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