在馮諾伊曼架構中，大量數據搬運會帶來功耗、效率等內存牆問題及靈活性問題，為克服該問題，近年來出現了存內計算、可重構芯片架構、異構等芯片架構，力圖在 Memory 端打破存儲牆限制，讓能效有 1-2 個數量級的提升。
12 月 4 日，在 SynSense 時識科技主辦的 2020 年類腦技術開放日會上，DeepTech 藉機採訪到了 SynSense 創始人喬寧。據悉他從中科院博士畢業後，於 2012 年前往蘇黎世大學做博士後研究，之後轉做助理教授，一直專注於超低功耗亞閾型模擬電路加異步電路的類腦相關研究。
因此，SynSense 時識科技的核心技術也起源於蘇黎世大學與蘇黎世聯邦理工學院，涉及先進的數模混合神經形態處理器與神經形態算法研發成果，創始成員在 Nature/Science 等頂刊及類腦頂級國際會議期刊已發表過 700 + 篇論文 、引用量近 16000 次。
中外科學家攜手創業
談及創業初衷，喬寧表示：“類腦芯片，實現了算法層面包括芯片架構層面的全新變革。首先，類腦計算基於全新的算法；其次，全並行的運算架構打破了馮諾伊曼架構的束縛；另外，事件驅動的運算機制導致整個類腦系統在性能上有質的提升。所以，這不僅僅依賴於計算機理論體系，更融合了生物學理論體系，通過模仿神經元突觸、神經脈衝等生物行為的工作機制，實現芯片在算法及架構的顛覆性創新，從而帶來性能、功耗、延時等方面有極大提升。”
2017 年，喬寧和 Giacomo Indiveri 共同創立該公司，後者擔任聯合創始人兼首席科學家，其還是蘇黎世大學與蘇黎世聯邦理工學院終身教授、蘇黎世神經信息研究所 INI 所長。兩者的攜手創業，都是出於對類腦芯片技術發展的看好。目標是為一系列 AI 邊緣運算應用場景提供開創性的亞毫瓦級超低功耗、超低延時的芯片設計及解決方案。
而談到該公司更深的淵源，其實還與一位教父級人物有關。神經形態計算（Neuromorphic Computing）被稱為類腦計算，該概念最早來自於加州理工學院的超大規模集成電路之父、摩爾定律的提出者之一卡弗?米德（Carver Mead ）教授。
1995 年～1996 年期間，卡弗?米德的 6 個學生來到蘇黎世大學，併成立了神經信息研究所，其中主要包含三位學者三個方向，分別是做動態視覺傳感器（Dynamic Vision Sensor）的 Tobi Delbruck、做硅耳項目（Silicon cochlea）的 Shih-Chii Liu，以及做類腦芯片研究的 Giacomo Indiveri。
那時，Giacomo Indiveri 在卡弗?米德課題組裏主攻神經擬態工程相關研究，他利用工作在亞閾值的晶體管的電學特性，來模擬生物神經元及突觸的工作機制，這一研究方向的發展主要依賴於亞閾值模擬電路和純異步數字電路，相關研究積累為現在 SynSense時識科技的核心技術領先性提供了保障。
目前，除了SynSense時識科技之外，世界上有兩家科技巨頭在類腦芯片領域有所探索，IBM 曾於 2014 年推出 True North 芯片，Intel 於 2016 年設計了異步脈衝神經形態芯片 Loihi，而量產的可商用的類腦芯片，市場上其實還沒有。
功耗降低 100-1000 倍
對於該公司的芯片，Giacomo Indiveri 教授表示：“我們的類腦芯片目的並不是要取代 CPU 和 GPU，而是要提供可以放在機器人和物聯網終端設備的實時傳感，是一個非常低功率，緊湊而小型的計算單元。”
做 AI 技術的歷代科學家，雖沒有承認自己做神經形態計算或者類腦計算，但其實也是在想從 “腦” 再挖掘點東西。Google \"TPU\"、百度 “崑崙”、阿里平頭哥 “含光”、寒武紀 “思元” 等 AI 芯片都在尋找提升 AI 能力的可能性。
談及類腦芯片的最大優勢，喬寧介紹，類腦技術可以做出不耗電的實時傳感器信息處理系統。在物聯網端上，傳感器對環境信息提取模擬信號通常是第一步，在靠近傳感端，把動態的信息先離散化數字化，只有動態信息發生的時候，才會實時生成數據，而處理器只能被動的由數據驅動運算（Data-driven computing）。”
