日前，一个国际研究团队设计并制造了一款能够直接在内存中运行计算的芯片，可支持多种AI应用。在高精度前提下，其功耗仅为通用AI计算平台的极小一部分——简而言之，既高效又具有广泛适用性。相关成果已发表在最新一期的《自然》杂志上。

这款名为NeuRRAM的神经形态芯片，让人工智能在断网边缘设备上运行的目标又向前迈进了一大步。

它的能效不仅比当前最先进的“内存计算”芯片高出整整一倍，而且输出结果与传统数字芯片同样精准。更关键的是，NeuRRAM具有良好的兼容性，支持多种不同的神经网络模型与架构，可应用于图像识别、图像重建、语音识别等多个领域。

那么，究竟什么是神经形态芯片？

近年来，深度神经网络（DNN）表现亮眼，基于DNN的深度学习AI芯片已成为市场主流。但问题在于，这些模型本质上是极度简化的大脑神经元与连接电路，与人脑的实际效率相比仍有巨大差距。

相比之下，模仿大脑结构的芯片具有更高的效率和更低的功耗。这类模仿大脑行为的神经网络被称为神经形态网络，典型代表是脉冲神经网络（SNN）。这类网络更忠实地模拟大脑的工作方式，对应的芯片即为神经形态芯片，也称类脑芯片。

国内外已有不少机构和企业在该方向展开研究。早在2011年，IBM便率先取得突破，不过第一代TrueNorth芯片性能表现一般。2014年，IBM推出第二代TrueNorth，能够加载神经网络模型，作为实时感知流的推理引擎使用。

2017年，英特尔发布了第一代神经拟态芯片Loihi，并于2021年9月推出第二代Loihi 2。除了处理速度更快，Loihi 2在可编程性与容量上均有显著提升，在功耗和时延受限的智能计算应用中表现更为强大。

国内专注于这一领域的主要是灵汐科技与时识科技。

灵汐科技是一家专注于类脑计算技术的公司，已推出基于类脑芯片的板卡、服务器、软件工具链及系统软件。其类脑芯片KA200采用存算一体、众核并行、异构融合的架构，既可高效支持深度学习神经网络，也能支持生物神经网络与大规模脑仿真。

灵汐科技副总经理华洪宝在演讲中介绍相关技术

时识科技的技术源自苏黎世大学与苏黎世联邦理工学院，主要研发数模混合神经形态处理器及神经形态算法。该公司聚焦端侧智能，已发布智能视觉SoC Speck——一款感算一体的视觉芯片，同时还推出了低维度信号处理器XYLO，用于压力、震动、温度、声音等非视觉类实时传感信号处理。

过去，AI计算大多在云端完成，因为其既耗电又昂贵。边缘设备上的AI应用通常需要将数据上传至云端，处理完成后再回传结果。然而，随着行业对低延迟、低功耗及数据隐私的需求日益提升，为减轻数据中心压力、提高实时响应速度，AI在边缘侧的处理正成为一个关键增长点。

神经形态芯片具备低功耗、低延迟的优势，天然适合边缘侧场景。灵汐科技与时识科技的产品均瞄准边缘及终端应用。而此次国际团队设计的NeuRRAM芯片，也让更强大、更智能、更易用的边缘设备与智能制造离我们更近了一步。