类脑芯片技术简介

发布网友发布时间：2024-07-02 23:17

共1个回答

热心网友时间：2024-08-26 18:17

在2022年的全球闪存峰会上，灵汐科技的何伟博士引领我们步入了一个全新的科技领域——类脑芯片技术。面对海量非结构化数据的挑战，智能系统正寻求突破传统的摩尔定律*，转向创新的架构设计，如特定领域架构(DSA)、AI加速器和神经形态计算，以实现高效处理和智能升级。

DSA定制处理器以优化计算密度、数据和算力，如同为智能系统量身打造的精密工具。在AI领域，我们看到计算机科学加速器如Google的TPU和Intel的IPU，以及神经形态计算芯片如TrueNorth、Loihi和SpiNNaker，它们在计算密度、通信带宽和低精度计算方面不断进化，为深度学习赋予更强的处理能力。

计算密度的提升，如NVIDIA的GPU Tensor Core和TPU的脉动阵列，显著增强了并行处理能力。封装技术的进步则优化了芯片间的通信带宽，为高效数据交换提供了关键支持。深度学习正面临着模型规模的膨胀和算力需求的飙升，清华大学类脑计算研究中心通过融合深度学习与脉冲神经网络，如异构融合架构的研究，开辟了新的智能路径。

从Cuver Mead的神经形态芯片设想出发，类脑芯片技术经历了脑仿真、SNN计算应用的实践，到SNN与ANN融合的创新，如灵汐科技的领启KA200，这款全球首款商业量产的类脑芯片，集存算一体于一身，支持深度学习、脉冲神经网络及混合模式，展现出了卓越的性能。HP300加速卡的诞生，进一步提升了整体计算能力，甚至超越了同等功耗的NVIDIA T4。

领启KA200以其异构融合架构，实现了高效的视觉目标检测和识别（10W功耗下每秒124帧），大规模的Microcircuit模型仿真在Figure 27中清晰可见。Figure 28展示了类脑融合算法模型的创新，通过APS和DVS数据流的整合，兼顾了高精度与低功耗的双重优势。灵汐科技携手全球伙伴，构建了一个开放的类脑生态系统，提供芯片IP、工具链、模型框架和应用场景解决方案，为产业智能化的转型注入强大动力（参见Figure 29）。