美密歇根大学研制出深度学习物联网芯片

美国《IEEE科技纵览》杂志发表了Katherine Bourzac的一篇文章，称美国密歇根大学已研制出基于深度学习的物联网芯片。文章如下：

计算机科学家大卫·布劳（David Blaauw）从包里拿了一个小塑料盒。他小心翼翼地用指甲拿起里面的小黑点，放在酒店的咖啡桌上。这个只有1立方毫米大小的东西是世界上最小的计算机之一。我不得不小心地忍住咳嗽或喷嚏，以避免把它被吹走，掉进垃圾桶里。

布劳及同事都是美国电气和电子工程师协会（IEEE）高级会员、密歇根大学（University of Michigan）计算机科学家。本周他们在旧金山的美国电气和电子工程师协会国际固态电路会议（ISSCC）上介绍了与这些“微尘”计算机有关的10篇论文。近年来他们研制出了多种此类微型设备。

他们的更高目标是制造用于医疗设备和物联网的更小更智能传感器，能力更强，耗能更少。很多麦克风、照相机和其他传感器作为智能设备的眼睛和耳朵，总是需要保持警觉，经常将个人数据发布到云端，因为它们自己无法分析这些数据。有人预测到2035年，将有1万亿个这样的设备。“如果你有一万亿个设备在不断产生数据，你将被数据淹没。”研究人员指出。他们希望通过开发这种具有本地分析能力的微型高效节能的计算传感器，能够使这些设备更安全，并节省能源。

在会上，他们描述了这种“微尘”计算机，只用耗能几纳瓦就可以执行任务，例如区分刚驶过的汽车的声音，测量温度和光的亮度。他们展示了微型收音机，可以将数据从这些小型计算机发送到20米外的接收器。这与他们2016年在国际固态电路会议上报告的50厘米范围相比有了大幅提升。他们还介绍了与中国台湾半导体制造公司（TSMC）合作，将闪存嵌入到该设备的工作，以及为名为深度神经网络的人工智能算法运行提供专用低功耗硬件的项目。

研究人员说，他们采取了整体方法添加新功能而没有增加功耗。对于团队如何做到这一点，他们表示“没有答案”。如果有的话，就是“智能电路设计”。

内存研究就是很好的例子，可以说明为什么恰当的妥协可以提高性能，研究人员指出。先前版本的“微尘”计算机使用了8千字节的静态存储器（SRAM），所以计算机性能很低。要录制视频和声音，微型计算机需要更多的内存。因此，该团队与台积电合作引入了闪存。现在，他们可以制造具有1兆存储空间的微型计算机。

闪存比静态存储器所占空间更小、存储数据更多，但是需要大量的电能来写入存储器。通过与台积电合作，该团队设计了一个新的存储器阵列，使用更有效的电荷泵完成写入过程。例如，存储器阵列比台积电的商业产品密度小一点，但仍然比静态存储器好得多。研究人员说，“我们能够通过小的妥协取得巨大的收益。”

他们在国际固态电路会议上展示的另一个微尘计算则使用了深度学习处理器。该处理器可以操作神经网络，而功率只有288微瓦。神经网络是一种人工智能算法，在面部识别和语音识别等任务上具有良好的表现。这些任务通常需要大型内存组和强大的处理能力，因此它们通常在配备了先进图形处理器的服务器组上运行。有研究人员一直在尝试着利用专门设计用于运行这些算法的硬件来减小深度学习人工智能设备的尺寸及功率需求。但这种处理器的功率也超过了50毫瓦，这对微尘计算机来说太大了。这个密歇根的研究团队通过重新设计芯片架构降低了能源需求，例如通过在存储器内（此案例中均为静态存储器）设置四个处理元件，使数据移动量达到最少。

目标是把神经网络引入物联网。研究人员说，“很多运动检测摄像头拍到了风中移动的树枝的照片，这没有什么用处。”安全摄像头及相关的设备不够聪明，它们无法区分盗贼和树，所以它们浪费能量将无用的画面发送到云端进行分析。内置深度学习处理器可以更好地决策，但前提是它们耗能不太大。该研究团队设想，除安全系统外，深度学习处理器还可以被集成到许多其他与互联网相关的设备中。例如，如果一个暖通空调(HVAC)系统观察到很多人穿上了外套，就可以决定关闭空调。

在学术环境中展示了微尘计算机的多种扩展类型之后，这个来自密歇根的研究团队希望它们能在几年内面市。研究人员表示，他们的初创公司CubeWorks目前正在制造原型设备，进行市场研究。该公司2013年底悄然成立。2016年10月，美国英特尔投资公司(Intel Capital)宣布向该微型计算机公司投资，但未透露金额。