教授|海归教授创办类脑芯片公司，即将全球首发量产，功耗可降低100-1000倍( 二 ) 全球|量产|乔宁|公司|教授|芯片

而SynSense时识科技提出的全新方案 —— 事件处理器（Event Processor），这类处理器芯片运算机制是基于脉冲 / 事件触发的运算，可以用于一维的实时传感器信号分析或是二维的图像信号处理，事件触发及数据驱动运算，将能使整个传感器系统在没有动态信息发生时完全不耗电。

文章插图
图 | 各类芯片架构概览
颠覆传统芯片的技术路径——不耗电的事件处理器
乔宁认为，从芯片的电路实现上，类脑芯片的形态可以分为几种：
一是同步电路芯片，这主要是通过 EDA、通过传统的电路来设计；
二是同步电路与异步电路混搭，比如在类脑芯片中利用同步电路实现单核设计、利用异步电路完成多核的通信；
三是纯异步电路实现，不管单核运算或者多核交互，里面所有的运算及通讯单元都遵循事件触发的机制；
第四种更高阶的形态，则是异步电路加亚阈值模拟计算。在这种最高阶的研究中，苏黎世神经信息研究所有多年的深入研究及积累，他们最新的处理器芯片在 28nm 的工艺下，利用晶体管亚阈值模拟特性模拟生物形态的曲线，利用 pA 到 nA 级电流完成神经网络计算，能效较纯数字解决方案有 1-2 个量级的提升。
类脑芯片的另一个重要特征是实时性，它可以处理的最佳事件类型不是云端运算，而是端上的传感器信息，例如语音或手势识别或心跳生物信号。
Giacomo Indiveri 教授补充称：“这些端上的实时的传感信息是我们的芯片最适合处理的信号，具有可配置的动态参数来匹配环境传感器的动态信息，在近传感器的芯片端完成运算及决策，不需要与云端产生传输数据。这就是为什么我们可以以低带宽、低功耗来高效处理这些实时信息的原因。”

文章插图
图 | DYNAP-CNN
在可扩展性上，SynSense 研发的 DYNAP-CNN，是世界上第一款直接能对接事件相机的专用视觉处理器，芯片具有极强的可配置性，可以支持复杂大规模 SCNN 模型及算法。
其基于相机事件触发的运算机制打破了帧的限制，可以实现 5-10ms 端到端识别响应延时；基于稀松数据的动态数据运算，可以实现 < 1mW 超低功耗，较传统解决方案功耗降低 100-1000 倍。
在系统级上，因为基于传感器 — 处理器直接对接的实时数据运算，无需缓存、系统成本降低 50%，整个系统级基于传感器数据触发运算，可以实现真正的 always-on，可广泛落地于智能家居人机交互、智能机器人、可穿戴设备、智能安防、工业互联网等领域。
除了视觉之外，SynSense 团队还专注于低维度的传感信息处理，这类芯片里面实现的是脉冲递归神经网络（SRNN）。基于独创的算法，该芯片的硬件资源消耗量比传统解决方案降低至少在一个量级以上。
另外，由于基于稀松动态数据的触发式运算，整个系统的运算功耗也极低，基于全新芯片的体征信号检测等应用，如心电信号异常检测，其总体功耗将低于 100uW 。
One more thing
此外，全新类脑计算专刊：NCE 期刊，已在 12 月 1 日由英国物理学会出版社 (IOP) 正式推出。NCE 为 “Neuromorphic Computing and Engineering” 的简称，这将是一本涵盖多个学科领域、采用开放获取形式出版的期刊。
NCE 将主要关注神经形态计算、设备和系统的应用和发展，是神经形态计算领域的专业期刊，而 SynSense 联合创始人及首席科学家 Giacomo Indiveri 将出任该期刊主编。期刊之外，SynSense 还将与苏黎世神经信息研究所一起，联合主办世界第三大国际类脑研讨会 SynSense Neuromorphic Workshop（SSNW），该研讨会计划于每年 10-11 月在中国举办，加速类脑技术国内发展及落地。
当天会上，演讲嘉宾清华“天机芯”研究者之一邓磊博士这样评论 SynSense 时识科技称：“类脑计算还没有形成像人工智能那么有体系的一个迭代发展的生态，与 7、8 年前做卷积神经网络一样，现在处于认识逐渐清晰且大家从不同的角度去推广的一个阶段。如果不做，那么以后中国在这个领域就一点话语权都没有。”
据悉，邓磊是美国加州大学圣塔芭芭拉分校（UCSB）电子计算机工程系博士后研究员、清华大学类脑计算研究中心博士。在活动现场，他对 SynSense 这家即将把类脑芯片商业化的公司给予了较高肯定。邓磊最后对 DeepTech 补充评价称：“不管是像乔宁推的终端应用，面向场景做深度定制，还是像我们研究大型的基础平台的建设，以及高校在研究的类脑模型和算法，其实都是站在不同的角度，以后都会融会贯通起来。”