自報家門后，戈德斯坦告訴馮·諾依曼他正在開發一款每秒可以完成 333 次乘法運算的電子計算機。馮·諾依曼聽了之后頗有興致，表示想去看看那臺機器。
幾天后，馮·諾依曼的愿望得以實現。在看到那臺機器之后，馮·諾依曼大膽預測電子計算機在有生之年會快上 10 億倍。他還敏銳地意識到，計算速度的提高不僅依賴于機器速度的提高，倚重于計算方法的改進，隨即他便籌劃造自己的計算機。
圖 | 馮·諾依曼和高性能計算機（來源：theguardian）
早在計算機還很龐大笨拙的時候，馮·諾依曼對計算機和人腦的關系產生了興趣，對此進行了深入的研究。
1955 年 10 月，馮·諾依曼為來年耶魯大學開設的講座做準備。天妒英才，他被檢查出癌癥。在生命的最后時刻，他在臨終的病榻上撰寫了關于人的神經系統與計算機關系的講稿。次年，他的講稿以《計算機與人腦》為題由耶魯大學出版社出版。
講稿從邏輯和統計數學的角度，探討計算機的運算和人腦思維的過程，并對“人造的自動機”（計算機）與“天然的自動機”（人腦）做了比較研究。
馮·諾依曼認為計算機與神經網絡的相似之處在于，兩者都具有混合計算機，即兼有數字計算機和模擬計算機的特點。
神經系統中所使用的計數系統并不是數字的，而是統計的，消息的意義由其統計性質來傳達，這樣，雖然算數的準確性較低，卻可以通過統計方法來提高邏輯的可靠程度。
跨越了半個多世紀，計算技術的爆炸式發展像是人類歷史畫卷中驚艷絕倫的一筆。無論是日常生活中使用的手機、電腦，還是海量的人類智能與機器智能賦能增效，計算改變了我們的生活。
從計算機誕生以來，馮·諾依曼架構一直占據著主導地位。隨著計算機應用范圍的迅速擴大，人們對計算機運算速度的要求也越來越高，存算分離的馮·諾依曼架構逐漸顯現瓶頸。
當 AlphaGo 每下一盤棋所需要的電費成本約為 3000 美元時，李世石只消耗了一塊牛排和一杯咖啡；當天河二號每秒進行大約 55 千萬億次計算，消耗約 17.8 兆瓦的電力時，人腦只消耗大約 20 瓦的電力。
面對高達萬倍的功耗，科學家們正在探索像人腦一樣低功耗的高效的計算方式——類腦計算。
圖 | 計算與人腦（來源：techxplore）
人腦是自然界中最完美的通用智能體，類腦計算借鑒人腦處理信息的方式，以更少的器件、更低的能耗與更高的能效比解決“內存墻”與“功耗墻”等諸多挑戰。
六十多年前，馮·諾依曼在《計算機與人腦》告訴我們：“神經系統，當被看做是一個自動系統時，具有算術的部分和邏輯的部分，而且算術的需要，和邏輯的需要同樣重要。”
這意味著，在研究神經系統時，從一定意義上來說，我們是和計算機打交道，同時，用計算機理論中熟悉的概念來討論神經系統，也是需要的。
六十年多后，科學家基于借鑒腦神經元工作原理，正在探索一種時域加空域，具備稀疏性的同時能夠有效體現人腦處理信息時候的高效性、近似性與時空連續性的新型計算方式。
此刻回望彼時，馮·諾依曼的計算機思想完全超越了計算機本身，儼然上升至人腦和細胞構造的哲學高度。人腦與計算機的對比研究又何嘗不是如今“類腦計算”的早期雛形？
諾貝爾物理學獎得主尤金·保羅·維格納（Eugene Paul Wigner）在 1963 年發表獲獎演說時，有人問：匈牙利如何在同時代培育出那么多天才？他的回答是：只有馮·諾依曼是天才。
馮·諾依曼獨特的思考和見解，正如《計算機與人腦》弁言中所言，它們既是昔日相關科學成就的創造性總結，又是如今乃至未來科學探索的理性依托。
圖 | 《計算機與人腦》（來源：openlibrary）
的確如此，一葉蔽目，不見泰山；兩豆塞耳，不聞雷霆。
當我們回望半個多世紀，便會驚訝地發現，先賢們思想的意義與價值跨越了時間和空間，也已超越了“人腦”和“電腦”，成為啟迪后人的珍寶。
