電子發(fā)燒友網報道（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網絡模型和架構。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。

什么是神經形態(tài)芯片？近年來，深度神經網絡（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元及其連接電路，與人腦相比，他們在效率方面的表現仍然不夠好。

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網絡被稱為神經形態(tài)網絡，其代表為脈沖神經網絡（SNN），神經形態(tài)網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，加載了神經網絡模型的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網絡、生物神經網絡和大規(guī)模腦仿真。

靈汐科技副總經理華洪寶演講（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邦理工學院數模混合神經形態(tài)處理器與神經形態(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AI應用程序都涉及將數據從設備移動到云端，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、低功耗及數據隱私需求的增長，為了分擔數據中心的計算壓力，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。