专访|泓观科技：面向IoT首创异步AI芯片，另辟蹊径的潜行者重装上阵(2)

泓观科技所采用的异步架构，与这个领域中先前已推出的各类AI芯片有着显著的区别。先前的AI芯片有一个共同的特点，就是遵循功能与性能优先的设计原则。其针对的应用场景主要分为两类：基于云端的在线计算和基于前端设备的离线计算。前者如Google TPU系列、比特大陆Sophon系列等；后者如Movidius Myriad系列、海思包含NPU的Kirin970、Apple包含Neural Engine的A11等，即使作为前端AI芯片，其应用环境也集中在手机、无人机等高端设备上。
然而对于IoT设备及其应用场景而言，上述AI芯片的架构与特点并不适合。“一则因为loT 设备通常专注于某种单一功能，例如针对视频采集的设备一般情况下无需运行语音识别和自然语言处理的相关算法；二则相较于手机、无人机这样的高端设备，大部分loT设备的刚性需求在于超低功耗，性能并非第一考虑因素。”泓观科技的创始人这样告诉雷锋网，“像我们这样，遵循着完全不同的设计原则和技术路线来实现卷积神经网络AI芯片，可以说有点卓尔不群甚至颇为超前。就目前已知的媒体报道，我们应该是率先实现异步卷积神经网络电路方案并实现流片的创业公司，不论在中国还是世界范围内。”
关于这款具有首创意义的超低功耗异步卷积神经网络AI芯片，泓观科技的创始人向雷锋网予以了颇为详尽的讲解。
“首先要从架构设计上入手。IoT 设备大多无需集成通用型芯片，只需根据应用需求设计定制架构即可。”泓观科技在芯片架构上专注于卷积模型所支持的特定操作（如卷积、池化等），并针对识别场景的特点，考虑芯片工艺、面积、片上存储等因素，对支持的网络架构加入一定的约束（如层数、通道数量等）。

“大量的loT设备只有在被唤醒时才工作，设备经常处在休眠状态，如何在设备休眠状态下严格控制功耗产生，是重中之重。”在这个环节，泓观科技采用了异步（asynchronous）电路技术，与常规的同步（synchronous）电路对比（如上图），异步电路能够保证芯片在设备休眠时，产生的功耗可以忽略不计。