Innatera Ungkap Chip AI Neuromorfik Pertama untuk Aplikasi Edge Ultra-Rendah Daya
Innatera, startup Belanda yang spesialis dalam akselerator AI neuromorfik untuk jaringan saraf spiking (SNN), telah menghasilkan chip pertamanya, membenchmark performanya, dan mengungkap detail arsitektur kunci.
Perusahaan juga mengumumkan bahwa Alberto Sangiovanni‑Vincentelli—pendiri Cadence dan Synopsys—telah bergabung sebagai chairman dewan direksi. Sangiovanni‑Vincentelli saat ini adalah profesor di UC Berkeley dan membawa puluhan tahun pengalaman industri.

Chip Innatera dirancang untuk mempercepat berbagai SNN untuk aplikasi audio, kesehatan, dan radar (Gambar: Innatera)
Berbeda dengan model AI konvensional, SNN meniru aktivitas spiking otak, menggunakan waktu tepat pulsa listrik untuk melakukan pengenalan pola. Karena paradigma komputasi unik ini, SNN membutuhkan hardware khusus yang dapat memproses data time-series secara efisien sambil mengonsumsi daya minimal.
Sementara banyak rival seperti Prophesee menargetkan aliran gambar dan video, Innatera berfokus pada audio (pengenalan ucapan), kesehatan (pemantauan tanda vital), dan radar (deteksi jatuh yang menjaga privasi untuk lansia). Domain-domain ini bergantung pada data time-series berkelanjutan dan membutuhkan envelop daya yang ketat di node sensor.

Marco Jacobs (Gambar: Innatera)
“Array kami unggul dalam memproses data time-series, yang merupakan inti dari aplikasi audio, kesehatan, dan radar,” kata Marco Jacobs, VP Pemasaran dan Pengembangan Bisnis. “Ada sedikit solusi yang mengatasi kebutuhan ini secara efektif.”
Tes Innatera menunjukkan setiap event spiking mengonsumsi kurang dari satu picojoule—di bawah 200 fJ dalam proses TSMC 28 nm—mendekati energi yang digunakan oleh neuron biologis. Sebuah tugas pengenalan kata kunci tipikal memerlukan kurang dari 500 spikes per inferensi, menghasilkan dissipasi daya sub-milliwatt, menurut CEO Sumeet Kumar.

Kluster neuron yang menembak (grup titik) mewakili deteksi fonem dalam ucapan. Saat data input menyertakan lebih banyak kebisingan, kluster yang sama sebagian besar hadir, meski lebih sulit untuk terlihat (Gambar: Innatera)
Arsitektur Pemrosesan
Prosesor Innatera menggunakan array neuro-sinaptik massal paralel dengan encoder dan decoder spike, beroperasi dalam domain analog/mixed-signal untuk mempertahankan dinamika waktu kontinu.

Prosesor saraf spiking Innatera mencakup array neuro-sinaptik massal paralel dan encoder serta decoder spike (Gambar: Innatera)
Arsitektur menekankan kemampuan pemrograman, memungkinkan konektivitas neuron yang fleksibel dan penyesuaian waktu spike yang halus melalui SDK. Fleksibilitas ini esensial untuk mereproduksi topologi jaringan kompleks otak di silicon dan untuk mengoptimalkan performa pada beban kerja SNN yang beragam.
Neuron dan sinapsis diimplementasikan dalam silicon analog untuk mempertahankan daya ultra-rendah dan untuk memungkinkan retensi state waktu kontinu—tugas yang akan mahal untuk diskretkan dalam rangkaian digital murni. “Domain analog secara alami mempertahankan informasi state, menghilangkan kebutuhan untuk mengenkodenya ke dalam topologi jaringan,” kata Kumar.

Segmen komputasi dalam array Innatera, di mana neuron dirancang untuk dicocokkan dengan hati-hati. Sinapsis terprogram diatur dalam struktur crossbar multi-level. (Garis/putus-hitam di sini mewakili input dan output spike) (Gambar: Innatera)
Untuk mengurangi variabilitas pembuatan, Innatera mengelompokkan neuron ke dalam segmen yang cocok erat, memastikan perilaku deterministik di seluruh array. Software dalam SDK mengkompensasi ketidakcocokan sisa, memungkinkan pengembang untuk berfokus pada logika aplikasi daripada kalibrasi level rendah.
Fokus Spesifik Aplikasi
Spin-off dari Delft University of Technology, Innatera mendapat dana seed €5 juta (≈$6 juta) pada akhir 2020. Perusahaan sudah terlibat dengan pelanggan pendapatan, menyampaikan algoritma SNN matang sebelum bertransisi ke hardware.
“Kami adalah perusahaan solusi komputasi,” kata Kumar. “Kami menyediakan solusi turnkey yang menggabungkan hardware dengan algoritma SNN spesifik aplikasi.”
Chip pertama divalidasi untuk kasus penggunaan audio, kesehatan, dan radar, dengan roadmap yang mungkin memperkenalkan optimisasi lebih lanjut yang disesuaikan untuk setiap domain. “Arsitektur kami mendukung rentang luas SNN di seluruh aplikasi, tetapi kami akan terus menyempurnakan hardware untuk integrasi domain yang lebih dalam,” tambah Kumar.
Sampel chip awal diproyeksi akan dikirim sebelum akhir 2021.
> Artikel ini awalnya diterbitkan di situs saudara kami, EE Times.
Konten Terkait:
- AI chip targets low‑power edge devices
- Tool chain, sensor board enhance AI chip ecosystem
- New AI acceleration modules enhance edge performance
- AI at the edge: what to look for in 2021
- How to implement AI of Things (AIoT) on MCUs
Untuk lebih banyak Embedded, berlangganan newsletter email mingguan Embedded.