我们从 Innatera 或 Brainchip 等公司的产品中可以看到基于脉冲神经网络 (SNN) 的神经形态 AI 加速器芯片在未来会得到越来越多的使用，因为与传统的深度神经网络 (DNN) 解决方案相比，脉冲神经网络可以提供更高的效率。
据了解，英特尔也在研究脉冲神经网络，最近他们就发布了 Loihi 2 第二代神经拟态芯片，该芯片拥有多达 100 万个神经元（人脑平均有 860 亿个）。与在中央处理器 (CPU) 上运行的传统方法相比， Loihi 2 可以使用 175 倍的低能耗来学习新的对象实例，而且会具有类似或更高的速度和准确性。
与第一代 Loihi 相比，新的 Loihi 2 神经形态芯片进行了一些改进，具体如下：
- 处理能力提高 10 倍（简单神经元状态提高 2 倍，突触操作提高 5 倍，脉冲生成提高 10 倍）
- 通过结合更高的芯片间信号传输速度 (4倍)、更多的芯片间链路 (6 vs 4) ，以及超过10 倍的芯片间带宽利用率降低，实现了高达 60 倍的芯片间带宽
- 多达 100 万个神经元，资源密度提高 15 倍
- 3D 可扩展，支持原生以太网
- 具有分级尖峰的完全可编程的神经元模型
- 增强学习和适应能力
Loihi 和 Loihi 2 之间的并排比较，我们可以从下图中查看。
对了，英特尔的 Loihi 2 应该是第一个使用英特尔 4 制造工艺制造的芯片。英特尔方面表示，Loihi 2 使用“英特尔 4 工艺的预生产版本可以满足在单个神经形态芯片内实现更大应用规模的需求”。
Loihi 2 神经形态芯片可以与 Lava 开源软件框架配合使用，其目的是为了可以开发神经形态硬件架构的应用程序。Loihi 2 目前可以在 CPU 和 Loihi 芯片上运行，但是它的编译器和运行时对其他架构的扩展都是开放的。
不出意外的话，大多数人都会通过 Neuromorphic Research 云访问 Loihi 2，从而访问共享系统，其中包括用来进行早期评估连接到 Aria 10 FPGA 的“Oheo Gulch”单芯片系统，以及即将推出的带有以太网的紧凑型（4×4 英寸）可堆叠 8 芯片系统的“Kapoho Point”。
英特尔目前已经将 Loihi 1 和 Loihi 2 芯片应用于多个场景进行测试了，比如应用于自适应机器人手臂控制、视觉触觉感知、学习和识别新的气味和手势、响应视觉输入的低延迟无人机电机控制、快速数据库相似性搜索、科学扩散过程建模计算应用，解决铁路调度等难以优化的问题。
与功耗为几十到几百瓦的标准 CPU 和 GPU 解决方案相比，Loihi 的功耗要低多了，Loihi 功耗低于 1 瓦。因此这种类型的神经形态 AI 加速器最终可能会将数据中心硬件的功能运用到机器人、自动驾驶汽车等应用，而且还会以更低的功耗和延迟提供类似的性能，因为通过 Loihi 之后可以直接在设备上处理了。低端的神经形态芯片可以充分利用内置 AI 的电池供电传感器中的脉冲神经网络来提高效率。
其他更多信息你们可以在英特尔的网站、发布的新闻稿和他们那份包含了很多技术细节的7 页技术简报中查看。
文章翻译者：Jacob，嵌入式系统测试工程师、RAK高级工程师，物联网行业多年工作经验，熟悉嵌入式开发、测试各个环节，对不同产品有自己专业的分析与评估。