电子发烧友网报道(文/李弯弯)日前,一个国际研究团队设计并制造了一种直接在内存中运行计算的芯片,可运行各种AI应用,而且它能在保持高精度的同时,仅消耗通用AI计算平台所耗能量的一小部分,兼具高效率和通用性。相关研究发表在最近的《自然》杂志上。
这款名为NeuRRAM的神经形态芯片使AI距离在与云断开的广泛边缘设备上运行又近了一步。
NeuRRAM芯片的能效不仅是目前最先进的“内存计算”芯片的两倍,而且它提供的结果也与传统数字芯片一样准确。
此外,NeuRRAM芯片具有高度的通用性,支持多种不同的神经网络模型和架构。因此,该芯片可用于许多不同的应用,包括图像识别和重建以及语音识别。
什么是神经形态芯片?近年来,深度神经网络(DNN)取得了令人瞩目的成绩,基于DNN的深度学习AI芯片业成为市场主流,然而深度学习所基于的大脑模型,是极度简化了的大脑神经元及其连接电路,与人脑相比,他们在效率方面的表现仍然不够好。
而与之相比,模仿大脑结构的芯片具有更高的效率和更低的功耗,模仿大脑行为的神经网络被称为神经形态网络,其代表为脉冲神经网络(SNN),神经形态网络的特征是使用更忠实地模仿大脑行为的模型,其对应的芯片被称为神经形态芯片,也称类脑芯片。
目前国内外都有机构和企业在研究神经形态芯片,早在2011年IBM率先取得进展,不过因为技术限制,第一代TrueNorth芯片的性能并不高,2014年该公司推出了第二代TrueNorth芯片,加载了神经网络模型的TrueNorth芯片可作为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。
国内致力于该领域研究的主要是灵汐科技和时识科技。灵汐科技是一家类脑计算技术科技公司,发布了基于类脑芯片的类脑计算板卡和服务器、软件工具链和系统软件。灵汐科技的类脑芯片KA200,基于全新的存算一体、众核并行、异构融合架构,能高效支持深度学习神经网络、生物神经网络和大规模脑仿真。
灵汐科技副总经理华洪宝演讲(电子发烧友拍摄)
时识科技的技术起源于苏黎世大学与苏黎世联邦理工学院数模混合神经形态处理器与神经形态算法研发成果。该公司主要聚焦在端侧智能,目前已经发布的智能视觉SoC Speck,是一款针对视觉做的感算一体的SoC,以及低维度信号处理器XYLO,用于非视觉类的应用,包括压力、震动、温度、声音等识别和检测,做实时传感信号处理。
过去AI计算更多的还是在云端进行,因为AI计算既耗电又昂贵,边缘设备上的大多数AI应用程序都涉及将数据从设备移动到云端,AI在云端对其进行处理和分析,然后将结果移回设备。如今随着行业对低延迟、低功耗及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,人工智能在边缘侧的处理将成为一个关键增长领域。
而神经形态芯片低功耗、低延时的特性非常适合边缘侧应用,可以看到灵汐科技、时识科技等企业推出的芯片产品都聚焦于边缘/终端侧的应用,上述国际研究团队设计的NeuRRAM芯片的面世,也有利于带来更强大、更智能、更易于访问的边缘设备和更智能的制造。
-
AI
+关注
关注
87文章
32143浏览量
271059 -
神经形态芯片
+关注
关注
0文章
21浏览量
13909 -
灵汐科技
+关注
关注
0文章
11浏览量
1114
发布评论请先 登录
相关推荐
AI赋能边缘网关:开启智能时代的新蓝海
适用于超低功耗和低功耗应用的独特高效隔离式DC/DC转换器

适用于智能门锁的低功耗RTC实时时钟模块RX8010SJ

RNN神经网络适用于什么
TLV2172-Q1适用于成本敏感型系统的36V单电源、低功耗运算放大器数据表

芯品#MAX78002 新型AI MCU,能够使神经网络以超低功耗运行

risc-v多核芯片在AI方面的应用
FP_AI_VISION1工程是否可以适用于stm32f746discovery开发板?
NanoEdge AI的技术原理、应用场景及优势
适用于Intel Skylake平台且具有低功耗模式输入的17V输入降压转换器TPS62134x数据表

评论