Нейроморфные чипы: новая граница производительности AI

Тим Кук от Apple провозгласил, что iPhone X «задаст путь технологиям на ближайшее десятилетие» при дебюте. Его интегрированный нейронный движок — первый коммерческий face‑recognition ASIC — предвестил рост глубоких нейронных сетей. Сегодня нейроморфные процессоры появляются как единственный жизнеспособный путь к поддержанию ускоряющихся требований AI.

Столкнувшись с узкими местами пропускной способности данных и вечно растущими вычислительными потребностями, недавний отчет Yole Développement (Лион, Франция) утверждает, что сенсинг и вычисления должны эмулировать нейро‑биологические архитектуры для продвижения вперед.

В интервью EE Times Пьер Камбу, главный аналитик Imaging у Yole, сказал, что нейроморфный сенсинг и вычисления могут решить большинство текущих вызовов AI, открывая новые горизонты приложений в ближайшие десятилетия. «Нейроморфная инженерия — следующий шаг к биомимикри и двигатель прогресса AI», — объяснил он.

Почему сейчас?

Семьдесят лет после вопроса Алана Тьюринга «Могут ли машины мыслить?» и тридцать лет после введения Карвером Мидом нейроморфной инженерии, практические brain‑like машины оставались недостижимы. Поворот пришел с 2006‑го field‑programmable neural array Georgia Tech и 2011‑го чипа MIT, эмулирующего адаптивное нейронное поведение.

Настоящий прорыв случился, когда команда Университета Торонто опубликовала «ImageNet Classification with Deep Convolutional Neural Networks». Архитектура AlexNet — восьмислойная сверточная нейросеть — позволила первую успешную классификацию 1,2 млн высокоразрешающих изображений в 1000 категорий (кошки, собаки). «AlexNet доказала, что глубокое обучение мощнее и запустила метеорический подъем AI», — отметил Камбу.

Большинство текущих deep‑learning реализаций ездят на законе Мура, и это «работало нормально». Но по мере роста поля спрос на высокопроизводительные, низкоэнергопотребляющие чипы обгонит то, что традиционное масштабирование может дать. Камбу предупреждает: глубокое обучение «провалится», если останется привязанным к сегодняшней парадигме.

Он выделяет три ключевых препятствия. Первое — экономика закона Мура: лишь горстка игроков может продолжить ниже 7 нм, рискуя монополией, душившей инновации. Второе — объемы данных опережают память‑технологии, создавая бутылочное горлышко. Третье — стена тепла: 7‑нм чип дает ~1 терафлопс/Ватт, в то время как питание автономного авто может потребовать ~1 кВатт — или 1000 терафлопсов — недостижимо для текущей технологии. Нейроморфное железо с превосходной энергоэффективностью предлагает путь вперед.

Камбу призывает к дис ruptивному сдвигу, использующему الناشствующие памяти для буста полосы и энергоэффективности — суть нейроморфных вычислений. «AI будет продвигаться, и следующий скачок — нейроморфный», — говорит он.

В последние годы множество инициатив построили кремниевые нейроны, эмулирующие когницию. По Yole, нейроморфный рынок может вырасти из $69 млн в 2024 в $5 млрд в 2029 и $21,3 млрд в 2034 при преодолении технических барьеров. Экосистема охватывает гигантов — Samsung, Intel, SK Hynix — и стартапы: Brainchip, Nepes, Vicarious, General Vision.

Credit: Yole

Нейроны и синапсы

Нейроморфное железо выходит из лабораторий, движимое коллаборацией сенсинг, вычислений, памяти. Joint‑ventures, стратегические альянсы, долгосрочные EU‑проекты вроде Human Brain Project ускоряют прогресс.

Хотя коммерческие продукты маловероятны до 2024, потенциальный масштаб огромен. Intel Loihi 2017 — 130 к нейронов — и 8‑миллионный Pohoiki Beach демонстрируют темп. IBM TrueNorth — 1 млн нейронов, 256 млн синапсов; Brainchip Akida — 1,2 млн нейронов, 10 млрд синапсов.

«Синапсы важнее нейронов», — сказал Камбу. «Следующие шаги — строить приложения на текущих асинхронных гибридах Von Neumann, затем RRAM‑базированные решения, добавляющие миллиарды синапсов».

Лидеры памяти — Micron, Western Digital, SK Hynix — преследуют нейроморфные дизайны, но настоящие прорывы могут прийти от фокусированных стартапов: Weebit, Robosensing, Knowm, Memry, Symetrix. Их memristor и phase‑change подходы целят эмуляцию синаптической пластичности, тогда как MRAM готов дополнить нейроморфные стеки.

Нейроморфная сенсорная экосистема также зреет, укорененная в 1991‑м Silicon Neuron Миши Маховальд. Сегодня менее десяти компаний предлагают event‑based камеры/сенсоры: Prophesee, Samsung, Insightness, Inivation, Celepixel. Frame‑based imagery не может захватывать движение так естественно, как глаз; event‑based устройства дают real‑time pattern recognition для динамических сцен.

Камбу заметил: «Кино обманывает наш мозг, но компьютеры нуждаются в том же потоке визуальной информации». Тот же принцип применяется к аудиторным, образовым и поведенческим сенсорам, критичным для общего интеллекта.

Yole проектирует выручку нейроморфного сенсинга из $43 млн в 2024 в $2 млрд в 2029 и $4,7 млрд в 2034.

Авто, но не только

Хотя автосектор — самый очевидный ранний адоптер, нейроморфный сенсинг и вычисления сначала будут питать промышленные и мобильные применения — робототехнику, real‑time перцепцию, логистику. «Глубокое обучение требует массивные датасеты, но нейроморфные системы учатся на нескольких изображениях или словах и захватывают временную динамику», — объяснил Камбу.

В течение десятилетия гибридные in‑memory вычислительные чипы могут разблокировать масс‑маркет автономное вождение, позволяя компьютерам интерпретировать неструктурированные среды с человеческой остроумием.