《神经传感与计算-2019版》
2019-09-20 21:37:56   来源:麦姆斯咨询   评论:0   点击:

据麦姆斯咨询介绍,自2012年以来,深度学习技术已经证明了它们在AI领域的优势。这些技术借助计算性能的巨大飞跃,已被业界广泛采用。近年来,业界正经历一波AI芯片的开发竞赛,这些芯片专用于高性能计算、服务器以及边缘计算应用的深度学习训练和推理。

Neuromorphic Sensing and Computing 2019

购买该报告请联系:
麦姆斯咨询 王懿
电话:17898818163
电子邮箱:wangyi#memsconsulting.com(#换成@)

尽管人工智能(AI)正在蓬勃发展,但目前的模式极限正在催生替代方案

据麦姆斯咨询介绍,自2012年以来,深度学习技术已经证明了它们在AI领域的优势。这些技术借助计算性能的巨大飞跃,已被业界广泛采用。近年来,业界正经历一波AI芯片的开发竞赛,这些芯片专用于高性能计算、服务器以及边缘计算应用的深度学习训练和推理。目前AI芯片采用基于摩尔定律的现有半导体模式。

神经形态技术生态系统发展时间线

神经形态技术生态系统发展时间线

尽管技术上能够制造出每秒执行数百万亿次运算的芯片,以服务于如今的AI应用需求,但是所需要的计算能力仍远低于预期。因此,该领域的“军备竞赛”仍在继续,其核心是利用“蛮力计算”来解决计算需求。目前使用的半导体技术节点已经达到了7nm,并且出现了全晶圆芯片,改进的空间似乎很小,与摩尔定律相关的经济效应产生了不确定性。

当前的深度学习技术和相关硬件面临着三个主要障碍:首先,摩尔定律的经济效应使得初创企业很艰难地在AI领域竞争;其次,数据溢出使当前的存储器技术成为瓶颈之一;第三,对计算需求的指数增长,为所有应用提出了严峻的散热问题。

按市场细分的神经传感和计算市场预测

按市场细分的神经传感和计算市场预测

同时,市场要求更高性能的实时语音识别和翻译,实时视频理解,以及机器人和汽车的实时感知,还有数百种其他应用需要更多结合传感和计算的人工智能。

鉴于上述障碍,寻求突破的时机已经成熟:需要一种初创企业能够实现差异化的新技术模式,并且,能够利用新兴内存技术的优势,大幅提高数据、带宽和能效。

许多人认为这种新突破将会是神经形态技术,有些人称之为基于事件的方案,其中计算仅在需要时才执行。这种方法可以为计算密集且耗能的AI算法提供巨大的节能效果。这或将是AI技术发展的下一阶段。

本报告提出了AI未来可能的发展窗口,其中AI使用神经形态方法进行传感和计算。

神经传感与计算,人工智能逐步发展概览

神经传感与计算,人工智能逐步发展概览

从科技巨头到初创企业,纷纷涌入神经传感与计算领域

神经网络已诞生数十年,是一种受生物学启发的人工智能算法。近年来,它们已经在硅芯片中实现。围绕神经网络的整个知识体系,不应与神经形态趋势混淆,只有最“模仿生物”的类型(例如异步、并使用尖峰和阈值的神经网络),才被定义为真正的“神经形态”。

据此,神经形态趋势真正始于20世纪80年代加州理工学院一位名为Carver Meads的美国科学家。大部分早期开发都发生在计算领域,包括IBM以及后来的英特尔。General Vision是神经形态IP方面的一家关键创业公司,现在,它已经授权了许多厂商,并开发了自己的芯片。另外两家初创企业(Brainchip和aiCTX)以将神经形态芯片引入消费类市场而闻名。相比之下,还有多家初创企业正在这个领域默默地耕耘,例如:Grai Matter Lab、Anotherbrain、Vicarious和Robosensing。

SK海力士(SK Hynix)、美光(Micron)和西部数据(Western Digital)等存储器厂商也在神经形态计算领域发力,事实上,早期与逻辑厂商的合作关系正逐步解除,取而代之的是大型存储器制造商主导投资的短期战略。不仅如此,许多存储器初创公司(包括Knowm、Weebit、Memry和Symetrix),正在将创新的非易失性存储器(NVM)技术与神经形态计算芯片设计相结合。不过,这些厂商的方案通常基于一种被称为“忆阻器(memristor)”(存储和晶体管的组合)的新概念,与纯计算厂商相比,它们被视为更长期的计划。

除了计算,神经形态图像传感器也在兴起,其源于Mahowald博士在20世纪90年代的发明。苏黎世联邦理工学院一直是该技术的创新中心,已将技术推广至整个欧洲,孕育了像Prophesee、Insightness、Inivation和Celepixel等初创公司,并且还在与三星等大公司一起合作开发。

2019年神经计算市场竞争格局

2019年神经计算市场竞争格局

“滩头市场”应该会在几年内落地

如今,神经形态方案仍被“束之高阁”。很多人预言神经形态方案的现在,或许就像之前深度学习技术被错误地抛弃一样,直到它们最终占据统治地位。它们之间的许多相似之处表明,这种转变很可能会快速出现。几年前,阻碍深度神经网络(DNN)方法发挥最佳性能的最主要障碍是缺乏合适的硬件来支持DNN创新软件的发展。

现在,对于神经形态技术也是如此,但随着第一批尖峰神经网络(SNN)芯片的推出,首个“滩头市场”已准备好推动增长。早期将会是工业和移动市场,主要用于机器人革命和实时感知。未来十年内,随着混合内存计算芯片的上市,应该会叩开汽车市场的大门,这是一个迫切需要大众化自动驾驶(AD)技术的市场。神经形态感知和计算或将成为这些市场的“灵丹妙药”,解决人工智能当前面临的大部分问题,同时在未来几十年里开辟新的视角。

2024年、2029年和2034年按市场细分的神经传感与计算器件销售预测

2024年、2029年和2034年按市场细分的神经传感与计算器件销售预测

报告涉及的部分公司:4DS, ABR, Adesto, Agent, aiCTx, aiStorm, Allgovision, Alibaba.com, Anotherbrain, Apple, arm, aws, Axis, Axxonsoft, Azure, Baidu, Brainchip, Canon, Celepixel, Ceva, Crossbar, Dahua, Flir, Geovision, General Vision, Google, Gorilla, Grai Matter Lab, Groq, Hikvision, HPLabs, Huawei, IBM, iFlytek, Imasenic, Inivation, Intel, Ironyun, JD.com, Kalray, Knowm, Knuedge, Megvii, Micron, Mythic, nepes AI, NeuroMem, Nice, Numem, Numenta, Pelco, Prophesee, Qualcomm, Robosensing, Samsung, Schneider Electric, Sensetime, Symetrix, V5 Systems, Vicarious, Vivotek, Weebit, Western Digital, Xilinx, Yandex…

若需要购买《神经传感与计算-2019版》报告,请发E-mail:wangyi#memsconsulting.com(#换成@)。

相关热词搜索:神经传感 人工智能 深度学习 忆阻器

上一篇:《喷墨打印头技术及市场趋势-2019版》
下一篇:《触觉技术及市场-2019版》