做到这一点。神经形态芯片能够同时进行数据输入输出，且功耗与现有半导体器件相比大大降低。
推动第四次工业革命的下一代核心技术
发展人工神经网络半导体设备，并将其改进为神经形态芯片，最终形成全新的计算系统，可大大增强内存半导体的功能，并显著提高逻辑半导体的计算能力。也就是说，当收到外部指令时，计算机芯片如同人脑一般，可以同步进行多项操作和信息处理。
神经形态芯片完善后，未来的AI技术将能够在超低功耗下运行，同时大大提升性能，如同人脑一般。这种基于硬件的AI被命名为脉冲神经网络（Spiking Neural Network, 简称 SNN），有别于基于软件的深度神经网络（Deep Neural Network, 简称 DNN）。虽然AI技术日新月异，但还无法媲美人类大脑。然而，有了神经形态技术，我们就能缩小AI技术与人类大脑的差距。
神经形态芯片还将有望被应用到各类IT技术中，例如面部识别、声音识别、机器人、无人机、自动驾驶汽车和可穿戴设备。这些技术属于未来的核心技术，将在第四次工业革命中起到重要作用。其中，神经形态技术将为我们带来更为复杂的IT技术，例如能够精确诊断病患的AI医生、无需人工干预的自动驾驶汽车等等。神经形态芯片具备高利用率，增长潜力不可限量。
激发IT与半导体公司斗志，争先进行技术开发
许多跨国IT公司都开始研发自己的神经形态技术，为了在第四次工业革命过程中确保先进技术创新和国家竞争实力。
2013年，高通（Qualcomm）发布了其自行研发的“Zeroth”处理器，该处理器具有人脑学习能力。2014年，IBM在美国国防高级研究计划局(US Defense Advanced Research Projects Agency, 简称 DARPA)的领导下，参与了“自适应塑料可伸缩电子神经形态系统（Systems of Neuromorphic Adaptive Plastic Scalable Electronics, 简称 SyNAPSE）”项目，也成功开发了一款叫做“TrueNorth”的神经形态芯片。该款芯片具有100万个电子神经元和2.56亿个电子突触。2017年，英特尔（Intel）宣布推出第一款能够自我学习的神经形态测试芯片。这款芯片叫做“Loihi”，有13万个神经元和1.3亿个突触。2018年，英特尔建立了英特尔神经拟态研究社区（Intel Neuromorphic system code-named, 简称 INRC）；最近，就在2019年7月，英特尔又发布了神经形态系统。该系统代码名为“Pohoiki Beach”，将64个单位的Loihi集于一体。同时，三星电子在2019年6月公布了旨在加强自身神经处理单元（Neural Processing Unit, 简称 NPU）能力、向神经形态处理器技术拓展的计划。
(图片来源：英特尔)
2016年10月，SK海力士与斯坦福大学（Stanford University）关于 “人工神经网半导体器件的联合研发(Joint Research and Development of Artificial Neural Network Devices)”协议，进而全面启动本公司的神经形态芯片研发。SK海力士计划采用铁电材料开发神经形态芯片。该芯片在不同电压下，能够存储各种差异化数据。
