摘要：LAS VEGAS —— 世界上第一个“神经形态芯片”将于明年上架，它将延长智能设备的电池寿命。该芯片模仿人类大脑的结构，旨在在功率有限的智能设备上启用人工智能（AI）功能。

Spiking Neural ProCESsor T1是一种人工智能芯片，它以大脑检测模式的方式为模型，可以延长智能设备的电池寿命。

LAS VEGAS —— 世界上第一个“神经形态芯片”将于明年上架，它将延长智能设备的电池寿命。该芯片模仿人类大脑的结构，旨在在功率有限的智能设备上启用人工智能（AI）功能。

与Wi-Fi连接的灯泡、门铃或烟雾报警器等“智能”设备内置了传感器，可以进行探测并将数据发送到云端进行处理。

处理器公司Innatera Nanosystems的首席执行官Sumeet Kumar在CES 2025的一次采访中告诉媒体，但这个过程非常耗电。而且，这些设备执行的任何人工智能处理也需要互联网连接。

但Spiking Neural Processor T1应该会大幅削减未来智能设备的功耗。

它的工作原理是实时分析传感器数据，识别模式，并可能清理来自传感器的数据，而且不需要互联网连接。

模仿大脑

该设备是一个神经形态处理器，这意味着它的结构是为了模仿大脑的模式识别机制而设计的。打个比方，当你感觉到某种东西时 —— 无论是气味还是声音 —— 不同的神经元集合都会激活来识别它。

同样，在芯片中，不同组的人工神经元记录了尖峰。其基本原理是尖峰神经网络（SNN）——神经网络是机器学习算法的集合，它产生的尖峰信号类似于脑细胞产生的信号。

SNN算法在文件大小方面也往往比大型语言模型中使用的传统深度神经网络小100倍左右。

计算层

T1芯片有三个基本层。首先是基于SNN的计算引擎，它的功耗低于1毫瓦，延迟或延迟在大多数应用中通常低于1毫秒，Sumeet Kumar说。第二层包括传统的深度神经网络，而第三层包括一个处理系统功能的标准处理器。

Sumeet Kumar说，在一些智能设备和场景中，T1或类似的芯片可以将电池寿命延长六倍。例如，一个配备T1处理器的智能门铃原型机可以使用雷达技术检测到人的存在，持续18到20个小时，而传统的基于Wi-Fi的产品则需要一到两个小时才能将图像和视频数据发送到服务器。

应用领域包括智能照明、任何类型的人数计数探测器、开门系统，甚至是耳塞 —— 理论上，T1芯片可以隔离不同的声音来消除噪音。当用于任何基于声音的应用程序时，该公司声称能耗降低80到100倍，延迟减少70倍。

该芯片已准备好在今年进行大规模生产，样品将寄给设备制造商。Sumeet Kumar预计，首批T1神经形态芯片产品将于2026年上市。

来源：知新了了