Eurooppalainen Neuronova on kehittänyt analogisen neuromorfisen prosessorin, joka pystyy ajamaan aina päällä olevan tekoälyn tehtäviä murto-osalla nykyisten digitaalisten piirien virrankulutuksesta. Yhtiön mukaan sen analoginen spiking-neural-network -prosessori tunnistaa esimerkiksi avainsanoja ja muita audiosignaaleja alle yhden mikrowatin tehonkulutuksella – jopa satakertaisesti pienemmällä teholla kuin digitaalisiin SoC-ratkaisuihin perustuvat järjestelmät.
Neuronovan H1-prosessori käsittelee sensorilta tulevan signaalin suoraan analogisessa muodossa ilman jatkuvaa AD-muunnosta ja ilman, että laitteiston MCU tai DSP täytyy pitää hereillä. Analoginen, tapahtumapohjainen arkkitehtuuri reagoi vain silloin, kun data muuttuu, mikä selittää suuren energiasäästön. Yhtenä esimerkkinä järjestelmän herättävä ns. wake word -tunnistus toimii alle 1 µW:n teholla yli 90 prosentin tarkkuudella.
Analoginen esiprosessointi mahdollistaa myös monimutkaisempia tehtäviä, kuten keilanmuodostukseen perustuvan suunnanmäärityksen, taustamelun vaimennuksen sekä biosignaalien poikkeamien havaitsemisen. Yhtiö raportoi IMU-eleiden tunnistuksen ja hengityksen, sykkeen sekä hapetuksen kaltaisten biosignaalien analyysin toimivan samoin alle mikrowatin kulutuksella. Samalla AFE/ADC:n käyttöaste voidaan pudottaa yli 95 prosenttia, mikä keventää koko järjestelmää ja pienentää BOM-kustannuksia.
Neuronovan mukaan analoginen lähestymistapa lyhentää signaaliputken virrankulutuksen perinteisestä noin 3,5 milliampeerista noin 36 mikroampeeriin, mikä avaa tien täysin uudenlaisille aina kuunteleville ja aina valvoville laitteille. Tavoitteena ovat erityisesti kuulokkeet, kuulokojeet, älylasit ja terveysteknologian puettavat ratkaisut, joissa akunkesto on suurin rajoite.
Prosessori valmistetaan Euroopassa kypsällä 180 nm CMOS-prosessilla, mikä mahdollistaa edullisen tuotannon ja nopean skaalauksen ilman huippuluokan piirituotannon kustannuksia. Yhtiö kertoo tehneensä yhteistyösopimuksia useiden laitevalmistajien kanssa ja tähtää saavansa ensimmäiset kaupalliset toimitukset liikkeelle vuoden 2027 aikana.
Kun suurteholaskennan (HPC) työkuormat monimutkaistuvat, generatiivinen tekoäly sulautuu yhä tiiviimmin moderneihin järjestelmiin ja lisää kehittyneiden muistiratkaisujen tarvetta. Vastatakseen näihin muuttuviin vaatimuksiin ala kehittää uuden sukupolven muistiarkkitehtuureja, jotka maksimoivat kaistanleveyden, minimoivat latenssin ja parantavat energiatehokkuutta.
