过去的数年间，人工神经网络算法在发展过程中几经沉浮，也取得了些许傲人的成绩。在教育、游戏、金融到安防在内的不同应用领域中，我们都能窥见它的身影。
但随着技术的发展和需求的升级，一个严峻的现实成为了掣肘人工智能发展的重要一环，那就是数据量越来越大，数据类型越来越多，从以前主要的文本信息，到如今的图像信息、音频信息、视频信息，再到各种传感器信息。

同时，在算法上，不同的应用领域有不同的算法涌现，比如图像识别算法、语音识别算法以及目标跟踪算法等。

而它们的基点——算力的提升却越来越慢，已经远远落后于数据和算法的需求。

为解决以上问题，新型计算范式“类脑计算”（Neuromorphic Computing，也称为神经形态计算）被世人所提出。成立于2017年的SynSense时识科技（原名：aiCTX）便是深耕在该赛道的一员。

定位于一家全栈式类脑计算技术公司，SynSense时识科技专注于神经形态运算、类脑边缘运算处理器、智能传感器的设计与开发，为AI边缘运算应用场景企业提供开创性的亚毫瓦级低功耗、低延时的芯片设计及解决方案。

SynSense核心团队在该领域已有二十多年的磨合期，其核心技术依托于著名研究机构苏黎世大学及苏黎世联邦理工神经信息研究所20多年全球的研究成果和世界前沿的科研实力。也正因此，使得SynSense时识科技团队对于类脑市场的发展趋势、脉络有着清晰而透彻的理解。

创始人兼CEO乔宁告诉创业邦，之所以如此看好类脑技术，原因主要在于，

相比传统芯片，类脑芯片在学习能力和功耗上具有更大优势，可突破传统冯·诺依曼计算架构，支持脉冲神经网络和人工神经网络（深度神经网络），进行大规模神经元网络的模拟，实现存储与计算的深度融合，从而大幅提升计算性能、提高集成度、降低能耗。

“这有望改变人工智能的发展趋势。”乔宁说。

他也坦言，早在2005年，类眼技术就已经出现，但由于单纯凭借视觉维度很难构建完整解决方案，需要多个智能仿真技术与之组合，才能称之为一个完整的视觉模组。

而这，正是SynSense时识科技正在做的事。

现阶段，SynSense时识科技已初步打通类眼和类脑技术，通过智能仿真系统和多芯片解决方案的形式对外输出，主要芯片研发包括专用脉冲卷积神经网络（SCNN）芯片DYNAP-CNN、通用脉冲神经网络（SNN）芯片DYNAP-SE，还包括针对公司硬件架构的脉冲神经网络算法、模型的搭建及仿真，以及支持系列芯片应用的用户软件工具链开发。

细分业务可分为两大方向，一个是视觉信号，以动态摄像头为输入的低功耗、低延时的实时动态图像处理及智能应用，主要应用场景为智能家居、机器人及安防领域；第二个是身体信号、语音等自然信号的低功耗实时处理，可用于手机、健康监测及工业机械领域。
落地方面，SynSense时识科技选择从智能家居切入市场，经创业邦询问后发现，这背后蕴含着一套乔宁自己的优先逻辑打法。

一方面，投资方在智能家居领域资源深厚，为SynSense时识科技加速落地奠定了坚实基础；

另一方面，SynSense的SoC技术在智能家居领域的价值释放更明确，其低功耗、低延迟、低成本优势能够为该领域直接带来颠覆性革新，能有效辅助肢体语言行为解读，并实现即时响应；

更重要的是，在用户隐私保护方面，类脑技术路径将数据信息从云上迁移至边缘处理，比摄像头更契合家庭场景需求。

而在相同场景内，SynSense对比传统摄像机加上一个低功耗处理器，可以在功耗层面从10~100毫瓦降低为1毫瓦以下，延时从50毫秒缩短至10毫秒（接近实时处理）。

乔宁告诉创业邦，很多行业人士会称类脑技术为深度学习的继任技术，但在他看来，这两者擅长领域不同，似乎更像是互补关系。
深度学习适合做云端静态大数据分析，根据时间序列进行批量存储，再完成数据分类、处理等识别作业。而类脑技术更适合对动态数据分析，例如语音交互、心电检测等，达到实时响应的效果。

成立仅三年，目前SynSense时识科技已在智能家居、机器人、智能安防、自动驾驶、无人机等诸多领域布局，其自主研发的首款基于类脑的视觉智能传感器SoC样片也已投片并测试成功，具备产品量产能力，预计将于明年完成迭代，正式对外销售，同时推出硬件模组样机，或有机会成为第一家实现类脑芯片商用的公司。

据悉，SynSense时识科技团队已于2018年完成BV百度风投的数千万元人民币Pre-A轮融资，并于近日获得和利资本领投，默克、中科创星、科沃斯、云丁、亚昌投资等跟投的近亿元A轮融资。

在谈及投资逻辑时，该轮投资人表示：“在看过了市面上十几个边缘运算的项目后，我们从商业化、产品化、技术能力三个维度综合考虑，终选择了SynSense时识科技。”这足以见得SynSense团队的竞争优势。

而A轮融资后，考虑到国内政策的大力支持，SynSense时识科技正在筹备于今年将母公司全面落地中国。