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(3)

“接下来优化访存同样是一个关键环节。”受限于芯片面积和成本，片上存储的容量也非常有限，传统解决办法是引入大量的片外I/O 访存，但由于 IoT 设备的自身特点，偏低的片外访存效率会导致性能下降和功耗增加。泓观科技则采用了多层融合的架构技术（如上图）来减少 I/O 访存——通过架构和算法的交互优化（co-design），保证算法层的输出数据能够被有效缓存。

此外，神经网络操作对数据存在较强的鲁棒性，因而网络对于数据的精度变化并不敏感。泓观科技通过定点化处理神经网络，使用16位数据甚至更低的比特数可以保持网络性能基本不下降，并通过自动化搜索不同网络层定点化配置的方法，对权值和输入/输出采用不同的策略（如上图）。