「香港飛龍」標誌 本文内容： 如果您希望可以時常見面，歡迎標星收藏哦~來源：內容 編譯自 eenewseurope 。荷蘭的 Innatera 公司推出了第一款採用神經形態架構的商用微控制器，適用於傳感器應用。Pulsar 芯片採用異構架構，將模擬和數字神經形態模塊與傳統的卷積神經網絡加速器和 RISC-V 內核相結合。與傳統 AI 處理器相比，這款芯片的延遲降低了 100 倍，功耗降低了 500 倍，芯片尺寸爲 2.6 x 2.8 毫米，採用臺積電標準 28 納米工藝製造，批量成本不到 5 美元。nnatera 聯合創始人兼首席執行官 Sumeet Kumar 向eeNews Europe表示：“Pulsar 不僅僅是一款 AI 芯片——這是世界上第一款量產的神經形態微控制器，代表着我們將智能帶到邊緣的根本性轉變。”去年傳感器出貨量達 380 億個，到 2030 年將增長至 600 億個，所有這些傳感器生成數據的速度都將快於我們將其發送到雲端的速度。邊緣處理將不再是可選的。但目前部署在微控制器上的模型有限，應用程序開發人員必須在功能、精度和功耗之間做出權衡。此次發佈是我們十餘年神經形態計算領域深入研究和工程的巔峯之作，並融合了突破性的異構架構。它標誌着我們受大腦啓發的技術已準備好進行大規模市場部署。這實際上是傳感器所需的唯一微控制器。模擬神經網絡 (ANN) 核心利用時間電壓脈衝識別模式並提取信息進行時間序列處理，無需複雜模型。Kumar 表示：“ANN 加速器完全利用脈衝進行計算，它由大量神經元和突觸構成，並配備模擬和數字設備，延遲僅爲 1ms，功耗低於 1mW。”“在這種結構中，關鍵在於一箇由電容器組成的縱橫網絡，這個過程不是線性的，而是指數級的，在模擬域中，用單個晶體管就能輕鬆實現，”他說。“我們之所以加入數字脈衝神經網絡，是爲了實現可配置性和靈活性——這可以通過門電路和乘法器來實現。計算是異步的、事件驅動的，計算可以在數據輸入的任何時間進行。而在 CNN 中，你可以一次性獲取所有數據並進行計算。”我們看到很多客戶現有的人工智能模型可以直接切換，但傳統的 CNN 通常將所有數據視爲帶緩衝的圖像，這非常耗電，而脈衝網絡可以高效處理流數據。例如，一箇用於手勢識別的 1m 參數 CNN 模型可以用一箇 10,000 參數、3KB、54 個神經元的模型來實現，而且功耗極低。他說：“對於大多數應用問題，你必須選擇 AI 方法，因此增加 CNN 開發人員可以爲工作添加合適的工具。”他指出，無線耳機在保持 90% 以上準確率不變的情況下，每次音頻感知分類的推理功耗降低了 100 倍至 400 μW，而模型體積卻縮小了 33 倍。在保持準確率和延遲不變的情況下，聲音識別的每次推理功耗降低了 88 倍。使用雷達進行手勢識別的功耗比 CNN 加速器降低了 42 倍（功耗爲 600 μW），延遲降低了 167 倍。芯片設計的一箇關鍵部分是與傳感器（包括攝像頭和醫療傳感器）的接口。另一箇關鍵要素是名爲 Talamo 的軟件設計套件 (SDK) 以及用於脈衝網絡的庫。“Talamo SDK 旨在與 PyTorch 交互，其擴展引入了所有脈衝基礎設施，因此開發人員處於熟悉的環境中，並且模型描述與訓練數據一起採用 Python 編寫，我們的 SNN 編譯器將模型映射到芯片架構上，這從根本上降低了神經形態計算的障礙，使得在框架上構建和部署脈衝模型變得容易。”Innatera 即將推出其開發者計劃，目前已面向早期採用者開放，並將於 7 月推出一款神經形態開發板。即將推出的開源 PyTorch 前端和市場將爲神經形態 AI 打造一箇更具協作性的生態系統。https://www.eenewseurope.com/en/innatera-claims-worlds-first-mass-market-neuromorphic-microcontroller-for-the-sensor-edge/半導體精品公衆號推薦專注半導體領域更多原創內容關注全球半導體產業動向與趨勢*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爲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，歡迎聯繫半導體行業觀察。今天是《半導體行業觀察》爲您分享的第4042期內容，歡迎關注。『半導體第一垂直媒體』實時 專業 原創 深度公衆號ID：icbank喜歡我們的內容就點“在看”分享給小夥伴哦 (本文内容不代表本站观点。) --------------------------------- |
本網站是"非商業"(non-commercial)。 暫統計至2025年6月8日，本網站共52823篇文章。 本網頁使用CDN cache緩存，顯示的網頁內容可能並非最新版本。
