打开APP

神经拟态芯片渐成主流

解决人工智能芯片功耗过大的一个思路就是比起主流的人工神经网络更进一步地模仿生物神经元的工作方式,而这样的方法也被称为“神经拟态”。

人工智能已经进入了我们的日常生活。虽然人工智能取得了极大的成功,但是人工神经网络为主流算法的人工智能仍然面临对于计算需求过大,以及计算需要的能量过大的问题。举例来说,目前人类大脑的智能程度远远超过人工智能的水平,但是人脑的功率消耗仅仅在10W数量级,远远小于动辄数千瓦的服务器端人工智能芯片组功耗。而人工智能能量效率低的问题也确实成为了人工智能进入对于功耗要求较高的边缘端的一个重要阻碍。

解决人工智能芯片功耗过大的一个思路就是比起主流的人工神经网络更进一步地模仿生物神经元的工作方式,而这样的方法也被称为“神经拟态”(neuromorphic)。动物的神经元会不断地从其他神经元突触接受电脉冲并累积电荷,当电荷高过某个阈值时,神经元就会通过突触脉冲放电,而该电脉冲将通过突触传递到下一个神经元。在这个过程中,神经元仅仅在放电(也即活动)的时候会有能量消耗,而在其他时候都处于非常低功耗的状态。

神经拟态芯片就是使用了这个思路,使用集成电路的形式实现了神经拟态。在以往的神经拟态芯片中,最著名的可能就是IBM的True North和Intel的Loihi。这两块芯片主打大规模神经拟态,主要场景是神经科学研究等领域。而在Intel和IBM等巨头推出的以研究性质为主的神经拟态芯片之外,在今天神经拟态芯片更多地以其计算能量效率高的优势在边缘端找到了商用场景。

在边缘端的神经拟态芯片设计中,通常使用混合信号电路设计,其中每个神经突触在传递脉冲信号使用模拟信号(电荷),而接受到突触和处理神经元内部状态的过程则可以使用数字电路。如前所述,由于神经元仅仅在累积到足够电荷数量之后才会激活,因此在大多数时间处于低功耗的待机状态,因此大大降低了功耗。或者从另一个角度上来说,神经拟态芯片仅仅在检测到有意义的事件才会进行处理,因此大大降低了能量,因此神经拟态芯片又可以称为“事件驱动处理”芯片。

从具体的设计来看,目前用于边缘端的神经拟态芯片又可以分为两大类,分别是主打使用神经拟态脉冲神经网络做信号处理的神经拟态计算芯片,以及使用事件驱动视觉传感器(DVS)芯片并且仅仅在DVS检测到事件后才唤醒处理芯片的神经拟态视觉芯片。目前,这两种芯片在边缘端都得到了相当的重视。

神经拟态芯片的应用场景

神经拟态芯片在边缘端的*个主要应用场景是低功耗机器视觉。神经拟态芯片在该领域的主要优势是功耗极低:传统的基于数字电路的人工智能芯片的功耗*通常在毫瓦数量级,而神经拟态计算芯片的功耗可以做到微瓦数量级,差距可以达到几个数量级。因此,神经拟态计算芯片可以实现使用纽扣电池供电并且常开(always-on)的机器视觉。

此外,基于事件驱动的超高速机器视觉也是神经拟态视觉芯片的重要应用场景。与传统固定帧率的视觉传感器不同,神经拟态视觉芯片仅仅在有事件出现时才开始高频率采样,因此可以实现上千fps的高帧率,因此可以应用在自动驾驶、机器运行监测等需要这样高采样率的场景。另外,值得一提的是,如果把神经拟态视觉芯片和神经拟态计算芯片相结合,则可以实现在有事件出现时的超低延迟高质量处理,而在没有事件出现时则功耗极低,从而同时实现高性能和超低功耗。最近,中国神经拟态芯片初创公司时识科技(SynSense)发布的Speck就是这样一款实现强强联合的SoC,同时集成了神经拟态视觉芯片和神经拟态计算芯片,从而能在边缘端实现亚毫瓦级的超低功耗和低延时机器视觉,应用场景可以覆盖智能家庭、智能安防、工业监测等重要IoT场景。

除了机器视觉之外,对于时间序列的分析也是神经拟态计算芯片的重要应用场景。语音、生理信号(如心脏ECG)等时间序列信号非常时候脉冲神经网络处理,因此使用基于脉冲神经网络的神经拟态芯片可以以很高的效率处理这些信号。可穿戴式产品(如TWS无线耳机等)对于这类低功耗时间序列处理有很强的需求,而随着可穿戴式产品市场的爆发,使用神经拟态芯片进入这些市场也成为了一个很有潜力的方向。

神经拟态芯片的竞争格局

神经拟态芯片的开发需要算法、系统和电路的深度结合。由于神经拟态算法是一项较为不同的算法,因此在算法开发方面需要相当的积累。同时,由于在边缘端使用的神经拟态芯片追求高能效比,因此常用混合信号电路,其开发对于电路设计的技巧也有相当的需求。总而言之,一款神经拟态芯片产品需要同时在神经拟态电路和算法方面都有多年的深入积累才能真正成功。

美国的BrainChip可以说是最老牌的神经拟态芯片公司,从2004年创办至今已经有超过十五年的时间,目前的产品能覆盖从微瓦到毫瓦级功耗的超低功耗芯片市场,产品形态包括神经拟态芯片IP和SoC芯片。

欧洲也是神经拟态领域的重镇,尤其是瑞士的苏黎世理工大学和苏黎世大学联合创办的神经信息学院(INI)更是神经拟态芯片和算法领域学术界的权威,而从神经信息学院孵化的公司也在边缘端神经拟态芯片领域有重要地位。例如,最近炙手可热的Prophesee就是由神经信息学院的学生创办的,该公司的主要产品是神经拟态视觉芯片,能提供高于10000fps的超高帧率,同时功耗则低于10mW,目前已经获得了来自Intel、小米、创新工场等业界巨头或知名资本的资金支持。

相对于海外同行,中国的边缘端神经拟态芯片公司也并不落后。例如,前文提到的时识科技就由来自瑞士神经信息学院的海归学者乔宁博士创立,在获得了百度、Merck、中科创星等业界和资本支持后,已经率先推出了结合神经拟态视觉和计算的芯片产品Speck。此外,在神经拟态视觉芯片方面,由新加坡南洋理工大学教授陈守顺回国创立的芯仑光电也在几年前就推出了具有国际*水平的神经拟态视觉芯片,目前芯仑光电已经成为中国半导体龙头之一韦尔股份的子公司。由于中国在边缘机器视觉(智能家庭和智能安防等)和可穿戴电子产品都处于全球引领者的地位,我们认为中国也将成为边缘端神经拟态芯片最有潜力的市场。随着边缘端神经拟态应用成为主流,我们也期待这些中国公司能在这个市场里大放异彩。

【本文由投资界合作伙伴微信公众号:半导体行业观察授权发布,本平台仅提供信息存储服务。】如有任何疑问题,请联系(editor@zero2ipo.com.cn)投资界处理。

相关资讯

芯片半导体数据总览

最新资讯

热门TOP5热门机构 | VC情报局

去投资界看更多精彩内容
【声明:本页面数据来源于公开收集,未经核实,仅供展示和参考。本页面展示的数据信息不代表投资界观点,本页面数据不构成任何对于投资的建议。特别提示:投资有风险,决策请谨慎。】