Aspinity发布RAMP：模拟处理器将边缘功耗降低10倍

成立于2015年的匹兹堡初创公司Aspinity，于周二发布可重构模拟模块化处理器平台，简称RAMP。该超低功耗模拟处理平台旨在直接在模拟域检测、分析和分类原始传感器数据——如语音、警报、振动变化。完成信噪分离后，RAMP将精炼数据移交数字化处理。

（来源：Aspinity）

通过优先进行模拟分析，RAMP可将边缘设备功耗降低多达十倍，并为常开应用将数据量压缩百倍，Aspinity宣称。该平台面向消费、智能家居、物联网和工业市场的电池供电、常开感知设备。

The Linley Group资深分析师Mike Demler向《EE Times》表示，RAMP突出特性是极低功耗——主动运行仅汲取10µA，这对模拟芯片而言成就非凡。

创始人兼CEO Tom Doyle在听到Gene Frantz讨论将神经网络带回模拟领域后备受鼓舞。Frantz曾任TI技术研究员，现为Rice大学教授，长期倡导模拟信号处理用于AI。"这正是RAMP所做的，"Doyle说。

模拟 vs 数字
STMicroelectronics和Renesas等厂商推广AI赋能端点设备用于异常检测，但依赖数字电路和软件。ST使用ARM内核，Renesas提供混合动态可重构处理器(DRP)。相比之下，RAMP完全用模拟设计构建神经元和突触。

因RAMP仅采样最相关数据点，可将振动数据压缩100倍，大幅削减无线传感器网络需传输分析的数据量。这对电池供电设备至关重要。

Mythic vs Aspinity
模拟计算原是神经网络的最初路径。如今Mythic和Syntiant等公司探索存内模拟计算，以降低功耗对比数字推理引擎。消除数字内存事务可实现显著功耗和面积节省。

Aspinity架构将代码和数据存储与计算单元交织，利用非易失性存储提效。区别于Mythic接受数字输入并用闪存单元作模拟电导元件，RAMP通过多种参数化模拟电路——放大器、滤波器、加法器、减法器——直接处理原始模拟信号。

6-8位精度
数字电路通常提供更高精度，但许多应用6-8位模拟精度足矣。这种较低精度实现更小、更低功耗设计，仍对唤醒词检测等任务有效。

总之，RAMP切中超低功耗声学处理利基市场，用于唤醒词和声音检测，让设备空闲时进入深度睡眠。

模拟面临工艺、电压、温度变异等挑战，但消除数字内存事务可带来显著功耗和面积收益。

应用
Aspinity看好语音优先设备市场——智能音箱、可穿戴、听戴设备。Doyle设想语音优先电视遥控器单电池运行一年，给厂商竞争优势。

RAMP模拟模块可用特定应用算法重编程，分析各类传感器原始模拟数据，包括工业加速度计的振动监测。

先数字化 vs 先分析（来源：Aspinity）

RAMP是专用电路。设计师须权衡成本效益决定是否加入语音激活设备，但它可作为语音处理器前端而非独立芯片。

CEO Doyle计划除售芯片外拓展IP授权。公司已与多家消费和芯片厂商合作，现提供样片，量产计划2020年初。

公司
Aspinity为商业化西弗吉尼亚大学研究而创立，持有该校技术独家权利。三轮融资筹集360-370万美元，亚马逊参与两轮。十人工程团队具深厚模拟专长。

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

>> 本文最初发表于姊妹站EE Times："Aspinity将神经网络带回模拟。"