隨著消費電子、生物醫(yī)學和物聯(lián)網/工業(yè)物聯(lián)網市場中始終監(jiān)聽設備的爆炸式增長，似乎每個人都在嘗試使用模擬來節(jié)省設計中的功耗。隨著使用“模擬內存計算”來降低處理器功耗的新型機器學習（ML）數(shù)字芯片，半導體供應商正在發(fā)明新的方法來利用模擬計算的固有功耗和計算效率。那么，有什么障礙呢？事實是，盡管這些芯片利用模擬電路的固有優(yōu)勢來節(jié)省芯片內的功耗以進行神經網絡處理，但它們最終是在數(shù)字域中對數(shù)字數(shù)據(jù)運行的數(shù)字處理芯片，這意味著它們只能為系統(tǒng)提供有限的節(jié)能效果。幸運的是，一種更全面地使用模擬計算的新系統(tǒng)級方法（模擬機器學習 （analogML） 內核）現(xiàn)在可以在系統(tǒng)級別實現(xiàn)更高的電源效率。

雖然模擬內存計算和模擬ML有時都被標記為“模擬計算”，但它們絕不是一回事。設計人員需要了解模擬內存計算和 analogML 內核之間的區(qū)別，以便創(chuàng)建更節(jié)能的終端設備？

內存模擬計算的芯片級效率

模擬內存計算通常是指在數(shù)字機器學習處理器的神經網絡中使用模擬電路，以便以較低的功耗執(zhí)行乘法累加 （MAC） 功能。但是，利用這種方法的芯片仍然是在標準數(shù)字處理范式中運行的時鐘處理器，需要立即將所有模擬傳感器數(shù)據(jù)數(shù)字化，無論是否相關。事實上，使用模擬內存計算的芯片實際上需要在確定數(shù)據(jù)的重要性之前進行三次單獨的數(shù)據(jù)轉換。傳感器數(shù)據(jù)立即轉換為數(shù)字以進行初始處理（數(shù)字化優(yōu)先架構），然后在芯片內轉換為模擬以用于MAC功能，最后，它們在芯片內轉換為數(shù)字，用于推理，分類和其他功能所需的額外數(shù)字處理。因此，大量的數(shù)據(jù)轉換，但實際的模擬處理并不多。

雖然模擬內存計算可能會降低單個推理芯片的功耗，但它僅以非常有限的方式使用模擬，因此它只能為整個系統(tǒng)提供同樣有限的功耗降低。

通過模擬機器學習實現(xiàn)系統(tǒng)級效率

相比之下，analogML 內核完全在模擬域內運行，無需時鐘，并在數(shù)字化任何數(shù)據(jù)之前使用原始模擬傳感器數(shù)據(jù)進行推理和分類。analogML 內核集成到始終偵聽的設備中，在花費任何功率進行單次數(shù)據(jù)轉換之前確定數(shù)據(jù)的重要性。我們稱之為“先分析”，因為模擬ML內核使數(shù)字系統(tǒng)保持關閉，除非檢測到相關數(shù)據(jù)。

與集成模擬內存計算的 ML 芯片相比，analogML 內核處理模擬傳感器數(shù)據(jù)的更簡化方法對系統(tǒng)級效率具有重大影響。

例如，在典型的語音優(yōu)先系統(tǒng)中，analogML 內核在 100% 的時間內處于開啟狀態(tài)，在始終監(jiān)聽模式下僅消耗 10μA 的電流，以確定哪些數(shù)據(jù)是重要的（分析優(yōu)先架構），然后再在數(shù)字化上花費任何功率。這使系統(tǒng)的其余部分保持睡眠狀態(tài)，直到檢測到相關數(shù)據(jù)。與在數(shù)字域中 100% 運行（數(shù)字化優(yōu)先架構）并消耗高達 3000-4000μA 的更傳統(tǒng)的 ML 芯片相比，使用 analogML 的分析優(yōu)先方法可將電池壽命延長多達 10 倍。這就是可持續(xù)使用數(shù)天而不是數(shù)小時的智能耳塞與一次電池充電可持續(xù)數(shù)年而不是數(shù)月的聲控電視遙控器之間的區(qū)別。

AnalogML 核心中有什么？

深入了解 analogML 內核的幕后，可以揭示模擬內存計算與 analogML 內核之間的區(qū)別，模擬內存計算僅用于神經網絡，后者由多個軟件控制的模擬處理塊組成，我們可以為各種分析優(yōu)先應用程序啟用、重新配置和調整。這些模塊可以在需要時獨立供電，可實現(xiàn)一系列功能。

傳感器接口—可以為特定傳感器類型（麥克風、加速度計等）合成接口電路

模擬特征提取 — 從原始模擬傳感器數(shù)據(jù)中挑選出顯著特征，大大減少進入神經網絡的數(shù)據(jù)量

模擬神經網絡 — 高效、占用空間小、可編程的模擬推理模塊

模擬數(shù)據(jù)壓縮—連續(xù)收集和壓縮模擬傳感器數(shù)據(jù)支持低功耗數(shù)據(jù)緩沖

模擬范式轉變

AnalogML 遠遠超出了使用一點模擬計算來節(jié)省整個 ML 芯片計算的一小部分，以節(jié)省功耗。它是一個完整的模擬前端解決方案，在數(shù)據(jù)仍然是模擬數(shù)據(jù)的情況下，使用接近零的功耗來確定信號鏈中最早點的數(shù)據(jù)的重要性，以最大限度地減少流經系統(tǒng)的數(shù)據(jù)量和數(shù)字系統(tǒng)（ADC/MCU/DSP）的開啟時間。在某些應用中，例如玻璃破碎檢測，事件可能每十年發(fā)生一次（或永遠不會發(fā)生），使用 analogML 內核使數(shù)字系統(tǒng)在 99+% 的時間內保持關閉，可以將電池壽命延長數(shù)年。這開辟了一類新的持久遠程應用程序，如果所有數(shù)據(jù)（無論是否相關）在處理之前都已數(shù)字化，則無法實現(xiàn)這些應用程序。

底線是所有模擬計算都不相等。無論芯片中包含多少模擬處理以降低其功耗，除非該芯片在模擬域中運行，在模擬數(shù)據(jù)上，它不會做我們知道在系統(tǒng)中節(jié)省最多功耗的一件事 - 數(shù)字處理更少的數(shù)據(jù)。

審核編輯：郭婷