开发通用人工智能(AGI)有两种通用方法：计算机科学导向和神经科学导向。由于它们的配方和编码方案存在根本差异，这两种方法依赖于截然不同且不兼容的平台，这阻碍了通用人工智能(AGI)的发展。一个可以支持普遍的基于计算机科学的人工神经网络以及神经科学启发的模型和算法的通用平台是非常需要的。在这里，我们展示了天机(Tianjic)芯片，它集成了两种方法，以提供混合，协同平台。天机(Tianjic)芯片采用多核架构，可重构构建模块和采用混合编码方案的流线型数据流，不仅可以适应基于计算机科学的机器学习算法，还可以轻松实现脑启动电路和多种编码方案。仅使用一个芯片，我们就可以在无人驾驶自行车系统中同时处理多种算法和模型，实现实时物体检测，跟踪，语音控制，避障和平衡控制。我们的研究预计将通过为更通用的硬件平台铺平道路来刺激通用人工智能(AGI)的发展。
Tianjic芯片由156个FCore组成，包含大约40000个神经元和1000万个突触。Tianjic芯片采用28纳米半导体工艺制造，面积为3.8×3.8平方毫米。每个独立模块占用的芯片面积，包括轴突，电流，信号，路由器，控制器和其他芯片开销。由于资源可以重复使用，用以兼容SNN和ANN模式的区域仅占总面积的3%左右。Tianjic能够支持多种神经网络模型，包括基于神经科学的网络（如SNN，以及基于生物学启发的神经网络）和基于计算机科学的网络（如MLP，CNN和RNN等）。团队开发了几个神经网络，包括用于图像处理和物体检测的CNN，用于人类目标跟踪的CANN，用于语音命令识别的SNN，用于姿态平衡和方向控制的MLP，还有用于决策控制的混合网络。由于芯片的分散式架构和任意路由拓扑，Tianjic芯片平台可以实现所有神经网络模型的并行化运行，并实现多个模型之间的无缝通信，使自行车能够顺利完成这些任务。
Tianjic芯片可以同时支持基于计算机科学的机器学习算法和基于神经科学的生物学模型，可以自由地集成各种神经网络和混合编码方案，实现多网络之间的无缝通信，包括SNN和ANN。
成果以封面文章发表于《自然》（《Nature》）。
“Towards artificial general intelligence with hybrid Tianjic chip architecture”,2019， J. Pei等，Nature (Nature正刊封面文章) （Impact Factor: 43.07).