【導(dǎo)讀】在正在盛大舉行的2026上海世界移動通信大會（MWC26上海）上，Innatera開發(fā)的尖峰神經(jīng)網(wǎng)絡(luò)（Spiking Neural Networks，SNN）技術(shù)、已商業(yè)化的Pulsar神經(jīng)形態(tài)微控制器（neuromorphic MCU）、Talamo軟件開發(fā)套件（SDK）和多項(xiàng)應(yīng)用展示吸引了眾多的觀眾。大家對SNN在邊緣端實(shí)現(xiàn)的極致能效比與低延遲響印象深刻，其事件驅(qū)動的計(jì)算機(jī)制與異構(gòu)混合架構(gòu)正在為越來越多的邊緣AI和端側(cè)AI，尤其是物理AI創(chuàng)新帶來巨大支持。
Innatera Nanosystems公司總部位于荷蘭，其SNN摒棄傳統(tǒng)AI芯片的時(shí)鐘同步幀計(jì)算模式，僅當(dāng)輸入脈沖信號觸發(fā)有效神經(jīng)元激活時(shí)才啟動計(jì)算單元，無有效事件時(shí)硬件自動進(jìn)入深度休眠狀態(tài)，從根源上消除了時(shí)鐘輪詢帶來的無效功耗，從而為音頻、雷達(dá)和工業(yè)等多樣化的應(yīng)用場景實(shí)現(xiàn)微瓦級運(yùn)行的核心設(shè)計(jì)。
在本次MWC26 上海展出的Pulsar芯片已經(jīng)商用，它集成12個(gè)可編程數(shù)字SNN核心和4個(gè)模擬SNN核心：模擬核心通過電容陣列實(shí)現(xiàn)存算一體，單晶體管即可完成突觸權(quán)重的指數(shù)級非線性運(yùn)算，徹底消除馮?諾依曼架構(gòu)下的數(shù)據(jù)搬運(yùn)能耗；數(shù)字核心則保障了網(wǎng)絡(luò)配置的靈活性，兼顧超高能效與通用適配能力。
（Pulsar神經(jīng)形態(tài)MCU架構(gòu)框圖）
為了加速AI應(yīng)用的開發(fā)，除了集成上述SNN引擎，Pulsar還在同一顆芯片上集成了32-MAC CNN加速器、FFT/IFFT引擎與160MHz RISC-V MCU，可根據(jù)當(dāng)前任務(wù)類型自動分配算力：低負(fù)載傳感檢測任務(wù)僅調(diào)用SNN單元，復(fù)雜圖像識別場景自動喚醒CNN加速器，避免了算力全開帶來的不必要功耗浪費(fèi)。
（Pulsar微控制器產(chǎn)品圖）
針對AI技術(shù)對數(shù)據(jù)存儲的需求，Innatera還用系統(tǒng)性設(shè)計(jì)方法對存儲子系統(tǒng)進(jìn)行了低功耗優(yōu)化，Pulsar芯片配置了384KB通用SRAM、128KB專屬CNN計(jì)算SRAM，額外預(yù)留32KB低功耗保持SRAM，在設(shè)備進(jìn)入深度睡眠模式時(shí)僅保留該區(qū)域供電，即可維持應(yīng)用狀態(tài)不丟失，大幅降低待機(jī)場景的能量消耗。
外設(shè)與計(jì)算深度協(xié)同是Pulsar另一項(xiàng)系統(tǒng)級優(yōu)化，該芯片集成了I2C、SPI、ADC、攝像頭接口等全類型傳感外設(shè)，同時(shí)為其搭配了直接數(shù)據(jù)讀取（DMA）引擎，可直接將傳感器輸出的脈沖數(shù)據(jù)送入SNN計(jì)算單元，無需經(jīng)過CPU中轉(zhuǎn)搬運(yùn)數(shù)據(jù)，進(jìn)一步減少了數(shù)據(jù)傳輸環(huán)節(jié)的額外能耗。
這些架構(gòu)創(chuàng)新和芯片設(shè)計(jì)優(yōu)化共同為Pulsar芯片帶來了多項(xiàng)優(yōu)于傳統(tǒng)AI處理器的技術(shù)優(yōu)勢，包括：
