拉斯维加斯——全球首款“神经形态芯片”将于明年上架——它将延长智能设备的电池寿命。该芯片模仿人脑的架构，旨在实现人工智能功率有限的智能设备上的 (AI) 功能。
连接 Wi-Fi 的“智能”设备（如灯泡、门铃或烟雾报警器）内置传感器，可进行检测并将数据发送到云端进行处理。
但这个过程非常耗电，苏米特·库马尔处理器公司 Innatera Nanosystems 的首席执行官在 CES 2025 上接受采访时告诉 Live Science。这些设备执行的任何人工智能处理也需要互联网连接。
但尖峰神经处理器 T1 应该会大幅削减未来智能设备的功耗。
它的工作原理是实时分析传感器数据来识别模式并可能清理来自传感器的数据，并且不需要互联网连接。
模仿大脑
该设备是一个神经形态处理器，这意味着它的架构旨在模仿大脑的模式识别机制。打个比方，当你感觉到某种东西时——无论是气味还是声音——不同的神经元集合会放电来识别它。
同样，在芯片中，不同组的人工神经元记录尖峰。其基本原理是尖峰神经网络 (SNN)，其中神经网络是机器学习算法的集合，它产生的尖峰类似于脑细胞产生的信号。
有关的：英特尔推出有史以来最大的人工智能“神经形态计算机”，模仿人脑
SNN 算法的文件大小也比大型语言模型中使用的传统深度神经网络小约 100 倍。
计算层数
T1 芯片包含三个基本层。Kumar 说，第一个是基于 SNN 的计算引擎，它记录的功耗小于 1 毫瓦，延迟或延迟（对于大多数应用程序来说通常低于 1 毫秒）。第二层包括传统的深度神经网络，而第三层包括处理系统功能的标准处理器。
Kumar 表示，T1 或类似芯片可将某些智能设备和场景中的电池寿命延长六倍。例如，采用 T1 处理器构建的智能门铃原型可以使用雷达技术检测人的存在，持续时间为 18 到 20 小时，而发送图像和视频的基于 Wi-Fi 的传统产品只能持续 1 到 2 小时。数据到服务器。
应用包括智能照明、任何类型的人数统计探测器、开门系统，甚至耳塞——理论上，T1 芯片可以隔离不同的声音以消除噪音。该公司声称，当用于任何基于声音的应用程序时，能耗可减少 80 至 100 倍，延迟可减少 70 倍。
该芯片已做好今年量产的准备，样品将运送给设备制造商。Kumar 预计首批搭载 T1 神经拟态芯片的产品将于 2026 年上市。