1瓦级模拟存算边缘AI芯片落地

近期，


Analog




AI


正式宣布，选用


Microchip


旗下SST子公司的memBrain™ SAGE神经形态硬件IP，打造自己首款面向真实工业场景的边缘AI


处理器


。这款全新的边缘AI芯片依托成熟的


模拟


存算技术，能在1瓦以内的超低功耗水平下，实现极高的模拟计算性能，让


机器人


、


无人机


、车载设备这类电池供电或者供电资源紧张的边缘设备，不用依赖云端算力，就能在本地直接完成复杂的AI推理任务。

很多做边缘智能设备开发的


工程师


都遇到过类似的矛盾：想要让设备在本地跑复杂的AI模型，就得用算力很高的处理器，结果功耗直接冲到好几瓦，设备的续航时间大幅缩水，散热也成了难题；如果为了省电选低功耗芯片，算力又不够，稍微复杂一点的AI推理任务就跑不动，只能把数据传到云端处理，不仅延迟高，遇到网络


信号


不好的场景直接就没法工作。AnalogAI这次推出的全新边缘AI处理器，核心就是要靠模拟存算技术，打破“算力越高功耗越高”的传统死循环。

这款芯片的核心竞争力，来自AnalogAI自研的一套硬件感知专属


算法


，这套算法最特别的地方，是能让AI模型在真实环境里，一边完成推理计算，一边同步完成模型微调训练，不用把大量数据传回云端再做训练迭代。过去边缘设备上的AI模型一旦出厂，能力就基本固定了，遇到新的场景很难自主适配，现在用这套新方案，设备在实际运行过程中遇到新的环境变化，就能在本地实时调整模型参数，自主适应新的工况，不用等厂商推送远程固件更新。

作为整个芯片算力底座的memBrain SAGE IP，是基于SST成熟的Supe


rF


lash技术打造的，已经经过大量实际硅片流片验证，技术稳定性完全有保障。它的核心是模拟计算存内（


aC


IM）架构，把计算单元直接集成在存储单元旁边，数据不用在内存和处理器之间来回搬运，直接在存储芯片内部就能完成计算，从根源上大幅降低了数据传输带来的额外功耗。过去传统数字处理器处理AI推理任务的时候，大量的电力都浪费在数据来回搬运的过程中，现在用模拟存算架构，就能把这部分无效损耗几乎全部砍掉，用极低的功耗跑出非常可观的AI算力。

从实际落地场景来看，这款超低功耗边缘AI处理器，能完美适配很多过去很难实现智能升级的场景：比如环境自适应的人形机器人，在陌生的工业场景里，不用提前做大量环境标定，就能自己一边移动一边实时调整AI模型，快速适应新的工作环境；还有工业巡检无人机，在电池容量有限的情况下，就能在飞行过程中实时完成图像识别和异常检测，不用把大量高清图像传回地面站处理，大幅提升巡检效率；还有车载的智能感知单元，在供电资源紧张的边缘节点，也能实现低延迟的实时环境感知，提升


自动驾驶


系统的响应速度。

过去边缘AI处理器想要实现高算力低功耗，往往要靠最先进的7nm、5nm工艺流片，芯片的研发和制造成本居高不下，很难大规模普及。这次依托经过硅验证的成熟模拟存算IP，AnalogAI不用依赖最顶尖的先进制程工艺，就能在低功耗水平下实现很高的AI推理性能，大幅降低了边缘AI专用处理器的落地门槛。随着这类超低功耗边缘AI芯片的逐步量产，未来大量过去只能依赖云端算力的智能设备，都能在本地拥有独立的AI处理能力，彻底摆脱网络和云端算力的限制，在更多真实工业场景里落地应用。