用于边缘AI的神经形态芯片问世
科技日报北京8月21日电 （实习记者张佳欣）一个国际研究团队设计并制造了一种直接在内存中运行计算的芯片，可运行各种人工智能（AI）应用，而且它能在保持高精度的同时，仅消耗通用AI计算平台所耗能量的一小部分，兼具高效率和通用性。相关研究发表在最近的《自然》杂志上。
这款名为NeuRRAM的神经形态芯片使AI离在与云断开的广泛边缘设备上运行又近了一步。在云中，AI计算可随时随地执行复杂的认知任务，而不需要依赖与中央服务器的网络连接。从智能手表到虚拟现实（VR）耳机、智能耳机、工厂中的智能传感器和用于太空探索的漫游车，其应用比比皆是，遍及世界的每一个角落和人类生活的方方面面。
NeuRRAM芯片的能效不仅是目前最先进的“内存计算”芯片（一种在内存中运行计算的创新混合芯片）的两倍，而且它提供的结果也与传统数字芯片一样准确。传统的AI平台要庞大得多，通常受限于使用在云中运行的大型数据服务器。
此外，NeuRRAM芯片具有高度的通用性，支持多种不同的神经网络模型和架构。因此，该芯片可用于许多不同的应用，包括图像识别和重建以及语音识别。
目前，AI计算既耗电又昂贵。边缘设备上的大多数AI应用程序都涉及将数据从设备移动到云端，AI在云端对其进行处理和分析，然后将结果移回设备。
通过降低边缘AI计算所需的功耗，这款NeuRRAM芯片可带来更强大、更智能、更易于访问的边缘设备和更智能的制造。它还可带来更好的数据隐私，因为将数据从设备传输到云会带来更高的安全风险。
研究人员通过一种名为能量延迟乘积（EDP）的方法来测量芯片的能效。EDP结合了每次操作所消耗的能量和完成操作所需的时间。通过这一措施，NeuRRAM芯片实现了比目前最先进芯片高7—13倍的计算密度。
研究人员在芯片上运行各种人工智能任务。它在手写数字识别任务上准确率达到99%，在图像分类任务上达到85.7%，在谷歌语音命令识别任务上达到84.7%。此外，该芯片还在图像恢复任务中减少了70%的图像重建误差。这些结果可以与现有的数字芯片相媲美，后者在相同的精度下执行计算，但大大节省了能源。
【总编辑圈点】
与经典计算相比，AI计算的许多数据处理都涉及矩阵乘法和加法，以及海量的并行工作，如何在保持AI芯片精度的前提下还做到节能呢？最终该用什么路线去实现，其实依然众说纷纭。但这也正是一项新技术的特点与魅力——在探索阶段百花齐放。就像本文中团队实现的神经形态芯片，其最大的吸引人之处，正是它兼具了高能效与通用性。
(责编：王震、陈键)
分享让更多人看到
推荐阅读
杨志明：加快数字赋能资源产业的创新
人民网北京8月22日电 （记者杨曦）8月18日—20日，晋阳湖·数字经济发展峰会在山西太原举行。会上，国务院参事室特约研究员、中国劳动学会会长杨志明发表主题演讲时指出，万物互联的时代让数字世界与现实世界融合，数字经济让实体经济突破时空约束和算力局限，成为新经济增长点，也使数实融合的产业峰会成为交流新观点、展示新产品、启迪新思维、分析新趋势的快速传播平台。…
江苏徐州：老工业基地换新颜 绿色发展迎回绿水青山
人民网徐州8月21日电 （记者孙博洋）“过去的马庄，天是灰的，地是黑的，没人愿意来这里，而现在的马庄，天是蓝的，树是绿的，还有了4A级景区，群众也依靠旅游产业富了起来。”徐州市贾汪区潘安湖街道马庄村香包文化大院负责人厉慧卿告诉记者。…
