日前，瑞士高科技類腦芯片公司aiCTX發布了全球首款純基于事件驅動運算的動態視覺AI處理器DynapCNN，用于超低功耗，always-on的實時動態視覺信息處理。DynapCNN打破了傳統以幀為限的靜態視覺處理技術限制，為超低延遲、超低功耗的全新的動態視覺處理而量身定制，它的推出開啟了基于像素級事件驅動運算的動態視覺處理的新紀元。

DynapCNN是一款純異步、高可配置性、可拓展性的神經形態處理器。芯片面積12mm2，采用GF22nm工藝設計，單芯片集成超過100萬脈沖神經元和400萬可編程參數，支持多種CNN架構，其芯片架構所具有的可拓展性適合于實現大規模脈沖卷積神經網絡。DynapCNN是全球首款將機器學習的高性能和事件驅動型神經擬態計算的高能效完美融合的專用AI芯片。作為全新一代動態視覺處理器，DynapCNN的動態視覺解決方案在將運算能效提高100-1000倍的同時，將實時AI視覺處理現存方案的識別響應處理延遲縮短10倍以上。

基于純異步數字電路設計，DynapCNN是全球首款完全基于事件觸發運算的AI處理器。隨著物聯網及移動終端對超低功耗本地實時智能處理的需求日益強烈，適用于邊緣計算、無需連接到云端的DynapCNN將擁有越來越廣泛的應用場景。DynapCNN的高靈活性和可重新配置性也為開發和實現一系列AI模型提供了無限可能性，同時基于動態視覺的事件觸發運算機制使得芯片達到亞mW級的功率。DynapCNN處理器集成專用接口電路，可直連絕大多數動態攝像頭，進行臉部識別、手勢識別、高速移動物體追蹤、歸類、行為識別等。

DynapCNN的超低能耗智能視覺處理得益于其事件驅動的特性及aiCTX 多個獨特IP在芯片級的整合。“對于實時視覺處理，目前幾乎所有的應用場景都基于對移動目標的識別，例如手勢識別、面部識別、移動物體的跟蹤與定位等。而傳統的圖像處理系統是逐幀對視頻數據進行處理的，即使攝像機前的物體沒有發生任何變化，處理器也會對每一幀的畫面進行處理和計算。與傳統的方法不同，DynapCNN是由事件驅動的，因此，如果傳感器前端的物體沒有發生變化，我們的系統可以將實時視覺處理的功耗降低到幾乎為零。此外，芯片使用稀疏計算對場景中的物體移動進行處理，進一步降低了芯片的動態功耗。”aiCTX首席執行官喬寧博士解釋道。“DynapCNN的節能性意味著視覺AI運算可以始終打開，并且可以在終端設備上實現mW級超低功耗本地實時數據處理”，喬寧博士補充道，“這是傳統的DL 視覺加速器芯片無法實現的。”

基于純異步數字電路的事件驅動運算機制，DynapCNN處理器不使用高速時鐘，而是由視覺場景中的變化觸發，移動對象產生的任何像素變化都將被處理器實時處理。由于打破了傳統視覺處理幀的限制，DynapCNN可以對像素動態數據流進行連續計算，對移動物體實時識別可實現低于5ms的超低延遲。相較于已有的DL實時視覺處理方案，DynapCNN所提供的超低延時動態視覺解決方案將識別響應延時縮短了10倍以上，為車載及高速飛行器等高速視覺場景提供完美解決方案。

“應用本地 AI處理器為物聯網設備提供算力支持，可以避免將大量傳感器數據上傳到云端所消耗的功率和成本。”aiCTX高級研發工程師Sadique Sheik博士向記者解釋，“DynapCNN支持視覺物聯網傳感器諸多場景的超低功耗邊緣計算，是一種高效經濟的解決方案，并且是對用戶隱私的一種保護。“目前，幾乎所有的視覺處理都是在云端完成的。而aiCTX的芯片可以在本地進行所有處理，無需從設備向云端發送視頻，這是為終端用戶提供隱私和數據保護的強大舉措。”

DynapCNN相應的開發套件將于2019年第三季度上市。關于DynapCNN的更多技術細節和展示即將發布待。

aiCTX系列芯片

aiCTX的系列芯片，打破了傳統馮·諾依曼架構的局限，以模擬人腦神經元的工作方式及全并行的運算架構來提高計算能力。相較于傳統芯片，基于純異步電路的事件觸發運算及高效的網絡結構保證了aiCTX系列芯片具有超低能耗、超低延遲的特性，擅長處理動態信息。