模拟芯片找到了新发力点

对速度的需求是本周人工智能硬件峰会参与者的热门话题——更大的人工智能语言模型、更快的芯片和更多的带宽，让人工智能机器做出准确的预测。

但是一些硬件初创公司正在对人工智能计算采取一种倒退的方法来对抗越多越好的方法。包括 Innatera、Rain Neuromorphics 和其他公司在内的公司正在创建带有模拟电路的硅大脑来模拟大脑功能。

大脑本质上是模拟的，接收原始的感觉数据，这些芯片制造商正试图重建大脑神经元和突触在传统模拟电路中的工作方式。

Tirias Research 的分析师 Kevin Krewell 表示，模拟芯片可以是非常好的低功耗传感设备，特别是对于一些声音和视觉应用。

“模拟是大脑如何使用分布式记忆细胞来保持神经元权重或以其他方式保持模拟权重的更接近的表示，”Krewell 说。

人工智能和机器学习主要依赖于边缘或数据中心的数字芯片。但是在边缘有一个模拟芯片的地方，比如智能手机或汽车，它们需要即时智能，而不需要将数据发送到用于提供人工智能服务的云。

“我们的目标不是取代整个 AI pipeline，”位于荷兰 Rijkswijk 的 Innatera Nanosystems BV 首席执行官 Sumeet Kumar 说。

Innatera 的第三代 AI 芯片有 256 个神经元和 65,000 个突触，与拥有 860 亿个神经元、工作功率约为 20 瓦的人脑相比，这听起来并不多。但Kumar 表示，可以在顶部创建一个完全连接的循环网络，并且该芯片可以使用纽扣电池运行。

客户正在使用该芯片来运行雷达和音频应用，其性能可与同类其他芯片相媲美。该芯片的目标是在设备上整合低水平的学习和推理，这被认为是展会参与者对人工智能的一大挑战。

“我们正在尝试做的是，我们认识到，当数据从传感器移动到云端时，它实际上会在多个阶段被不同类型的人工智能转换。我们经常看到的是客户在云中进行低级传感器数据处理，这是完全没有必要的，”Kumar 说。

Innatera芯片接收来自传感器的信息，这些信息被转换为尖峰信号，输入的内容被编码为这些尖峰信号发生的准确时间。

“这正是它在你的大脑中发生的方式。当您听到某些声音时，您的耳朵中会出现……微小的毛发[细胞]，它们实际上可以检测到每个频段以及该频段内的能量是多少。这些头发[细胞]会振动，产生尖峰，然后进入你的听觉皮层的其余部分。本质上，我们遵循的是完全相同的原则，”Kumar 说。

根据该原理，大脑神经元内部存在钙离子和低钠离子，并且这些浓度会随着时间而变化。Innatera 的芯片使用电流复制了同样的行为。

“我们衡量进入神经元和流出神经元的电流量。这就是我们模仿大脑的方式，”Kumar 说。

这个想法不是要破坏当前的 AI 流入云端，而是要替换当前无法在设备上做出决策的边缘 AI 芯片。该芯片还减少了将模拟信号转换为数字信号的过程。

“你不能真正在长距离上转换模拟信号，因为那样你实际上已经退化了。我们通过将模拟信号转换为尖峰来避免这种情况，”Kumar 说。

今天人工智能的基础是基于使用数字芯片和技术模拟大脑神经元的动作，这已经非常成功。基于摩尔定律的进步，那些数字电路和网络变得更大更快。

但是模拟也有它的问题。例如，由于漂移等校准问题，很难在模拟芯片之间获得一致性，“模拟电路和存储单元不像数字电路那样扩展。大多数时候，模拟最终必须转换为数字才能与系统的其余部分进行交互，”Krewell 说。

可以肯定的是，神经形态芯片的概念并不新鲜。英特尔和 IBM 等公司一直在开发类脑芯片，大学也在开发自己的模拟电路版本。英特尔和其他公司已经提高了对神经形态芯片和传统 AI 之间差异的认识，但随着 AI 计算需求和能效以不可持续的速度增长，初创公司认为有必要推出他们的产品。

另一家人工智能芯片公司Rain Neuromorphics表示，其大脑模拟芯片将用于阿贡国家实验室的粒子加速器。

在 AI 硬件峰会上的一次演讲中，该公司没有提供有关如何使用该芯片的太多细节，但该公司的首席执行官 Gordon Wilson 表示，该芯片将像硅大脑一样帮助研究实验室的研究和得出粒子碰撞的结论。

硅大脑将提供设备上的智能以防止传感器漂移，这可能导致错误的数据被馈送到人工智能系统。传感器漂移的概念类似于 AI 中的模型漂移，其中输入学习模型的不良数据可能会使 AI 系统偏离轨道。

Wilson 声称，与云端 AI 相比，该芯片的设备端功能更节能。

“你需要即时学习的能力。您需要能够针对传感器漂移进行训练和微调，以保持该系统的性能，”Wilson 说。

Wilson 说，Rain 芯片的第一次迭代“看起来与……其他模拟或混合芯片没有根本不同”。但它将具有学习能力，这将释放更多价值。

Wilson 指出可能有不同类型的记忆，如忆阻器电路，提供学习能力。自 1960 年代以来，忆阻器一直处于开发阶段，惠普（后来成为 HPE）一直在追求将其用于名为 The Machine 的大型计算机中，但该技术仍然是一项新事物。

“忆阻器用作存储电阻器。它是一个可以调节其阻值的电阻器。它被用作人工突触，”Wilson 说。在大脑中，突触不需要完美，对 Rain 的忆阻器的要求会有所不同。

风险投资家 Sam Altman 以在人工智能领域的工作而闻名，担任 OpenAI 的首席执行官，今年早些时候向 Rain Neuromorphics 投资了 2500 万美元。