，因此在训练时候需要大量的算力，在云端部署的时候也需要算力做支撑，因此云端人工智能领域中以Nvidia为代表的加速人工智能成为了关注焦点，同时也有以Graphcore、Habana为代表的云端专用人工智能芯片公司与GPU分庭抗礼。2018年之后，随着模型和芯片设计的优化，人工智能逐渐从云端下沉到的超分辨、美颜、人脸识别等应用也渐渐得到了主流认可，相应的芯片（IP）也就成为了手机SoC上不可或缺的一部分，

　　而随着人工智能技术的进一步演进，我们看到它正在进一步和物联网结合，超低功耗人工智能正是这个人工智能继续下沉的新动向。

　　超低功耗人工智能芯片（IP）的工作功耗在数十毫瓦或更低（作为比较，手机端人工智能IP的工作功耗往往在数百毫瓦到瓦级别，而云端人工智能加速卡功耗通常在数百瓦），同时往往结合事件驱动技术，即绝大部分时间计算部分都处于休眠状态，仅仅在发生相关事件时才会启动，这样就可以把平均功耗降低到毫瓦数量级以下。

　　超低功耗人工智能可以应用在什么场景下呢？消费电子领域中就有超低功耗人工智能的一席之地。在下一代智能设备如可穿戴设备和智能眼镜类设备中，设备由于尺寸等原因电池容量有限，而这些设备需要执行智能生物信号处理（例如智能手表上的心率检测）、手势识别（例如在目前的HoloLens中，基于人工智能的手势识别是主要用户交互方式）、语音识别等等，因此需要非常高能效比的人工智能加速模块。除此之外，在智能家庭等领域，超低功耗人工智能也有落地机会，例如目前的智能门锁市场，加入人脸识别会使智能门锁的用户体验大大改善，但是智能门锁通常必须依靠电池供电，而且预期的电池寿命至少要半年到一年，这样一来对于执行人工智能计算的模块就提出了非常高的能效比需求。

　　除了消费电子之外，工业应用中也需要超低功耗人工智能。工业应用中对于超低功耗人工智能的需求往往来源于智能传感器。这类传感器安装在机器、机械臂、管道等重要环境中，需要能时刻监测各类信号并且运行相应的人工智能算法来判断运行状况。在这些场景下，传感器必须依靠电池供电，而超低功耗人工智能可以大大减少电池消耗，这也意味着传感器更换电池的间隔可以提升，这也就大大降低了这类传感器系统的部署和维护成本。

　　首先是基于数字电路的超低功耗人工智能加速模块设计。使用数字电路向超低功耗方向的优化方法首先是从系统架构层面做优化，尽量减小模型的体积，并优化数据流以降低内存访问开销。此外，在电路层面可以降低电源电压，甚至使用亚阈值逻辑门设计，以降低电路运行时的功耗，以及漏电流。使用数字电路方法的优势在于可以更容易地与人工智能计算之外的模块集成并构成SoC，而无需在数模转换上消耗额外能量。

　　第二条技术路径是使用模拟计算来完成神经网络的计算。模拟计算往往和内存内计算相结合以实现高能效比，其具体的思路是目前人工智能计算中往往存储访问是能量消耗最大的部分，而使用模拟计算则可以在存储（如SRAM或Flash等NVM）读出电路中直接做计算，这样就省去了数据读出再计算的步骤，AG真人国际而可以直接在内存内完成计算。使用模拟计算配合内存内计算往往可以实现很高的能效比，例如欧洲的著名半导体研究机构IMEC宣布将在未来数年内完成能效比高达10000TOPS/W的模拟计算人工智能加速模块。但是模拟计算对于模型往往有较多限制，例如必须在计算精度较低时仍然能保证准确率等，因此需要很好的软件/硬件协同设计。

　　第三条道路则是在模型设计上使用脉冲神经网络的设计（神经模态芯片）。使用脉冲神经网络设计的神经模态芯片仅仅在神经元被激活时消耗能量，而绝大部分神经元在大部分情况下都处于休眠状态而几乎不消耗能量，因此其平均能效比可以做到比基于主流卷积神经网络的芯片高一个数量级。脉冲神经网络和神经模态芯片的难点主要在于模型设计和训练上存在很高的门槛，此外如何对相应的脉冲神经网络模型做电路级优化也有很高的技术含量。

