Microchip类比嵌入式SuperFlash技术解决边缘语音难题

Microchip类比嵌入式SuperFlash技术 成功解决边缘语音处理难题。Microchip

存储器内运算(Computing-in-memory；CIM)技术有望消除在网络边缘进行人工智能(AI)语音处理产生的大量数据通讯瓶颈，但需要一种可同时进行神经网络计算和储存权重的嵌入式存储器解决方案。Microchip透过旗下子公司冠捷半导体(SST)宣布，其SuperFlash memBrain神经形态存储器解决方案为知存科技(WITINMEM)神经处理SoC解决了这一难题。这是首款批量生产的SoC，可使亚毫安级(sub-mA)系统在开机后立即实时降低语音噪音并识别数以百计的指令词。

Microchip与知存科技合作，将Microchip基于SuperFlash技术的memBrain类比存储器计算解决方案整合到知存科技的超低功耗SoC中。该SoC具有用于神经网络处理的存储器内运算技术，包括语音识别、声纹识别、深度语音降噪、场景检测和健康状态监测。知存科技目前正在与多个客户合作，将在2022年推出基于该SoC的产品。

知存科技CEOShaodi Wang表示：「WITINMEM凭藉基于先进神经网络模型的Microchip的memBrain方案，持续努力解决网络边缘实时AI语音的计算密集型需求。我们在2019年率先开发出用于音频的CIM芯片，如今更进一步推出并量产超低功耗神经处理SoC，简化并提高了智能语音和健康产品的语音处理效能，树立了另一个重要里程碑。」

SST半导体(SST)授权部门副总裁Mark Reiten表示：「我们很高兴知存科技成为我们的主要客户，感谢知存科技利用我们的技术推出优秀产品，进入不断扩大的人工智能边缘处理市场。知存科技开发出基于CIM神经处理器的单芯片解决方案，消除了传统处理器使用数码DSP和SRAM/DRAM来储存和执行机器学习模型存在的问题，充分展现了memBrain技术的价值。」

Microchip的memBrain神经形态存储器产品，针对神经网络的矢量矩阵乘法(VMM)进行优化。它使得用于电池供电和深度嵌入式边缘设备的处理器能够提供尽可能高的单位瓦特人工智能推论效能。这是透过将神经模型的权重作为数值储存在存储器阵列中和将存储器阵列作为神经计算元素来实现的，功耗比其他方法低10至20倍，同时由于不需要外部DRAM和NOR，处理器整体材料清单(BOM)成本也较低。

将神经模型永久储存在memBrain解决方案的处理元件中也能够支持实时神经网络处理的实时开启功能。知存科技利用SuperFlash技术的浮动栅单元的非挥发性(nonvolatility)，在空闲状态下关闭存储器内运算巨集，进一步减少物联网实际应用的静态泄漏功耗(leakage power)。