電子發(fā)燒友網(wǎng)報道（文/李彎彎）日前，一個國際研究團隊設計并制造了一種直接在內存中運行計算的芯片，可運行各種AI應用，而且它能在保持高精度的同時，僅消耗通用AI計算平臺所耗能量的一小部分，兼具高效率和通用性。相關研究發(fā)表在最近的《自然》雜志上。

這款名為NeuRRAM的神經(jīng)形態(tài)芯片使AI距離在與云斷開的廣泛邊緣設備上運行又近了一步。

NeuRRAM芯片的能效不僅是目前最先進的“內存計算”芯片的兩倍，而且它提供的結果也與傳統(tǒng)數(shù)字芯片一樣準確。

此外，NeuRRAM芯片具有高度的通用性，支持多種不同的神經(jīng)網(wǎng)絡模型和架構。因此，該芯片可用于許多不同的應用，包括圖像識別和重建以及語音識別。

什么是神經(jīng)形態(tài)芯片？近年來，深度神經(jīng)網(wǎng)絡（DNN）取得了令人矚目的成績，基于DNN的深度學習AI芯片業(yè)成為市場主流，然而深度學習所基于的大腦模型，是極度簡化了的大腦神經(jīng)元及其連接電路，與人腦相比，他們在效率方面的表現(xiàn)仍然不夠好。

而與之相比，模仿大腦結構的芯片具有更高的效率和更低的功耗，模仿大腦行為的神經(jīng)網(wǎng)絡被稱為神經(jīng)形態(tài)網(wǎng)絡，其代表為脈沖神經(jīng)網(wǎng)絡（SNN），神經(jīng)形態(tài)網(wǎng)絡的特征是使用更忠實地模仿大腦行為的模型，其對應的芯片被稱為神經(jīng)形態(tài)芯片，也稱類腦芯片。

目前國內外都有機構和企業(yè)在研究神經(jīng)形態(tài)芯片，早在2011年IBM率先取得進展，不過因為技術限制，第一代TrueNorth芯片的性能并不高，2014年該公司推出了第二代TrueNorth芯片，加載了神經(jīng)網(wǎng)絡模型的TrueNorth芯片可作為實時感知流推理引擎使用。

2017年英特爾發(fā)布第一代神經(jīng)擬態(tài)芯片Loihi，2021年9月30日發(fā)布第二代芯片Loihi 2，英特爾第二代芯片Loihi 2，除了神經(jīng)擬態(tài)處理速度變得更快，在可編程性和容量方面也有很大提升，在功耗和時延受限的智能計算應用方面也更強大。

國內致力于該領域研究的主要是靈汐科技和時識科技。靈汐科技是一家類腦計算技術科技公司，發(fā)布了基于類腦芯片的類腦計算板卡和服務器、軟件工具鏈和系統(tǒng)軟件。靈汐科技的類腦芯片KA200，基于全新的存算一體、眾核并行、異構融合架構，能高效支持深度學習神經(jīng)網(wǎng)絡、生物神經(jīng)網(wǎng)絡和大規(guī)模腦仿真。

靈汐科技副總經(jīng)理華洪寶演講（電子發(fā)燒友拍攝）

時識科技的技術起源于蘇黎世大學與蘇黎世聯(lián)邦理工學院數(shù)模混合神經(jīng)形態(tài)處理器與神經(jīng)形態(tài)算法研發(fā)成果。該公司主要聚焦在端側智能，目前已經(jīng)發(fā)布的智能視覺SoC Speck，是一款針對視覺做的感算一體的SoC，以及低維度信號處理器XYLO，用于非視覺類的應用，包括壓力、震動、溫度、聲音等識別和檢測，做實時傳感信號處理。

過去AI計算更多的還是在云端進行，因為AI計算既耗電又昂貴，邊緣設備上的大多數(shù)AI應用程序都涉及將數(shù)據(jù)從設備移動到云端，AI在云端對其進行處理和分析，然后將結果移回設備。如今隨著行業(yè)對低延遲、低功耗及數(shù)據(jù)隱私需求的增長，為了分擔數(shù)據(jù)中心的計算壓力，提高實時響應速度，人工智能在邊緣側的處理將成為一個關鍵增長領域。

而神經(jīng)形態(tài)芯片低功耗、低延時的特性非常適合邊緣側應用，可以看到靈汐科技、時識科技等企業(yè)推出的芯片產品都聚焦于邊緣/終端側的應用，上述國際研究團隊設計的NeuRRAM芯片的面世，也有利于帶來更強大、更智能、更易于訪問的邊緣設備和更智能的制造。