　　超低功耗人工智能芯片市场目前仍然处于起步阶段，但是随着未来物联网和下一代智能设备的技术演进，预计在未来几年内市场热度会越来越高。目前，从事超低功耗人工智能芯片开发的主要初创公司，但是未来超低功耗人工智能芯片的下一代领导者很可能就出现在这些初创公司中。

　　在消费电子领域，美国的Syntiant得到了亚马逊Alexa Fund、微软M12和IntelCapital等行业资本的支持，其主要产品是针对智能设备语音处理的超低功耗芯片。与此相对，中国的初创公司在这个领域的布局则更加多样。来自清华大学的清微科技使用可重构电路技术，其超低功耗产品能覆盖语音识别、视觉识别等多个领域，可望为下一代智能设备赋能。另一家中国公司则是SynSense，SynSense的技术路线是使用脉冲神经网络，技术来自于神经脉冲网络权威，苏黎世大学Giacomo Indiveri教授的团队。目前SynSense的脉冲神经网络已经完成了多次流片迭代和验证，相关的产品覆盖了视觉、生物信号处理、语音识别等，平均功耗可以低至微瓦数量级。此外，SynSense还于最近推出了使用神经脉冲网络结合动态视觉传感器DVS的产品Speck，该产品能真正实现事件驱动，在绝大多数时间运行于超低的功耗下，而在检测到动态事件后DVS能提供超高的视觉采样频率，并且配合脉冲神经网络实现超高性能/超低延迟的视觉信号处理，从而兼具超低功耗和高性能。

　　而在工业应用领域，同样来自清华大学的湃方科技走在了全球前列，成为了在工业领域能真正落地的超低功耗人工智能算法和芯片解决方案公司。湃方科技的应用场景涵盖了卫星、机械臂、发电机、电机等等重要的工业应用，其芯片能提供高达50TOPS/W的能效比。

　　目前，在超低功耗人工智能芯片领域，中国的初创公司和团队无论是数量还是质量都走在了全球前列。让我们期待中国能在未来的超低功耗人工智能领域继续引领全球的潮流。

　　原理 模块化设计：模块化仪器使用一个框架，可以将不同类型或不同数量的功能卡插入其中，从而适应一系列

　　了数据传输的压力，还提高了系统的响应速度。而在物联网中，嵌入式系统更是一个核心的组成部分。通过将

　　不仅提高了能源的生产效率和管理水平，还为未来的可持续发展提供了有力保障。随着

　　将在能源科学领域发挥更加重要的作用。 总结 《AI for Science：

　　与生命科学的结合正引领着一场前所未有的科学革命，以下是我个人的读后感： 1.

　　的拓展，AI将在更多领域发挥关键作用，从基础科学到应用科学，从理论研究到实践应用，都将迎来前所未有

　　的研发成本，并吸引了大量的开发者、企业和研究机构参与其生态建设。 灵活性则体现在RISC-V可以根据不同的应

　　原理NFC（Near Field Communication，近场通信）协议

　　设计的理想工具，有助于培养更多的计算机专业人才。 综上所述，RISC-V适合的应

　　、自动驾驶、汽车电子、数据中心和云计算以及教育和研究等多个领域。随着RISC-V生态系统的不断完善和

　　领域的应用前景广阔，不仅可以用于深度学习的加速和云计算的加速，还可以针对特定应

　　）在设计和应用上存在一些关键的区别，这些区别主要体现在它们的功能、优化目标和适

　　开疆智能Ethernet/IP转Profinet网关连接纳博特控制器配置案例

　　开疆智能EtherNETIP转Profinet网关连接汇川PLC配置案例

　　工业通信升级：Modbus转Profinet网关连接KSR系列软起动器

　　Banana Pi与OpenWrt开源社区合作 OpenWrt One 评测：探索未来和亮点

　　【RA-Eco-RA4E2-64PIN-V1.0开发板试用】01、点亮LED