标题：类脑计算引领边缘AI革新

神经拟态计算正在挑战传统的冯·诺依曼架构。这种模拟人脑计算原理的芯片，尤其是神经拟态计算，因其超低功耗和高效能，被认为是边缘AI的重要发展方向。理想情况下，神经拟态芯片可将功耗降低至传统方案的千分之一，从而在固定功耗下完成更多任务。

目前，尽管神经拟态计算尚未达到这一理想状态，但已有显著进展。例如，IBM推出的“北极”芯片在能效上比Nvidia H100 GPU高出五倍。边缘AI领域也正逐渐接纳神经拟态技术，甚至影响MCU的发展。

近期，初创公司Innatera推出了名为Pulsar的脉冲神经处理器，其延迟较传统AI处理器降低百倍，功耗更是低至传统方案的500倍。Pulsar采用异步稀疏数据计算优化的架构，结合脉冲神经网络、CNN及RISC-V CPU，适用于多种任务。其混合架构支持灵活参数化，以满足不同需求。

与此同时，Polyn Technology的NASP芯片同样展现出低功耗和实时信号处理的优势。这款芯片无需模数转换器，直接处理传感器数据，大幅降低能耗，特别适合耳机、可穿戴设备等低功耗环境。NASP平台结合模拟与数字电路，支持高效数据压缩和隐私保护。

弗劳恩霍夫研究所开发的SENNA芯片，通过脉冲神经网络处理低维时间序列数据，响应时间仅为20纳秒，适合实时评估和闭环控制系统。SENNA具备完全并行架构，支持灵活编程和多场景应用。

神经拟态芯片通常由神经元计算、突触权重存储和路由通信三部分构成，核心在于模型和器件。SNN（脉冲神经网络）是主流模型，具备时空动态性和异步计算能力。在器件实现上，有数字CMOS、数模混合CMOS和基于忆阻器的混合系统等多种路径。

国内外多家企业和高校正在推动神经拟态计算发展，清华的天机芯、浙大的达尔文芯片尤为突出。随着技术进步，神经拟态计算有望在边缘AI场景中掀起革命，为AI应用带来更低功耗和更高效率。