從硬體仿生和物理層面的人工智慧研究也是有的，比如脈衝神經網路和憶阻器……

從目前的對比資料來看，類似脈衝神經網路的成果並沒有展現在特定AI任務的效能上超越性的優勢，所以暫時看來關注度還比較低。

現在所有的“人工智慧”研究，都只是實現了某種“功能”，然後把它叫“智慧”。就是對給定的輸入，系統給出看上去還不錯的輸出。有時人們稱之為“弱人工智慧”，因為看上去有人的某些運算與邏輯推理能力，但其實是“人工”出來的，本質上和計算器的運算沒有區別。如果真有突破，那就是“強人工智慧”，機器系統真的有自主思維了。這還沒有路徑，還是科幻。

如果人造出了某種機器結構，能夠完成一些功能，為什麼不能說是有智慧？比如一個電燈開關，你拉它就開燈關燈，這能不能叫智慧？或者象日本公司以前造的精巧小機器，用機械與電子元器件實現了放歌之類的功能，能不能叫智慧？一般認為不能叫“智慧”。為什麼計算機實現的功能，就能叫“人工智慧”？為什麼會這樣？

其實，這裡已經隱含了一個重大的理論背景：學界已經把人類的“智慧”抽象成“計算”了。經過歌德爾、圖靈、丘奇等人的研究，人們對於人類的思維有了很深的認識。看似複雜的思維，其實就是“可計算”的。這個研究，讓人們對思維的研究，集中到“計算”上去了。看似人們在研究計算機，其實就是實現了人類很大一部分思維。這樣，讓計算機完成一些任務，就可以叫“人工智慧”了。當然人類的“自主思維”、“自我意識”還沒有實現，甚至搞不清原理。可以去查一門叫“數理邏輯”的課程。

如果你說，你去搞了一個硬體系統，實現了某種智慧。除非你搞出了“自主思維”的強人工智慧，否則就等同於實現了計算功能，也就等價於造出某種計算機原型。

可以肯定，與現在強大的基於晶片的計算機相比，絕大多數計算機原型是平凡的。例如巴比奇設計了人類歷史上第一個計算機原型，是機械結構的，限於當時的能力造不出來。但現在就算造出來，也沒有任何地方比晶片計算機強，研究它造出它沒有太大意思。你完全可以拿些電子元器件，搭出一些“計算功能”，但是幾乎可以肯定會是“平凡”的。

有沒有“非平凡”的計算機原型研究？當然有，而且還有好幾個方向。

例如，有一種叫“DNA計算機”的東西。它用DNA複製為基本操作，實現了計算機的基本功能。在某些問題上，由於DNA指數增長的特性，計算能力勝過晶片計算機，所以是“非平凡”的，一度是研究熱點。但後來人們發現，如果計算能力要超過傳統計算機，DNA得增長到地球那麼大，這不太實際，這個領域就冷下來了。

再比如，現在非常熱的“量子計算機”，也是一個非平凡的。在質因數分解這樣的特定問題上，量子計算機造出來會比傳統計算機厲害。但是這個困難就在於“元器件”操作實在太難，要在極低溫環境中搞出量子糾纏保持一段時間，非常艱難。

其它架構還有光子計算機、奈米計算機等等。都很有意思。

反而是基於常規物理器件的，要麼是機械的，要麼是電子的。你繞來繞去費心設計，會發現仍然等價於晶片計算機，是平凡的架構，而且實現非常低效，沒有什麼研究價值。

希望這個回答能幫助你明白，從概念上，什麼是不值得思考的，什麼是真正非平凡的另類結構。

人工智慧是研究，開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術學科。

人工智慧的本質是像人一樣思考和行為，甚至超人類。關鍵是運算能力，分析能力和處理能力。

所以，人工智慧的研究基於軟體，也基於硬體。

華為首款AI晶片麒麟970，植入了嵌入式神經網路處理器(NPU)，創新HiAI移動計算架構，就像人腦一樣，高速計算，傳輸和反應。

BAT亦正大幅投資AI專案，其中大部分和晶片相關。

沒有硬體的支援，軟體像是無風起不了浪。

首先，問題就有問題，人工智慧的研究既基於演算法，又需要硬體。

NVIDIA每年更新顯示卡都不只是更新gtx 680、gtx780…gtx1080這些遊戲顯示卡。如果你對人工智慧、支援向量機、卷積神經網路等有了解，那你應該知道每次NVIDIA釋出新卡都會有麗臺的卡，價格比遊戲顯示卡昂貴，從麗臺 p100到p4000到現在的麗臺GV100。每一次更新其計算能力都發生了飛躍。

那麼問題來了，為啥研究人工智慧就研究演算法而不做硬體？其實這兩方面都有人做，各司其職，做演算法的人研究如何運用卷積神經網路進行識別，面對爆炸的資訊量如何最大化榨取處理器的計算能力。而做硬體的行業操心如何能讓其核心擁有更強大的計算單元，更低的功耗。

現在人工智慧面臨的問題，不是快和慢，而是有些事情做不到。根據現有的計算理論：即使把神經元近似的實現為一些計算晶片，即使用CMOS的方式搭出一個神經網路，它的計算能力和用軟體寫出來的卷積神經網路並沒有本質的區別。

目前人工智慧發展的困難不在於是否用硬體實現，而在於演算法。

舉個不恰當的例子，要想讓馬兒跑，得先讓馬兒走起來再說，現在馬兒連站都站不起來，談何馬兒跑。

關於詳細的如何選擇，選擇哪方面的研究，以及國內外領先的的課題組和相應的研究，我想，這個論文調研需要自己動手做才更深刻。我的導師常跟我說：“授人以魚不如授人以漁”。希望你能學到點什麼。