神經擬態芯片漸成主流
人工智能已經進入了我們的日常生活。雖然人工智能取得了極大的成功，但是人工神經網絡為主流算法的人工智能仍然面臨對于計算需求過大，以及計算需要的能量過大的問題。舉例來說，目前人類大腦的智能程度遠遠超過人工智能的水平，但是人腦的功率消耗僅僅在10W數量級，遠遠小于動輒數千瓦的服務器端人工智能芯片組功耗。而人工智能能量效率低的問題也確實成為了人工智能進入對于功耗要求較高的邊緣端的一個重要阻礙。
解決人工智能芯片功耗過大的一個思路就是比起主流的人工神經網絡更進一步地模仿生物神經元的工作方式，而這樣的方法也被稱為“神經擬態”（neuromorphic）。動物的神經元會不斷地從其他神經元突觸接受電脈沖并累積電荷，當電荷高過某個閾值時，神經元就會通過突觸脈沖放電，而該電脈沖將通過突觸傳遞到下一個神經元。在這個過程中，神經元僅僅在放電（也即活動）的時候會有能量消耗，而在其他時候都處于非常低功耗的狀態。
神經擬態芯片就是使用了這個思路，使用集成電路的形式實現了神經擬態。在以往的神經擬態芯片中，最著名的可能就是IBM的True North和Intel的Loihi。這兩塊芯片主打大規模神經擬態，主要場景是神經科學研究等領域。而在Intel和IBM等巨頭推出的以研究性質為主的神經擬態芯片之外，在今天神經擬態芯片更多地以其計算能量效率高的優勢在邊緣端找到了商用場景。
在邊緣端的神經擬態芯片設計中，通常使用混合信號電路設計，其中每個神經突觸在傳遞脈沖信號使用模擬信號（電荷），而接受到突觸和處理神經元內部狀態的過程則可以使用數字電路。如前所述，由于神經元僅僅在累積到足夠電荷數量之后才會激活，因此在大多數時間處于低功耗的待機狀態，因此大大降低了功耗。或者從另一個角度上來說，神經擬態芯片僅僅在檢測到有意義的事件才會進行處理，因此大大降低了能量，因此神經擬態芯片又可以稱為“事件驅動處理”芯片。
從具體的設計來看，目前用于邊緣端的神經擬態芯片又可以分為兩大類，分別是主打使用神經擬態脈沖神經網絡做信號處理的神經擬態計算芯片，以及使用事件驅動視覺傳感器（DVS）芯片并且僅僅在DVS檢測到事件后才喚醒處理芯片的神經擬態視覺芯片。目前，這兩種芯片在邊緣端都得到了相當的重視。
神經擬態芯片在邊緣端的第一個主要應用場景是低功耗機器視覺。神經擬態芯片在該領域的主要優勢是功耗極低：傳統的基于數字電路的人工智能芯片的功耗最低通常在毫瓦數量級，而神經擬態計算芯片的功耗可以做到微瓦數量級，差距可以達到幾個數量級。因此，神經擬態計算芯片可以實現使用紐扣電池供電并且常開（always-on）的機器視覺。
此外，基于事件驅動的超高速機器視覺也是神經擬態視覺芯片的重要應用場景。與傳統固定幀率的視覺傳感器不同，神經擬態視覺芯片僅僅在有事件出現時才開始高頻率采樣，因此可以實現上千fps的高幀率，因此可以應用在自動駕駛、機器運行監測等需要這樣高采樣率的場景。另外，值得一提的是，如果把神經擬態視覺芯片和神經擬態計算芯片相結合，則可以實現在有事件出現時的超低延遲高質量處理，而在沒有事件出現時則功耗極低，從而同時實現高性能和超低功耗。最近，中國神經擬態芯片初創公司時識科技（SynSense）發布的Speck就是這樣一款實現強強聯合的SoC，同時集成了神經擬態視覺芯片和神經擬態計算芯片，從而能在邊緣端實現亞毫瓦級的超低功耗和低延時機器視覺，應用場景可以覆蓋智能家庭、智能安防、工業監測等重要IoT場景。
除了機器視覺之外，對于時間序列的分析也是神經擬態計算芯片的重要應用場景。語音、生理信號（如心臟ECG）等時間序列信號非常時候脈沖神經網絡處理，因此使用基于脈沖神經網絡的神經擬態芯片可以以很高的效率處理這些信號。可穿戴式產品（如TWS無線耳機等）對于這類低功耗時間序列處理有很強的需求，而隨著可穿戴式產品市場的爆發，使用神經擬態芯片進入這些市場也成為了一個很有潛力的方向。
神經擬態芯片的開發需要算法、系統和電路的深度結合。由于神經擬態算法是一項較為不同的算法，因此在算法開發方面需要相當的積累。同時，由于在邊緣端使用的神經擬態芯片追求高能效比，因此常用混合信號電路，其開發對于電路設計的技巧也有相當的需求?？偠灾?，一款神經擬態芯片產品需要同時在神經擬態電路和算法方面都有多年的深入積累才能真正成功。
美國的BrainChip可以說是最老牌的神經擬態芯片公司，從2004年創辦至今已經有超過十五年的時間，目前的產品能覆蓋從微瓦到毫瓦級功耗的超低功耗芯片市場，產品形態包括神經擬態芯片IP和SoC芯片。
歐洲也是神經擬態領域的重鎮，尤其是瑞士的蘇黎世理工大學和蘇黎世大學聯合創辦的神經信息學院（INI）更是神經擬態芯片和算法領域學術界的權威，而從神經信息學院孵化的公司也在邊緣端神經擬態芯片領域有重要地位。例如，最近炙手可熱的Prophesee就是由神經信息學院的學生創辦的，該公司的主要產品是神經擬態視覺芯片，能提供高于10000fps的超高幀率，同時功耗則低于10mW，目前已經獲得了來自Intel、小米、創新工場等業界巨頭或知名資本的資金支持。
相對于海外同行，中國的邊緣端神經擬態芯片公司也并不落后。例如，前文提到的時識科技就由來自瑞士神經信息學院的海歸學者喬寧博士創立，在獲得了百度、Merck、中科創星等業界和資本支持后，已經率先推出了結合神經擬態視覺和計算的芯片產品Speck。此外，在神經擬態視覺芯片方面，由新加坡南洋理工大學教授陳守順回國創立的芯侖光電也在幾年前就推出了具有國際領先水平的神經擬態視覺芯片，目前芯侖光電已經成為中國半導體龍頭之一韋爾股份的子公司。由于中國在邊緣機器視覺（智能家庭和智能安防等）和可穿戴電子產品都處于全球引領者的地位，我們認為中國也將成為邊緣端神經擬態芯片最有潛力的市場。隨著邊緣端神經擬態應用成為主流，我們也期待這些中國公司能在這個市場里大放異彩。
*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯系半導體行業觀察。
本文來自微信公眾號 “半導體行業觀察”（ID：icbank），作者：李飛，36氪經授權發布。