DeepTech 開啟“2022 年中國智能計算科技創新人物”提名征集，是因為我們深知不管是理論研究、技術研發還是商業發展，技術創新都離不開人的努力，離不開嬗變、重塑的思想價值。
透過科研工作者在科學研究與技術突破中的聚焦方向，捕捉他們在時代洪流與科技變革中的鮮活經歷，我們能更好地明白人物是如何見證與推動科技的變革。
DeepTech 一直都是科技創新的倡導者和見證者，致力于關注技術突破與創新。我們歡迎「類腦計算」領域 45 歲及 45 歲以下的中國（包括目前在海外的華人）青年學者、科研工作者、發明者、科技創業者等報名參選。
年齡：參選者須在 2022 年 1 月 1 日時不滿或剛滿 45 歲（即出生日期不早于 1977 年 1 月 1 日），以身份證或護照文件上的年齡為準；
學歷：本次評選對學歷沒有特別要求；
專業：申請者應是從事智能計算行業的專業人士，科研院校/研究機構/企業的技術研究者，或企業管理者；相關學科背景包括但不限于與智能計算相關的人工智能、微電子、通信、軟件、生物等。
智能和計算的基礎理論
智能計算架構
智能計算的硬件設計
智能算法和軟件
大規 模合作計算
復雜系統中的智能計算
高級計算范式（量子計算、光子計算、生物啟發計算、類腦計算、認知計算等）
機器學習（主動學習、因果推理、進化學習、蜂群智能、群體智能等）
AI for Science/人工智能使能科學發現（智能計算材料學、智能計算物理學、智能計算生物學、智能計算天文學等）
DeepTech 將遴選出在中國市場（In China, For China），對科技研究、技術推廣、商業變革等做出突出貢獻或帶來顯著推進作用的技術研究者與產業人士。
主辦方設定三大評選維度，對提名參選者進行評估，最終評選也將結合專家及同行的評審建議，公平公正地遴選出具有科研實用精神、技術革新能力、產業鼎新實力的行業技術創新人物。
求新遠征——秉持科研實用主義的研究學者
對智能計算相關技術研究孜孜以求、勇攀數據科技之巔，突破既有研究版圖與技術瓶頸的科研創新人物。他們在某一技術領域創造了卓越的科研成就、做出重大貢獻。
論文發表：論文影響力，具備推動相關領域重大進展的研究價值；
重大課題：重大課題開展情況及對應科技、商業與社會價值影響力。
科技變革——擁有技術革新能力的技術專家
掀起智能計算產業端技術變革大潮、實現重大技術突破，在工程實踐、產業落地上具有開山之功的產業人物。
技術成就：研發投入、專利布局、技術優勢等；所在團隊或帶領團隊取得關鍵研發成果、取得重要技術突破，有具體且可證實的技術/產品創新。
重構生態 ——實現產業鼎新局面的行業人物
以智能計算科技深度引領產業變革，聯動產業上下游、建立行業新生態的重構者。他們開創了新場景、新應用的嶄新行業面貌。
業界標桿：打造了創新商業模式，或具有創新性的落地場景與案例，在中國市場中，對所在行業有一定影響力；
產業聯動：帶動產業鏈上下游企業協同拓展智能計算影響力；
個人聲譽：知名度與美譽度并存，具有強烈的社會責任感和積極的社會影響力；或以某一鮮明技術、產品立足，具有新銳影響力。
開啟時間：2022 年 10 月 13 日
截止時間：2022 年 12 月 31 日 23:59（北京時間）
參選通道：請進入提報系統https://iclist.mittrchina.com/進行線上申報（需在網頁端進行填報）。
申請人務必通過官方渠道遞交資料，我們將保證您提交資料的安全性。 若您遇到任何與申請或評選的相關問題，請聯系 research@deeptechchina.com，我們將在收到郵件后及時回復您。
入選者有機會向智能計算及相關領域的專業人士展示個人技術能力及項目成果。其個人事跡、技術實力等也將有機會發布在 DeepTech 深科技相關渠道，也將有機會受邀參加發起方舉辦的論壇活動等。