極致能效與超低功耗
- 事件驅(qū)動計(jì)算：SNN僅在檢測到有效信號（脈沖）時(shí)才進(jìn)行計(jì)算，靜默期幾乎不消耗動態(tài)功耗。相比傳統(tǒng)CNN持續(xù)處理全量數(shù)據(jù)，其能耗可降低500倍以上（例如音頻分類任務(wù)從 40mW 降至 400μW）。
- 亞毫瓦級運(yùn)行：Pulsar芯片的SNN計(jì)算引擎功耗低于1mW，支持“始終在線”的傳感器應(yīng)用，顯著延長電池壽命。
- 稀疏性優(yōu)化：利用脈沖信號的稀疏特性，大幅減少無效計(jì)算和內(nèi)存訪問，模型體積可比傳統(tǒng)方案縮小33 倍以上。
2. 超低延遲與實(shí)時(shí)響應(yīng)
- 納秒至毫秒級響應(yīng)：采用模擬與數(shù)字混合的神經(jīng)形態(tài)計(jì)算單元，處理延遲可低至1ms以內(nèi)，部分場景下延遲比傳統(tǒng)AI處理器降低100 倍。
- 原生時(shí)序處理：SNN 天然利用脈沖的時(shí)間間隔編碼信息，無需復(fù)雜的幀緩沖，特別適合處理雷達(dá)、音頻、振動等時(shí)間序列數(shù)據(jù)，實(shí)現(xiàn)真正的實(shí)時(shí)閉環(huán)控制。
3. 異構(gòu)融合架構(gòu)靈活性
- SNN + CNN + RISC-V 協(xié)同：Pulsar芯片集成了可編程SNN單元、CNN加速器和 32位RISC-V CPU。系統(tǒng)可根據(jù)任務(wù)需求動態(tài)分配資源：低功耗場景用 SNN 處理實(shí)時(shí)傳感，高精度場景調(diào)用CNN，通用邏輯由CPU執(zhí)行。
- 全可編程性：支持跨不同網(wǎng)絡(luò)拓?fù)涞纳窠?jīng)元和突觸級參數(shù)化，開發(fā)者可通過 Talamo SDK基于PyTorch訓(xùn)練模型并直接映射到硬件，兼顧了生物啟發(fā)的效率與傳統(tǒng)AI的開發(fā)便利性。
4. 邊緣隱私與數(shù)據(jù)縮減
- 端側(cè)閉環(huán)處理：數(shù)據(jù)在本地完成感知、分析與決策，無需上傳云端，顯著提升數(shù)據(jù)隱私安全性。
- 原始數(shù)據(jù)壓縮：在傳感器前端直接提取關(guān)鍵特征，可將原始數(shù)據(jù)量縮減高達(dá)1000 倍，降低帶寬需求并減少對云服務(wù)的依賴。
（Pulsar與主流AI部署方案性能對比）
基于這些優(yōu)勢，Innatera的SNN技術(shù)通過模仿生物神經(jīng)機(jī)制，解決了傳統(tǒng)邊緣和端側(cè)AI在功耗、延遲和實(shí)時(shí)性上的瓶頸，特別適用于可穿戴設(shè)備、智能傳感及預(yù)測性維護(hù)等對能效敏感的場景。因此，Innatera的Pulsar芯片已在可穿戴設(shè)備、工業(yè)傳感、智能家居等多個(gè)領(lǐng)域?qū)崿F(xiàn)了商用落地。包括：
1.智能可穿戴設(shè)備
長續(xù)航智能手環(huán)：搭載Innatera Pulsar SNN處理器的智能手環(huán)，在保留常規(guī)運(yùn)動監(jiān)測功能的基礎(chǔ)上，新增全天候血壓趨勢監(jiān)測能力，整體續(xù)航延長至14天，跑步模式下可實(shí)時(shí)識別12種運(yùn)動姿態(tài)，能耗僅為傳統(tǒng)AI方案的1/3。
低功耗音頻耳機(jī)：在藍(lán)牙耳機(jī)場景中，SNN實(shí)現(xiàn)了低于1μW的持續(xù)監(jiān)聽功耗，單顆紐扣電池即可支撐設(shè)備連續(xù)工作30天以上，同時(shí)可精準(zhǔn)隔離不同聲源實(shí)現(xiàn)降噪，能耗比傳統(tǒng)音頻處理方案降低80-100倍。
