近日消息，瑞士类脑芯片厂商aiCTX获数千万元Pre－A轮融资，本轮融资由BV（百度风投）领投。据悉，本轮融资将用于加速研究及技术成果落地。
aiCTX（ai－CorTeX）是一家在专注神经形态运算及神经形态处理器设计开发的瑞士高科技公司。基于苏黎世大学及苏黎世联邦理工大学的科技成果，aiCTX创办于2017年3月，总部落在瑞士苏黎世。
aiCTX在神经形态运算及拟神经形态处理器设计领域处于领先地位。公司设计研发的超低功耗神经形态处理器可用于智能机器人、移动便携设备、安防、智能家居、智慧城市等多种人工智能应用场景。
据了解，2017年底，aiCTX获得天使资本十维资本领投的120万美元种子轮融资。
发力类脑芯片，研制DynapCNN、DynapSE低功耗专用、通用芯片
成立于2017年3月，基于苏黎世大学及苏黎世联邦理工大学的科技成果，aiCTX这家年轻的公司，目前致力于类脑芯片研究与开发，并积极推动研究成果走向商用。
aiCTX目前主要关注两大业务方向：一是以动态摄像头为输入的超低功耗，超低延时的实时动态图像处理及智能应用，主要应用场景为智能家居及安防领域；二是身体信号，语音等自然信号的超低功耗实时处理，可用于手机、健康监测及工业机械领域。
针对实际应用，aiCTX目前主要芯片研发包括：专用脉冲卷积神经网络（SCNN）芯片DynapCNN及通用脉冲神经网络（SNN）芯片DynapSE系列神经形态处理器研发及设计；针对公司硬件架构的脉冲神经网络算法、模型的搭建及仿真；及支持系列芯片应用的用户软件工具链开发。
其中，专用脉冲卷积神经网络芯片DynapCNN结合Neuromorphic与传统Deep－learning的优势，支持脉冲卷积神经网络这种全新的网络形态，可主要用于超低功耗动态图像处理和点云信号处理。DynapCNN芯片采用22nm工艺设计，单芯片集成超过一百万神经元，支持多种CNN架构，并在芯片架构上采用可扩展设计来轻松实现多芯片超大规模脉冲神经网络板级应用。
在超低功耗动态图像处理上，芯片可以直连多种现有的动态摄像头，进行脸部识别、手势识别、移动物体追踪、归类、行为识别等。其最大优势是超低功耗、超低延时。作为一款always－on处理器，在通常应用场景下，进行面部／手势识别时峰值功耗低于10mW，目标呈现到决策判断的延时低于10ms，而总体平均功耗低于1mW。点云信号处理上，可对LiDAR等点云信号进行实时处理运算，实现图像分割、区域划分、物体识别及行为识别等。
而通用芯片DynapSE系列芯片，具有更灵活的可配置性，可针对各种应用可以实现各种脉冲神经网络，芯片集成自然信号到脉冲输入转换接口电路，可用于便携设备端侧语音信号处理、可佩戴设备的健康监测及工业机械噪声监测等。
在语音信号处理上，可利用脉冲神经网络实现本地化超低功耗always－on口令识别，应用DynapSE进行口令识别，功耗低于1mW；可佩戴设备的健康监测上，可利用reservoir脉冲神经网络实现心电信号（ECG）实时监测；工业机械噪声监测上，对机械噪声等进行本地化实时监测判断，可靠电池驱动数月。
颠覆传统芯片架构，擅长处理动态信息
而aiCTX的系列芯片，之所以相比于传统芯片，功耗大幅降低，其秘诀在于，这两款类脑芯片颠覆了传统芯片的“冯·诺依曼架构”，以模拟人脑神经元的方式以及全并行的运算架构来提升计算能力。
在传统“冯·诺依曼架构”中，计算模块和存储单元互相分离，CPU在执行命令时必须先从存储单元中读取数据。每一项任务，如果有十个步骤，那么CPU会依次进行十次读取、执行，再读取、再执行，这就造成了延时，以及大量功耗（80％）花费在了数据读取上。
“类脑芯片”则颠覆了这一传统计算架构，将数字处理器当作神经元，把内存作为突触，内存、CPU和通信部件完全集成在一起，采用模拟人脑神经元结构来提升计算能力。每个神经元计算都是本地的，且从全局来看神经元们是分布式在工作。
