为类脑运算加速 又一高效能神经网络加速器诞生

近年来，人工智能高速发展，计算架构从冯诺一曼向类脑架构进化，电子控制向光控制演化，神经网络的研究成了各国的研究重点。近日，上海芯仑科技研发团队以动态视觉传感器出发，实现了由类眼到类脑的延伸，打造类神经元感知与处理一体化平台，并成功开发出高效能神经网络硬件加速器。

高效能神经网络硬件加速器主要由处理元件、片上缓冲器，外部存储器和片上/片外互连几个组件组成。其中处理元件是卷积的基本计算单元，用于处理的所有数据都存储在外部存储器中。这一自研架构将效率提升了36%，术可大幅提升包括车载、安防等应用场景下的端处理能力。

神经网络为何需要加速？

传统的处理解决方案并不是为了计算神经网络的工作负载，神经网络需要大量的计算和训练过程，因此计算和负荷都特别大，如今的许多人工智能和机器学习应用都依赖于人工神经网络, 人工神经网络是一系列算法，这些算法对不同层面的数据集来定义特性，进而组织成一系列结构化层次。 这些网络最初是建立在高性能计算平台上的, 这些平台使算法根据特定的参数做出决策或预测。 然后对该算法进行优化, 并将其移植到嵌入的目标中, 并根据在该领域收到的输入数据进行推理。

神经网络引擎可能使用 CPU、DSP、GPU或者专门的深度学习加速器，或者组合。只有这样才能满足复杂、海量、高速计算的需求，目前类脑芯片和研究也是为了能够更快更低功耗地来高效地实现神经网络计算，只有这样人工智能、机器学习才有可能不出现“卡机”、等待或者反应迟钝的现象。