健康監(jiān)測貼片：基于SNN的醫(yī)療級心率監(jiān)測貼片，設(shè)備體積縮小40%，續(xù)航延長至21天，可長期穩(wěn)定采集生物信號，全程無需上傳云端處理，保障用戶健康數(shù)據(jù)隱私。
2. 工業(yè)傳感器場景
工業(yè)預(yù)測性維護(hù)：SNN驅(qū)動的振動傳感節(jié)點(diǎn)，可在亞毫瓦功耗下實(shí)時(shí)識別設(shè)備異常振動信號，無需依賴云端算力即可完成本地異常檢測，大幅降低工業(yè)現(xiàn)場布線和電池更換成本，適配工廠長期無人值守的監(jiān)測需求。
高分辨率實(shí)時(shí)感知系統(tǒng)：Aria Sensing 基于Pulsar SNN構(gòu)建了1D/2D/3D實(shí)時(shí)感知系統(tǒng)，在低功耗狀態(tài)下實(shí)現(xiàn)連續(xù)高精度環(huán)境監(jiān)測，解決了傳統(tǒng)工業(yè)傳感節(jié)點(diǎn)續(xù)航短、響應(yīng)慢的痛點(diǎn)。
雷達(dá)傳感模塊優(yōu)化：Socionext 將其雷達(dá)模塊與Innatera SNN芯片集成后，不僅大幅降低了系統(tǒng)整體功耗，還將目標(biāo)檢測的誤報(bào)率顯著降低，可用于工業(yè)區(qū)域入侵預(yù)警、人員存在檢測等場景。
3. 智能家居與物聯(lián)網(wǎng)（IoT）場景
超低功耗智能門鈴：搭載SNN芯片的智能門鈴原型機(jī)，通過雷達(dá)檢測人體存在，可連續(xù)工作18—20小時(shí)，而傳統(tǒng)依賴Wi-Fi傳輸圖像的同類產(chǎn)品僅能續(xù)航1—2小時(shí)，全程本地處理數(shù)據(jù)無需聯(lián)網(wǎng)上傳，兼顧低功耗與隱私安全。
實(shí)時(shí)事件檢測IoT節(jié)點(diǎn)：SNN賦能的智能家居傳感節(jié)點(diǎn)，可在無云依賴的狀態(tài)下完成實(shí)時(shí)環(huán)境事件感知，比如異常聲響識別、漏水檢測等，始終在線運(yùn)行的同時(shí)大幅延長電池更換周期。
為了配合Pulsar芯片更好地發(fā)揮SNN技術(shù)的優(yōu)勢，Innatera根據(jù)SNN硬件架構(gòu)提供了完整的Talamo SDK，可以幫助開發(fā)者實(shí)現(xiàn)SNN模型從訓(xùn)練到硬件部署的全流程，同時(shí)無需深厚的SNN專業(yè)知識。普通AI開發(fā)者借助Talamo SDK可快速上手，基于PyTorch在熟悉環(huán)境中進(jìn)行模型構(gòu)建與訓(xùn)練；在訓(xùn)練完成后，利用SDK內(nèi)置的SNN編譯器自動完成模型轉(zhuǎn)換；還可以先在PC端完成全流程仿真，驗(yàn)證脈沖模型的推理精度、延遲和功耗表現(xiàn)。
待驗(yàn)證通過后，開發(fā)者可以選擇兩種部署方式：使用Python原生編譯器直接生成可執(zhí)行文件，或是通過RISC-V架構(gòu)的標(biāo)準(zhǔn)GCC工具鏈完成編譯，最終通過常規(guī)MCU燒錄流程將程序下載到Pulsar神經(jīng)形態(tài)微控制器中，完成端側(cè)部署。整個(gè)開發(fā)流程完全貼合傳統(tǒng)AI開發(fā)者的使用習(xí)慣，從根本上降低了神經(jīng)形態(tài)計(jì)算的落地門檻。在本次MWC26 上海的Innatera展位（展位號：N3.F40）上，普通開發(fā)者也嘗試快速完成SNN應(yīng)用的開發(fā)與部署。
