Med Akida Neuromorphic SoC etablerar sig nu BrainChip som en av de viktiga spelarna inom AI-området. Komponenten, som är SNN-baserad (Spiking neural networks), motsvarar 1,2 miljoner neuroner och 10 miljarder synapser. Den tillverkas i CMOS, har mycket låg energiförbrukning och är bland annat avsedd för autonoma fordon, robotar och industrisystem.

– Marknaden för den här typen av komponenter väntas passera 60 miljarder dollar 2025, säger Aditya Kaul från Tractica, ett undersökningsföretag som specialiserat sig på AI. Neuromorfisk databehandling är en mycket lovande AI-teknik, speciellt för lågenergitillämpningar. Eftersom många av de tekniska utmaningarna är lösta kommer vi att få se en ny klass av AI-hårdvara de närmaste åren.
– Inget annat företag har hittills lyckats att tillverka en neuromorfisk komponent i produktionsvolymer, säger Lou DiNardo, CEO för BrainChip. Akida är den första i en ny generation och vi tror att den kommer att visa sig vara lika viktig som mikroprocessorn var en gång.
Akida NSoC är tillverkad i en vanlig CMOS-process, något som leder till högt processutbyte och lågt pris. Den är baserad på ”Spiking neural networks” (SNN), en teknik som efterliknar hjärnans neuron-funktioner och träningsmetoder. Den ersätter den mera matematikintensiva CNN-tekniken (convolutional neural networks).
Varje Akida NSoC har motsvarande 1,2 miljoner neuroner och 10 miljarder synapser, vilket enligt företaget ger 100 gånger bättre effektivitet än neuromorfiska testchip från IBM och Intel. Jämförelser med ledande CNN-acceleratorer visar prestanda med en storleksordning bättre prestanda vad gäller bilder per sekund och W och tester som CIFAR-10.
– Spiking neural networks betraktas som tredje generationens neurala nät, säger Peter van der Made, grundare och CTO hos BrainChip. Akida NSoC är kulmen på tiotals år av forskning för att hitta den optimala neuronmodellen och de mest innovativa träningsmetoderna.
Akida NSoC kan användas som fristående AI-accelerator eller som slavprocessor. Den innehåller sensorgränssnitt för traditionella pixelbaserade bildsensorer, DVS-sensorer (dynamic vision sensors), lidar och ljudsensorer. Den har också datagränssnitt som PCI-Express, USB och Ethernet. Komponenten har en inbyggd omvandlare för att konvertera populära dataformat till ”spikes” som hanteras av neuronnätet.

Filed under: Utländsk Teknik