首页 / 行业

人工智能边缘处理将成为一个关键的增长领域

2023-06-08 00:52:00

最近，一个国际研究团队设计并制造了一种BSR15芯片，可以直接在内存中运行各种芯片AI在保持高精度的同时，它只能消耗通用汽车AI计算平台能耗的一小部分,既高效又通用。在最近的《自然》杂志上发表了相关研究。

这款名为NeuRRAM神经形状芯片AI在与云断开的广泛边缘设备上，运行距离又近了一步。

NeuRRAM芯片的能效不仅是目前最先进的“内存计算”两倍于芯片的结果与传统数字芯片一样准确。

此外，NeuRRAM芯片具有高度的通用性，支持不同的神经网络模型和架构。因此，芯片可以用于许多不同的应用程序，包括图像识别、重建和语音识别。

什么是神经芯片？近年来，深度神经网络（DNN）在取得显著成绩的基础上，DNN的深度学习AI芯片行业已成为市场的主流。然而，基于深度学习的大脑模型是一个极其简化的大脑神经元及其连接电路。它们仍然不如人脑有效。

相比之下，模仿大脑结构的芯片效率更高，功耗更低。模仿大脑行为的神经网络被称为脉冲神经网络（SNN），神经网络的特点是使用更忠实的模型来模仿大脑的行为，其对应的芯片被称为神经芯片，也被称为类脑芯片。

早在2011年，国内外就有机构和企业在研究神经芯片IBM。然而，由于技术限制，第一代TrueNorth芯片性能不高，公司于2014年推出了第二代TrueNorth加载神经网络模型的芯片实时感知流推理引擎使用。

2017年英特尔发布第一代神经拟态芯片Loihi，2021年9月30日发布第二代芯片Loihi 2，英特尔第二代芯片Loihi 2，除了神经拟态处理速度变得更快，在可编程性和容量方面也有很大提升，在功耗和时延受限的智能计算应用方面也更强大。

灵溪科技和时间知识技术是中国致力于该领域研究的主要领域。灵溪科技有限公司是一家脑计算技术公司，发布基于脑芯片的脑计算板卡和服务器、软件工具链和系统软件。灵溪科技的脑芯片KA200，基于全新的存算集成，众核并行，异构融合结构，可有效支持神经网络、生物神经网络和大规模脑模拟深度学习。

时间知识技术技术起源于苏黎世大学和苏黎世联邦理工学院数模混合神经形态处理器和神经形态算法的研发成果。公司主要关注终端智能，并已发布SoCSpeck，这是一种视觉感知的集成SoC，低维信号处理器XYLO，用于识别和检测压力、振动、温度、声音等非视觉应用，并进行实时传感信号处理。

过去AI在云中计算更多，因为AI计算既耗电又昂贵。大多数边缘设备AI应用程序都涉及从设备到云的数据移动，AI处理和分析云，然后将结果移回设备。如今，随着行业对低延迟、低功耗和数据隐私需求的增长，为了分担数据中心的计算压力，提高实时响应速度，人工智能边缘处理将成为一个关键的增长领域。

神经芯片具有功耗低、功耗低、延迟低的特点，非常适合边缘侧应用。可以看出，灵溪科技、石智科技等企业推出的芯片产品都集中在边缘/终端的应用上。NeuRRAM芯片的推出也有助于带来更强大、更智能、更容易访问的边缘设备和更智能的制造。