作者：電子創新網張國斌

我們生活在一個以數字處理為主的模擬世界中，其實在數字計算機興起以前，產業流行的模擬計算，只不過隨著CPU的走熱，模擬計算逐漸遇冷，但是隨著人工智能應用越來越流行，對更多計算資源、更多模型存儲容量以及更低功耗的需求變得越來越重要。目前用于人工智能應用的數字處理器難以滿足這些極具挑戰性的要求，于是，模擬計算再度被產業重視，與數字計算相比，模擬計算的速度和功效很有優勢，在5月12日召開的第十三屆松山湖中國 IC 創新高峰論壇上，每刻深思智能科技（北京）有限責任公司就介紹了一款采用模擬計算的低功耗“感存算一體”智能芯片MKS2206。

據每刻深思（MakeSens）智能科技創始人鄒天琦介紹，MKS2206采用自主創新架構設計。該芯片能夠在復雜的識別任務中以低功耗、高精度、高性能和高穩定性脫穎而出，因此在AR/VR/MR以及智能座艙等復雜人機感知和交互場景中廣泛部署。通過集成輕量級識別交互算法，顯著降低系統功耗，提升整體性能，并達到同行業領先水平。

(相關資料圖)

他認為摩爾定律放緩的現象正在導致存儲和計算之間的頻繁數據遷移，這在整個過程中消耗了大量的能量。所以每刻深思提出模擬計算解決功耗問題，因為模擬信號無需進行模數轉換（ADC），從而大大提高了系統效能。

他指出摩爾定律放緩下面臨的很多問題：第一個是混合云架構，存儲計算之間不停搬移，這里面90%的功耗都是在搬移數據過程當中，并沒有用在數據處理過程當中。2、先進的制程，除了費用問題以外，還有很大的散熱問題，其實模擬計算最大的優勢就是工藝，例如采用40nm工藝對標是數字芯片22nm以下性能。同時模擬計算需要的晶極管比數字要更少，在成本上有很好的優勢。相比22納米以下的處理器，每刻深思可以把成本做到原來的70%。

他解釋說傳統方案當中，任何SOC信號進來，需要做高性能ADDA的轉換，在ADC的模數轉換當中，無論其他芯片做怎樣的軟硬件協同或優化，這個ADC的量是少不了的，但是模擬計算因為本身SOC接的物理信號是模擬的，不需要做ADC轉換，這是最大的優勢。從技術原理來說，放ADC之前，需要在模擬里面完成特征提取，包括基于存儲器神經網絡的處理，這個是如何做到呢？

他以很簡單的成本預算為例，上圖是神經網絡核心內核。如果用數字芯片來說，要做邏輯搭建來完成數字成本預算，但是模擬有物理特性，本身可以用電壓作為輸入，可以用等效的權重來實現這個算法，可以很好基于機械特性來完成成本預算，達到很高的效率。

在上圖所示處理中，將部分數字信號處理(DSP） 任務前置預處理，精簡處理信息 ADC被移到模擬計算橫塊之后，僅在有效需求時被喚醒，降低無效功耗 原始信號中不必要的信息己被去除，主芯片只需計算精簡信息，提高了計算效率。

他指出，MK2206和之前模擬計算的相關性，無論是多模態也好，還是其他的也好，剩下的這些廠商，本身外面帶4個、6個，甚至8個攝象頭，需要看手勢識別的交互，需要用下面兩個攝像頭來做，也就是雙目的方式是最自然的。在后面架構當中，每刻深思跟主控芯片有中段信息的輸入來做融合。這一塊芯片是可以一直開啟適時感知周邊的環境，包括手勢的任務。這樣可以讓后面的AP在很多時候進行一個休眠狀態，或者相對比較低的功耗去運行。

他指出在AR應用中，可能不需要用一些高端附加功能，只需要做一些基礎的實時的交互，并且把功耗做得非常低，這樣一個MKS處理器就可以實現這個任務，因為它把很多常態的任務，包括手勢的、對于功耗非常敏感的任務放在Offload到專用芯片上，并且實現極低功耗實時交互。這樣給很多方案廠和整機商提供更多選擇。

“其實我們不僅做電路，我們也把新品和算法做緊密集成，深度優化，來實現完整的識別和跟蹤方案。這里面算法做了很多工作，從圖像預處理，大量采集器檢測跟蹤，后處理，還有顯示上手部重建，用很多工作量完成。”他強調，“這里面原理很簡單，抓手勢特征點去完成手指節的識別，而不僅僅是手掌識別。我們做交互，希望用手指操作可以完成很多旋轉動作，這里面要做很多工作，要把很大的模型和很大數據量做輕量化。無論是量化，在識別功能上相對更小、更輕，實現更低功耗。”

他指出在手勢識別方面，每刻深思用了21個關鍵點坐標，不只是單手，左右手都可以區分，可以同時識別，同時處理幀率到60幀以上，識別精度小于10毫米。“如果用XR2跑的話，需要有將近1瓦功耗。但是2206峰值功耗保持在200毫瓦以內。并且可以持續優化。”他指出。

關于每刻深思產品規劃，他表示接下來是聚焦基于視覺的處理能力，也會集成XR定位，還有就是跟常態的視覺相關的任務都會放在交互芯片上，提供給相關的方案商客戶。

他表示每刻深思會基于2206實現小規模量產的基礎上，在2024年至2025年隨著VR、AR的爆發，實現大規模定制，實現高速增長。”我們的目標是建立以自研芯片為核心的全芯片智能感知服務平臺！“他表示。

關鍵詞：