AI 芯片的模拟处理方法大幅降低功耗

Aspinity 是一家成立于 2015 年的匹兹堡初创公司，周二将推出可重构模拟模块化处理器平台（RAMP）。超低功耗模拟处理平台旨在首先在模拟域中检测、分析和分类原始传感器数据。一旦将数据（语音、警报、振动频率或幅度的变化等）与背景噪声区分开来，RAMP 就会将数据移交给数字化。

（来源：Aspinity）

根据 Aspinity 的说法，这种“模拟优先”方法的结果是“将边缘所需的功率降低了多达 10 倍，并将始终在线的应用程序处理的数据量降低了多达 100 倍”。这家初创公司声称，RAMP 可以在面向消费者、智能家居、物联网和工业市场的电池供电、永远在线的传感设备中发挥关键作用。

The Linley Group 的高级分析师 Mike Demler 告诉 EE Times , “RAMP 最显着的特点是其极低的功耗。在活动操作期间仅消耗 10 微安电流对于模拟芯片来说是一项壮举。”

Aspinity 的创始人兼首席执行官 Tom Doyle 告诉我们，当他最近听到 Gene Frantz 谈论“需要将神经网络重新转换为模拟”时，他感到很高兴。 Frantz 之前是 TI 的技术研究员和 DSP 的坚定推动者，现在是 Rich University 的教授。今年早些时候，在接受 EE Times 采访时，他建议 AI 需要一个更好的解决方案，为此，“我们应该考虑回到模拟信号处理。”

这对多伊尔来说是音乐。模拟处理正是 Aspinity 的 RAMP 设置的目的。

模拟与数字
其他芯片供应商，例如意法半导体和瑞萨电子，一直在推销具有 AI 功能的端点设备，用于异常检测。 Aspinity 的 RAMP 有何不同？

SAR Insight &Consulting 无线连接和机器传感总监 Joe Hoffman 说：“意法半导体和瑞萨电子都利用了数字技术。他们通过在其核心处理器上使用数字电路和软件来实现人工神经元的基本元素。”例如，ST 依赖于 ARM 微处理器内核，而瑞萨电子使用自己的动态可重构处理器 (DRP)——霍夫曼将其描述为“介于微处理器内核和 FPGA 之间的混合方法”。他说：“DRP 可以即时重新配置。”

相比之下，Aspinity 的 RAMP 使用模拟电路方法。 Hoffman 指出，Aspinity 使用模拟设计而非数字设计来构建神经元和突触。

因此，与其开发一个预测性维护系统，该系统不断地将数千个数据点数字化以监测某些频谱峰值的变化趋势，“RAMP 可以仅采样和选择最重要的数据点，将振动数据的数量压缩为100 倍，并显着减少了为分析而收集和传输的数据量，”该公司表示。

减少数据量是实现电池供电的无线传感器系统的关键。

神话与 Aspinity
模拟是神经网络建模的原始方法。德姆勒说，数字后来出现了。 “但最近，研究人员（以及 Mythic 和 Syntiant 等公司）正在研究内存模拟计算，以降低与数字推理引擎相比的功耗。”

Demler 解释说，通过消除典型推理引擎所需的数字存储器事务，“您可以潜在地节省大量功率和芯片面积。”

Aspinity 的 CEO Doyle 说：“就像传统的数字计算机架构一样，Aspinity 既有‘代码存储器’来存储算法的结构和算法的参数/系数，也有‘数据存储器’来存储信号特征的历史。当我们处理它时。然而，与传统计算机不同的是，Aspinity 不使用一大块内存块。 Aspinity 的首席技术官兼创始人 Brandon Rumberg 解释说，相反，代码内存和数据内存“都与计算组件混合在一起，以提高效率和紧凑性”。 RAMP内部集成了非易失性存储器。

在某种程度上，Mythic 和 Aspinity 很相似，因为它们的方法是“内部模拟计算”。但这就是相似之处。

神话取决于数字输入。相反，Aspinity 处理模拟输入。 Demler 解释说：“Mythic 只是使用闪存单元作为电压可变电导元件来替代数字乘法累加器 (MAC)。”另一方面，“Aspinity 使用各种参数化模拟电路；放大器、滤波器、加法器/减法器等。”

6-8 位精度
正如霍夫曼解释的那样，“数字电路的计算精度比模拟电路高得多，并且与众所周知的数字设计工艺和 CMOS 技术兼容。例如，当今最先进的处理器都是 64 位宽度，而这里提到的模拟过程 [Mythic、Aspinity 和其他] 通常是 6 到 8 位的精度。 [然而]，这种较低的精度对于许多应用来说已经足够了。”

总而言之，Hoffman 指出：“Aspinity 专注于有限的声学处理应用集，以超低功耗进行唤醒词/声音检测。当设备的其余部分可以在低功耗模式下进入睡眠状态时，这是有利的。”

Demler 还认为模拟在工艺/电压/温度可变性等方面有其局限性。他指出，“这就是为什么我们没有看到它在商业产品中获得太多吸引力。”不过，另一方面，“如果您可以消除典型推理引擎所需的所有数字内存事务，您就有可能节省大量功耗和芯片面积。”

应用程序
Aspinity 看到了“语音优先设备”的市场不断增长，例如智能扬声器和可穿戴设备/耳戴设备。 Doyle 说：“想象一下，一个语音优先的电视遥控器，每次更换电池后可以运行一年。这将为制造商带来巨大的竞争优势。”

据 Aspinity 称，RAMP 平台的模拟块可以使用特定于应用程序的算法重新编程。 RAMP 可以分析来自不同类型传感器的原始模拟数据，包括用于工业振动监测的加速度计。

先数字化与先分析（来源：Aspinity）

Demler 指出，“RAMP 是一种专用电路。”在使用 RAMP 时，设计人员必须考虑在他们的声控设备中添加另一个组件的成本与收益。但这是一个缺点吗？不完全是，德姆勒说。 “RAMP 是一种语音（或声音）活动检测器。它并不能准确确定所说的内容。在某些系统中，将 RAMP 集成为语音处理器的前端而不是单独的芯片会更有意义。”

Aspinity 的 CEO Doyle 表示，除了销售芯片，他还计划从事 IP 业务。该公司目前有许多合作伙伴。 “有些是消费者公司，有些是芯片组合作伙伴，”Doyle 说。该芯片今天提供样品。计划2020年上半年量产。

公司
Aspinity 的成立是为了将西弗吉尼亚大学的研究商业化。这家初创公司拥有使用大学开发的技术的独家完全权利。

Aspinity 在三轮融资中总共筹集了“3.6 至 370 万美元”的资金。据首席执行官称，亚马逊参与了两轮。 Doyle 表示，该公司拥有一支由 10 名工程师组成的团队，其中许多工程师拥有丰富的模拟经验。

— Junko Yoshida，AspenCore Media 全球联合主编，首席国际记者，EE Times

>> 本文最初发表于我们的姊妹网站 EE Times：“Aspinity 使神经网络恢复模拟。”