推介 NorthPole：一种可实现低功耗人工智能推理的受脑启发的芯片设计

研究人员推出了 NorthPole，这是一种受脑启发的芯片架构，它能将计算与记忆相结合，并以低能耗高效地处理数据。自其诞生以来，计算过程一直以处理器为中心，记忆内存与计算是分离的。然而，在记忆内存和计算之间穿梭传输大量数据会在能耗、处理带宽和速度方面付出高昂的代价。这在新兴的和先进的实时人工智能 (AI) 应用（例如脸部识别、物体检测和行为监控等）中尤其明显，这些应用需要快速获取海量数据。因此，大多数现代计算机架构正在迅速达到物理和处理瓶颈，而且鉴于所涉及的能源成本不断增长，其在经济、技术和环境上都面临着无法持续的风险。受到有机脑神经架构的启发，Dharmendra Modha 和同事开发出了 NorthPole —— 这是一种将计算与记忆内存交织于单个芯片上的神经推理架构。据作者披露，NorthPole 通过融合受脑启发的计算与半导体技术“重新构想了计算和记忆之间的相互作用。”与其他同类架构（包括那些使用较为先进技术流程的架构）相比，它实现了性能、能效和面积效率的提高。而且，由于 NorthPole 是一个数字系统，因此它不会受到折磨模拟系统的设备噪声和系统偏差与漂移的影响。Modha 等人通过在 ResNet50 基准图像分类网络上进行测试来展示 NorthPole 的功能：它能将每瓦每秒帧数 (FPS) 的能量指标提高 25 倍，每个晶体管的 FPS 的空间指标提高 5 倍，相对于同类技术延迟的时间指标降低 22 倍。Subramanian Iyer 和 Vwani Roychowdhury 在一则相关的《视角》中更为详细地讨论了 NorthPole 所取得的进步和存在的局限性。