如何用1mW实现1000帧/秒的超级算力
当我们在谈论AI及芯片时,算力、工艺、规模等参数似乎永远是衡量芯片的标准。动辄3nm、5nm,几百TSOP的算力,似乎还远远不能满足人类对于AI的需求。
而与此同时,自然界的昆虫用了几近于0算力的CPU在适应残酷的自然环境:觅食、飞行、认知、决策以及意识。蜜蜂的视神经为2.5万像素、脑容量1mg、网络规模小于100万神经元、功耗不超过0.2mW,脑细胞维度um级别,算力相当于一台面包机,却呈现比现有AI强大得多得多的性能及功能。
摆在传统冯诺依曼架构芯片前面的三面墙:摩尔定律、存储墙以及发热问题,预示着传统芯片解决方案或早或晚要碰壁。仿生的神经拟态感知(更少更好的数据)、神经拟态计算(更好的计算架构)以及神经拟态存储技术(更好的存储技术),为芯片发展提供了新的解决方案和想象空间。
显而易见,目前的AI技术更专用、功能单一、兼容性差、规模巨大、昂贵且难以实现自主及意识等真正的强智能。而生物大脑是并行、异步、分布式、高容错、多模态、低成本(神经元尺寸4-120um)、通用、轻量级系统,实现的是真正意义的通用智能以及强智能。
所以,类脑智能被誉为第三代人工智能,是AI实现通用智能及强智能的最佳途径。
那么,如何实现1000帧每秒的边缘AI算力呢?生物视网膜提取的是稀松的动态信息、给脑皮层输送的是离散的点云数据,而大脑做的是连续的时空运算,根本就没有帧率限制。所以,基于仿生的动态视觉传感+脉冲网络的时空运算,可以轻松实现1000帧图像识别推理任务。
因此,仅需要1mW功耗、几毫秒延时、即可看清最高转速下风扇页上的数字。
该Demo可在SynSense时识科技Dynap-CNN开发套件上轻松部署。
DYNAP™-CNN开发套件利用时识科技DYNAP™-CNN芯片的强大能力,提供毫瓦级可编程m脉冲卷积视频处理能力。DYNAP™-CNN开发套件支持直连或通过PC连接DVS相机。利用时识科技开源Python库SINABS轻松搭建深度脉冲卷积神经网络, 并且最少仅需一行代码即可在DYNAP™CNN开发套件上完成网络部署。
sales@synsense.ai