類腦計算作為一種新興的計算方式，因其能夠大幅提升數據實時處理、機器在線學習能力，並且實現更小的能耗和體積，被認為能夠帶領人工智能和計算機微型化的下一階段。英特爾、IBM、高通等巨頭近年來紛紛投入了大量研發。
不過由於技術還處於較早期的狀態，產品成熟度及落地場景都還在探索期。市場上常見的多是通用芯片，且主要用在科研領域，尚未出現能夠量產的產品；此外，由於大量研發集中在傳感器領域，而基於類腦的處理器開發進度較慢，這也在一定程度上影響了技術的落地。
最近業內出現了一家切入到專用領域，研發基於類腦計算的智能視覺傳感器SoC，並且即將在2020年6月將開發模組交付客户使用的公司——SynSense。公司於2017年在瑞士成立，背靠著名研究機構蘇黎世大學及蘇黎世聯邦理工神經信息研究所，以類腦技術為主線，專注於邊緣運算，開發超低功耗、低成本邊緣運算處理器及智能傳感器，為智能家居、機器人、智能安防、自動駕駛、無人機等多領域提供包括IP授權、硬件設計、軟件配置、算法開發等完整解決方案。
關於為什麼從視覺方向入手，並切入消費級場景。SynSense創始人喬寧表示：智能家居市場近幾年增長迅速，相應的智能傳感器也在被大量部署，視覺是非常重要的信息要素，與聲音這種低維度的信息不同，除了獲取、處理難度較高之外，行業對於視覺專用的SoC研發也不夠，在類腦計算方向上更處於空白期。
除了採取類腦計算這種方式之外；SynSense即將在6月發佈的SoC片上包含了傳感器 處理器的完整解決方案，這解決了上文提到的類腦傳感器長期缺乏相匹配的處理端的問題，補齊了行業短板。另外，產品採取離線的工作模式，與業內常見的雲端處理模式有很大不同，這實際上反映瞭解決方案側重點區別，具體來説：
雲端的處理模式主要解決的是海量數據的處理，隨着5G及算法算力的提升，基於雲端的解決方案正在被大規模使用，但其弊端在於：一方面，雲端收集到的信息大卻易冗餘，這對於硬件、算法的要求非常高；此外，數據從終端上傳到雲端，中間的傳輸、處理過程也使得設備功耗比較大，由此抬高了解決方案的整體成本。
SynSense採取離線的處理方案，主要是切入了人機交互場景對於實時響應的要求，例如，一個完整的連續手勢能夠在多短的時間內，以極低的功耗完成處理。目前，SynSense完整的視覺解決方案能夠做到亞毫瓦級功耗、毫秒級響應；同時，這種輕量級的設備能夠實現更低於雲端解決方案的成本以及更高效的人機實時交互。
目前，SynSense的主要業務分為兩大方向：一是視覺信號，以動態攝像頭為輸入的超低功耗、超低延時的實時動態圖像處理及智能應用，主要應用場景為智能家居、機器人及智能安防領域；二是身體信號、語音等自然信號的超低功耗實時處理,可用於手機、健康監測及工業機械領域。
當前這款智能視覺傳感器SoC已經投片並測試成功，相應的開發套件將於6月交付客户使用，年底實現量產。SynSense現已在成都和上海組建硬件及芯片研發團隊：歐洲主要負責底層IP和算法研發，國內則負責系統的集成、工程化、市場等業務。公司近日已完成近億元人民幣A輪融資。