而且相比较传统CPU及加速器芯片动辄几G的时钟频率，aiCTX的类脑芯片则是没有时钟的。基于纯异步电路的事件触发运算及高效的网络结构保证了DynapCNN及DynapSE系列芯片always－on的特性及超低的功耗。
CEO乔宁也介绍道，除了低功耗外，aiCTX的芯片非常擅长于处理包含时间信息的数据，如动态的传感器数据，自然界的自然信号（温度，气压），人体信号（ECG，EMG，EEG），网络数据，股票高速决策等。相比较于把各种传感器数据传到云上进行处理，aiCTX的类脑处理器及运算技术可以广泛应用于各种靠近IoT传感器的，高效，本地，边缘运算（edge computing）及智能应用，在提高效能以及私密性的同时，极大减少所需传输数据量及成本。
不过类脑芯片的研究目前还不成熟，对技术的要求也更高。因而，aiCTX作为从苏黎世大学和苏黎世联邦理工大学的神经信息学研究所分离出的初创公司，有强大的学术力量背书，其领头人CEO乔宁和CSO Giacomo Indiveri教授领导的科研实力也不容小觑。
据了解，乔宁是中科院微电子研究所博士，后担任苏黎世联邦理工神经形态处理器开发项目的领导人，具有10年超低功耗神经形态处理器设计经验，负责欧洲多个类神经工程科研项目。其联合创始人Kynan Eng也是博士出身，多项专利的成功的连续创业者。目前aiCTX研发团队约有10人，包含硬件、软件、算法，仿真、用户界面等多方面人才。
类脑芯片逐渐成熟，打造第一批走向商用的芯片
虽然类脑芯片整体还处于研究中，但乔宁认为，与传统机器学习相结合的SCNN（脉冲卷积神经网络）专用芯片已较为成熟。乔宁预计，专注动态信息处理的SCNN芯片1－2年内即可走向商用。aiCTX研发的DynapCNN芯片今年年底即可出片，明年第二季度将拿到样片。届时，DynapCNN也将成为世界上，第一批走向商用的脉冲神经网络类脑芯片。
基于aiCTX核心技术，与瑞士动态摄像头研发公司inVation合力设计的超低功耗，全仿生（fully－neuromorphic）智能视觉传感器也在研发之中。该视觉传感器主要面向于超低功耗always－on的端侧智能感知、分类、面部识别、行为识别等智能应用。经过深度优化的智能视觉传感器可允许用户训练感知目标，整体平均功耗将低于1mW，而目标呈现到作出识别判断延时低于10ms。该传感器将可广泛用于智能家居以及手机等便携设备，传感器样片可于明年三季度获取。
而相对于FPGA、ASIC芯片等芯片创企在全球如雨后春笋般涌现来说，类脑芯片的研究门槛更高。乔宁表示，英国曼彻斯特大学的SN仿真平台、斯坦福大学、海德堡大学、浙江大学、英特尔，IBM等都在研究类脑芯片。但世界范围内，类脑芯片的科研队伍也并不多。
并且，相对于aiCTX这类的芯片厂商，英特尔，IBM等科技巨头以及学界更关注通用芯片的研发。因而，aiCTX芯片的专用性相对较高，在垂直领域的商用上效果将更好。
对比，乔宁也直言，“我们没有理由说碾压IBM，这并不现实。但比较庆幸的是，IBM和英特尔的芯片都是在做基础研究，更多是通用架构。我们的优势就是，我们在研制针对具体应用的专用芯片，因而在应用场景上，功耗，性能以及集成度方面会有很大提升。”
作为神经形态运算领域技术领先者，aiCTX正积极与UZH、ETHZ，以及专注PC周边设备研发，传感器研发，工业监测等多家欧洲科研机构及公司展开深入的科研及项目合作。aiCTX也正积极参与及推动欧洲基础科学研究。2018年初，aiCTX成功获批了欧盟H2020关于脑机接口的为期4年的科研项目“SYNCH”，并获得相应经费支持。与此同时，多个欧洲科研项目的提案也正在准备之中。
