尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
文章目錄[ 隱藏 ]
- 發力類腦晶片，研制DynapCNN、DynapSE低功耗專用、通用晶片
- 顛覆傳統晶片架構，擅長處理動態信息
- 類腦晶片逐漸成熟，打造第一批走向商用的晶片
最近消息，瑞士類腦晶片廠商aiCTX獲數千萬元Pre-A輪融資，本輪融資由BV（百度風投）領投。據悉，本輪融資將用於加速研究及技術成果落地。
aiCTX（ai-CorTeX）是一家在專注神經形態運算及神經形態處理器設計開發的瑞士高科技公司。基於蘇黎世大學及蘇黎世聯邦理工大學的科技成果，aiCTX創辦於2017年3月，總部落在瑞士蘇黎世。
aiCTX在神經形態運算及擬神經形態處理器設計領域處於領先地位。公司設計研發的超低功耗神經形態處理器可用於智能機器人、移動便攜設備、安防、智能家居、智慧城市等多種人工智能應用場景。
據了解，2017年底，aiCTX獲得天使資本十維資本領投的120萬美元種子輪融資。
發力類腦晶片，研制DynapCNN、DynapSE低功耗專用、通用晶片
成立於2017年3月，基於蘇黎世大學及蘇黎世聯邦理工大學的科技成果，aiCTX這家年輕的公司，目前致力於類腦晶片研究與開發，並積極推動研究成果走向商用。
aiCTX目前主要關注兩大業務方向：一是以動態錄影頭為輸入的超低功耗，超低延時的實時動態圖像處理及智能應用，主要應用場景為智能家居及安防領域；二是身體信號，語音等自然信號的超低功耗實時處理，可用於手機、健康監測及工業機械領域。
針對實際應用，aiCTX目前主要晶片研發包括：專用脈沖卷積神經網路（SCNN）晶片DynapCNN及通用脈沖神經網路（SNN）晶片DynapSE系列神經形態處理器研發及設計；針對公司硬件架構的脈沖神經網路算法、模型的搭建及仿真；及支持系列晶片應用的用戶軟件工具鏈開發。
其中，專用脈沖卷積神經網路晶片DynapCNN結合Neuromorphic與傳統Deep-learning的優勢，支持脈沖卷積神經網路這種全新的網路形態，可主要用於超低功耗動態圖像處理和點雲信號處理。DynapCNN晶片採用22nm工藝設計，單晶片集成超過一百萬神經元，支持多種CNN架構，並在晶片架構上採用可擴展設計來輕鬆做到多晶片超大規模脈沖神經網路板級應用。
在超低功耗動態圖像處理上，晶片可以直連多種現有的動態錄影頭，進行臉部識別、手勢識別、移動物體追蹤、歸類、行為識別等。其最大優勢是超低功耗、超低延時。作為一款always-on處理器，在通常應用場景下，進行臉部/手勢識別時峰值功耗低於10mW，目標呈現到決策判斷的延時低於10ms，而總體平均功耗低於1mW。點雲信號處理上，可對LiDAR等點雲信號進行實時處理運算，做到圖像分割、區域劃分、物體識別及行為識別等。
而通用晶片DynapSE系列晶片，具有更靈活的可配置性，可針對各種應用可以做到各種脈沖神經網路，晶片集成自然信號到脈沖輸入轉換接口電路，可用於便攜設備端側語音信號處理、可佩戴設備的健康監測及工業機械噪聲監測等。
在語音信號處理上，可利用脈沖神經網路做到本地化超低功耗always-on口令識別，應用DynapSE進行口令識別，功耗低於1mW；可佩戴設備的健康監測上，可利用reservoir脈沖神經網路做到心電信號（ECG）實時監測；工業機械噪聲監測上，對機械噪聲等進行本地化實時監測判斷，可靠電池驅動數月。
顛覆傳統晶片架構，擅長處理動態信息
而aiCTX的系列晶片，之所以相比於傳統晶片，功耗大幅降低，其秘訣在於，這兩款類腦晶片顛覆了傳統晶片的「馮·諾依曼架構」，以模擬人腦神經元的方式以及全並行的運算架構來提升計算能力。
在傳統「馮·諾依曼架構」中，計算模塊和存儲單元互相分離，CPU在執行命令時必須先從存儲單元中讀取數據。每一項任務，如果有十個步驟，那麼CPU會依次進行十次讀取、執行，再讀取、再執行，這就造成了延時，以及大量功耗（80%）花費在了數據讀取上。
