虽然科技行业的大部分注意力都集中在由 Nvidia GPU 驱动的大规模语言模型上，但人工智能硬件正在悄然发生一场革命。随着传统深度学习架构的局限性和不断增加的能源需求变得显而易见，一种称为神经形态计算的新范式出现了，它有望显着降低人工智能的计算和功率需求。
神经形态处理器旨在模仿生物大脑处理信息的方式。这些芯片不是对存储在内存中的数据执行连续操作，而是使用人工神经元网络，这些神经元像真实神经元一样通过尖峰进行通信。这种受大脑启发的架构为消费设备和工业物联网中的边缘计算应用提供了特别有利的优势。
Innatera的旗舰产品Spiking Neural Processor T1结合了事件驱动的计算引擎、传统的CNN加速器和RISC-V CPU，为电池供电设备上的超低功耗AI提供了全面的平台。该产品的能源效率比传统方法高 500 倍，模式识别速度比竞争对手快约 100 倍。
Innatera 与一家名为 Socionext 的日本传感器供应商合作，开发一种用于检测人体存在的创新解决方案。该技术在 CES 上展示，将雷达传感器与 Innatera 的神经形态芯片相结合，打造出高效、隐私保护的设备。
Innatera 计划于 2024 年开始生产 Spiking 神经处理器，并于 2025 年第二季度开始批量交付。自 2018 年从代尔夫特理工大学分拆以来，该公司拥有约 75 名员工，最近还欢迎前苹果副总裁 Duco Pasmooij 加入其顾问委员会。该公司最近还完成了 2100 万美元的 A 轮融资，以加速其神经形态处理器的开发。此轮融资的投资者包括Innavest、InvestNL、EIC Fund和MIG Capital。
开发人员友好的工具是加速 Innatera 技术采用的关键。该公司构建了一个非常广泛的软件开发套件，使用 PyTorch 作为前端，允许开发人员完全在标准 PyTorch 环境中开发神经网络。这将使熟悉现有机器学习框架的开发人员能够利用他们现有的技能和工作流程，同时利用神经形态计算的力量和效率。
【新闻评论】
随着人工智能的进步，科技行业对更快、更高效的计算能力的要求越来越高。特别是，由 Nvidia GPU 支持的大规模语言模型正在获得关注，而旨在降低能耗和提高计算效率的人工智能硬件领域正在出现新的范式。这就是“神经拟态计算”。
神经形态计算是一种模仿人脑处理信息方式的技术。传统计算机将数据存储在内存中并对该数据执行连续操作，而神经形态处理器通过人工神经元网络以称为尖峰的信号传输信息。这种方法可以实现实时数据处理，同时显着降低功耗。
Innatera 是在该领域发挥先锋作用的初创公司之一。该公司的旗舰产品 Spiking 神经处理器 T1 结合了事件驱动的计算引擎、CNN 加速器和 RISC-V CPU，可在电池供电的设备中实现超低功耗 AI 处理。与传统方法相比，该技术的能源效率提高了 500 倍，模式识别速度提高了 100 倍。
作为该技术应用的一个例子，Innatera 与 Socionext 合作开发了一种检测人体存在的解决方案。该系统结合了雷达传感器和神经形态芯片，既节能又保护隐私。例如，该技术可以应用于视频门铃来检测人员的存在，而无需使用需要频繁充电的传统图像传感器。
神经拟态计算的出现为人工智能中的计算效率和能耗问题提供了有效的解决方案。我们还希望提供对开发人员友好的工具将加速这项新技术的采用。 Innatera的软件开发套件使用PyTorch作为前端，旨在让开发人员在利用现有技能的同时轻松开发神经形态芯片的应用程序。
因此，神经形态计算有可能成为未来人工智能技术更快、更节能计算的关键。通过大幅降低功耗和提高实时数据处理能力，预计人工智能在边缘计算和物联网设备中的应用范围将会扩大。