金牛呗一颗革命性的MCU

（原标题：一颗革命性的MCU）金牛呗

如果您希望可以时常见面，欢迎标星收藏哦~

来源：内容编译自 eenewseurope 。

荷兰的 Innatera 公司推出了第一款采用神经形态架构的商用微控制器，适用于传感器应用。

Pulsar 芯片采用异构架构，将模拟和数字神经形态模块与传统的卷积神经网络加速器和 RISC-V 内核相结合。与传统 AI 处理器相比，这款芯片的延迟降低了 100 倍，功耗降低了 500 倍，芯片尺寸为 2.6 x 2.8 毫米，采用台积电标准 28 纳米工艺制造，批量成本不到 5 美元。

nnatera 联合创始人兼首席执行官 Sumeet Kumar 向eeNews Europe表示：“Pulsar 不仅仅是一款 AI 芯片——这是世界上第一款量产的神经形态微控制器，代表着我们将智能带到边缘的根本性转变。”

去年传感器出货量达 380 亿个，到 2030 年将增长至 600 亿个，所有这些传感器生成数据的速度都将快于我们将其发送到云端的速度。边缘处理将不再是可选的。但目前部署在微控制器上的模型有限，应用程序开发人员必须在功能、精度和功耗之间做出权衡。

此次发布是我们十余年神经形态计算领域深入研究和工程的巅峰之作，并融合了突破性的异构架构。它标志着我们受大脑启发的技术已准备好进行大规模市场部署。这实际上是传感器所需的唯一微控制器。

模拟神经网络 (ANN) 核心利用时间电压脉冲识别模式并提取信息进行时间序列处理，无需复杂模型。Kumar 表示：“ANN 加速器完全利用脉冲进行计算，它由大量神经元和突触构成，并配备模拟和数字设备，延迟仅为 1ms，功耗低于 1mW。”

“在这种结构中，关键在于一个由电容器组成的纵横网络，这个过程不是线性的，而是指数级的，在模拟域中，用单个晶体管就能轻松实现，”他说。“我们之所以加入数字脉冲神经网络，是为了实现可配置性和灵活性——这可以通过门电路和乘法器来实现。计算是异步的、事件驱动的金牛呗，计算可以在数据输入的任何时间进行。而在 CNN 中，你可以一次性获取所有数据并进行计算。”

我们看到很多客户现有的人工智能模型可以直接切换，但传统的 CNN 通常将所有数据视为带缓冲的图像，这非常耗电，而脉冲网络可以高效处理流数据。例如，一个用于手势识别的 1m 参数 CNN 模型可以用一个 10,000 参数、3KB、54 个神经元的模型来实现，而且功耗极低。

他说：“对于大多数应用问题，你必须选择 AI 方法，因此增加 CNN 开发人员可以为工作添加合适的工具。”

他指出，无线耳机在保持 90% 以上准确率不变的情况下，每次音频感知分类的推理功耗降低了 100 倍至 400 μW，而模型体积却缩小了 33 倍。在保持准确率和延迟不变的情况下，声音识别的每次推理功耗降低了 88 倍。使用雷达进行手势识别的功耗比 CNN 加速器降低了 42 倍（功耗为 600 μW），延迟降低了 167 倍。

芯片设计的一个关键部分是与传感器（包括摄像头和医疗传感器）的接口。另一个关键要素是名为 Talamo 的软件设计套件 (SDK) 以及用于脉冲网络的库。

“Talamo SDK 旨在与 PyTorch 交互，其扩展引入了所有脉冲基础设施，因此开发人员处于熟悉的环境中，并且模型描述与训练数据一起采用 Python 编写，我们的 SNN 编译器将模型映射到芯片架构上，这从根本上降低了神经形态计算的障碍，使得在框架上构建和部署脉冲模型变得容易。”

Innatera 即将推出其开发者计划，目前已面向早期采用者开放，并将于 7 月推出一款神经形态开发板。即将推出的开源 PyTorch 前端和市场将为神经形态 AI 打造一个更具协作性的生态系统。

https://www.eenewseurope.com/en/innatera-claims-worlds-first-mass-market-neuromorphic-microcontroller-for-the-sensor-edge/

半导体精品公众号推荐

专注半导体领域更多原创内容

关注全球半导体产业动向与趋势

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4042期内容，欢迎关注。

『半导体第一垂直媒体』

实时专业原创深度

公众号ID：icbank