「類腦晶片」則顛覆了這一傳統計算架構，將數字處理器當作神經元，把記憶體作為突觸，記憶體、CPU和通信部件完全集成在一起，採用模擬人腦神經元結構來提升計算能力。每個神經元計算都是本地的，且從全局來看神經元們是分布式在工作。
而且相比較傳統CPU及加速器晶片動輒幾G的時鐘頻率，aiCTX的類腦晶片則是沒有時鐘的。基於純異步電路的事件觸發運算及高效的網路結構保證了DynapCNN及DynapSE系列晶片always-on的特性及超低的功耗。
CEO喬寧也介紹道，除了低功耗外，aiCTX的晶片非常擅長於處理包含時間信息的數據，如動態的傳感器數據，自然界的自然信號（溫度，氣壓），人體信號（ECG，EMG，EEG），網路數據，股票高速決策等。相比較於把各種傳感器數據傳到雲上進行處理，aiCTX的類腦處理器及運算技術可以廣泛應用於各種靠近IoT傳感器的，高效，本地，邊緣運算（edge computing）及智能應用，在提高效能以及私密性的同時，極大減少所需傳輸數據量及成本。
不過類腦晶片的研究目前還不成熟，對技術的要求也更高。因而，aiCTX作為從蘇黎世大學和蘇黎世聯邦理工大學的神經信息學研究所分離出的初創公司，有強大的學術力量背書，其領頭人CEO喬寧和CSO Giacomo Indiveri教授主管的科研實力也不容小覷。
據了解，喬寧是中科院微電子研究所博士，後擔任蘇黎世聯邦理工神經形態處理器開發項目的主管人，具有10年超低功耗神經形態處理器設計經驗，負責歐洲多個類神經工程科研項目。其聯合創始人Kynan Eng也是博士出身，多項專利的成功的連續創業者。目前aiCTX研發團隊約有10人，包含硬件、軟件、算法，仿真、用戶界面等多方面人才。
類腦晶片逐漸成熟，打造第一批走向商用的晶片
雖然類腦晶片整體還處於研究中，但喬寧認為，與傳統機器學習相結合的SCNN（脈沖卷積神經網路）專用晶片已較為成熟。喬寧預計，專注動態信息處理的SCNN晶片1-2年內即可走向商用。aiCTX研發的DynapCNN晶片今年年底即可出片，明年第二季度將拿到樣片。屆時，DynapCNN也將成為世界上，第一批走向商用的脈沖神經網路類腦晶片。
基於aiCTX核心技術，與瑞士動態錄影頭研發公司inVation合力設計的超低功耗，全生化（fully-neuromorphic）智能視覺傳感器也在研發之中。該視覺傳感器主要面向於超低功耗always-on的端側智能感知、分類、臉部識別、行為識別等智能應用。經過深度優化的智能視覺傳感器可允許用戶訓練感知目標，整體平均功耗將低於1mW，而目標呈現到作出識別判斷延時低於10ms。該傳感器將可廣泛用於智能家居以及手機等便攜設備，傳感器樣片可於明年三季度獲取。
而相對於FPGA、ASIC晶片等晶片創企在全球如雨後春筍般湧現來說，類腦晶片的研究門檻更高。喬寧表示，英國曼徹斯特大學的SN仿真平台、史丹佛大學、海德堡大學、浙江大學、英特爾，IBM等都在研究類腦晶片。但世界範圍內，類腦晶片的科研隊伍也並不多。
並且，相對於aiCTX這類的晶片廠商，英特爾，IBM等科技巨頭以及學界更關注通用晶片的研發。因而，aiCTX晶片的專用性相對較高，在垂直領域的商用上效果將更好。
對比，喬寧也直言，「我們沒有理由說碾壓IBM，這並不現實。但比較慶幸的是，IBM和英特爾的晶片都是在做基礎研究，更多是通用架構。我們的優勢就是，我們在研制針對具體應用的專用晶片，因而在應用場景上，功耗，性能以及集成度方面會有很大提升。」
作為神經形態運算領域技術領先者，aiCTX正積極與UZH、ETHZ，以及專注PC周邊設備研發，傳感器研發，工業監測等多家歐洲科研機構及公司展開深入的科研及項目合作。aiCTX也正積極參與及推動歐洲基礎科學研究。2018年初，aiCTX成功獲批了歐盟H2020關於腦機接口的為期4年的科研項目「SYNCH」，並獲得相應經費支持。與此同時，多個歐洲科研項目的提案也正在準備之中。