而SynSense時識科技提出的全新方案 —— 事件處理器（Event Processor），這類處理器芯片運算機制是基於脈衝 / 事件觸發的運算，可以用於一維的實時傳感器信號分析或是二維的圖像信號處理，事件觸發及數據驅動運算，將能使整個傳感器系統在沒有動態信息發生時完全不耗電。
顛覆傳統芯片的技術路徑——不耗電的事件處理器
喬寧認為，從芯片的電路實現上，類腦芯片的形態可以分為幾種：
一是同步電路芯片，這主要是通過 EDA、通過傳統的電路來設計；
二是同步電路與異步電路混搭，比如在類腦芯片中利用同步電路實現單核設計、利用異步電路完成多核的通信；
三是純異步電路實現，不管單核運算或者多核交互，裏面所有的運算及通訊單元都遵循事件觸發的機制；
第四種更高階的形態，則是異步電路加亞閾值模擬計算。在這種最高階的研究中，蘇黎世神經信息研究所有多年的深入研究及積累，他們最新的處理器芯片在 28nm 的工藝下，利用晶體管亞閾值模擬特性模擬生物形態的曲線，利用 pA 到 nA 級電流完成神經網絡計算，能效較純數字解決方案有 1-2 個量級的提升。
類腦芯片的另一個重要特徵是實時性，它可以處理的最佳事件類型不是雲端運算，而是端上的傳感器信息，例如語音或手勢識別或心跳生物信號。
Giacomo Indiveri 教授補充稱：“這些端上的實時的傳感信息是我們的芯片最適合處理的信號，具有可配置的動態參數來匹配環境傳感器的動態信息，在近傳感器的芯片端完成運算及決策，不需要與雲端產生傳輸數據。這就是為什麼我們可以以低帶寬、低功耗來高效處理這些實時信息的原因。”
在可擴展性上，SynSense 研發的 DYNAP-CNN，是世界上第一款直接能對接事件相機的專用視覺處理器，芯片具有極強的可配置性，可以支持複雜大規模 SCNN 模型及算法。
其基於相機事件觸發的運算機制打破了幀的限制，可以實現 5-10ms 端到端識別響應延時；基於稀鬆數據的動態數據運算，可以實現 < 1mW 超低功耗，較傳統解決方案功耗降低 100-1000 倍。
在系統級上，因為基於傳感器 — 處理器直接對接的實時數據運算，無需緩存、系統成本降低 50%，整個系統級基於傳感器數據觸發運算，可以實現真正的 always-on，可廣泛落地於智能家居人機交互、智能機器人、可穿戴設備、智能安防、工業互聯網等領域。
除了視覺之外，SynSense 團隊還專注於低維度的傳感信息處理，這類芯片裏面實現的是脈衝遞歸神經網絡（SRNN）。基於獨創的算法，該芯片的硬件資源消耗量比傳統解決方案降低至少在一個量級以上。
另外，由於基於稀鬆動態數據的觸發式運算，整個系統的運算功耗也極低，基於全新芯片的體徵信號檢測等應用，如心電信號異常檢測，其總體功耗將低於 100uW 。
One more thing
此外，全新類腦計算專刊：NCE 期刊，已在 12 月 1 日由英國物理學會出版社 (IOP) 正式推出。NCE 為 “Neuromorphic Computing and Engineering” 的簡稱，這將是一本涵蓋多個學科領域、採用開放獲取形式出版的期刊。
NCE 將主要關注神經形態計算、設備和系統的應用和發展，是神經形態計算領域的專業期刊，而 SynSense 聯合創始人及首席科學家 Giacomo Indiveri 將出任該期刊主編。期刊之外，SynSense 還將與蘇黎世神經信息研究所一起，聯合主辦世界第三大國際類腦研討會 SynSense Neuromorphic Workshop（SSNW），該研討會計劃於每年 10-11 月在中國舉辦，加速類腦技術國內發展及落地。
當天會上，演講嘉賓清華“天機芯”研究者之一鄧磊博士這樣評論 SynSense 時識科技稱：“類腦計算還沒有形成像人工智能那麼有體系的一個迭代發展的生態，與 7、8 年前做卷積神經網絡一樣，現在處於認識逐漸清晰且大家從不同的角度去推廣的一個階段。如果不做，那麼以後中國在這個領域就一點話語權都沒有。”
據悉，鄧磊是美國加州大學聖塔芭芭拉分校（UCSB）電子計算機工程系博士後研究員、清華大學類腦計算研究中心博士。在活動現場，他對 SynSense 這家即將把類腦芯片商業化的公司給予了較高肯定。鄧磊最後對 DeepTech 補充評價稱：“不管是像喬寧推的終端應用，面向場景做深度定製，還是像我們研究大型的基礎平台的建設，以及高校在研究的類腦模型和算法，其實都是站在不同的角度，以後都會融會貫通起來。”