تراشه‌های نورومورفیک بالاخره به مرحله استقرار تجاری رسیدند. Hala Point اینتل قادر است به ازای هر وات، 20 quadrillion عملیات را پردازش کند.

نورومورفیک کامپیوتینگ چیست؟

تراشه‌های نورومورفیک معماری فون نیومن را در سطح سیلیکون بازطراحی می‌کنند. به جای ضرب‌های ماتریسی متراکم مبتنی بر کلاک، از محاسبات رویدادمحور (event-driven) استفاده می‌کنند. نورون‌های مصنوعی تنها زمانی که ورودی کافی دریافت کنند، به صورت ناهمزمان شلیک می‌کنند. حافظه و پردازش در یک مکان قرار می‌گیرند. نورون‌های بیکار تقریباً توان صفر مصرف می‌کنند. نتیجه، بازدهی فوق‌العاده برای وظایف استنتاج بلادرنگ و sparse است.

Hala Point اینتل

سیستم Hala Point اینتل از ۱,۱۵۲ تراشه Loihi 2 با ۱.۱۵ میلیارد نورون مصنوعی و ۱۲۸ میلیارد اتصال سیناپسی تشکیل شده. رقم اعلام شده ۲۰ کوادریلیون عملیات سیناپسی در ثانیه به ازای هر وات، مربوط به بارهای کاری spiking و sparse است. این یعنی تقریباً ۲,۵۰۰ تا ۳,۰۰۰ برابر بازده انرژی بهتر از GPUهای کلاس Nvidia A100 در وظایف استنتاج sparse مشابه.

رقبا در این حوزه

تراشه NorthPole آی‌بی‌ام (منتشر شده در Science اکتبر ۲۰۲۳) بازده انرژی ۲۵ برابری در تشخیص تصویر نسبت به استنتاج GPUهای مشابه نشان داد. آی‌بی‌ام هدف deployment دیتاسنتر را برای ۲۰۲۶-۲۰۲۷ برنامه‌ریزی کرده. BrainChip Akida امروز در مرحله production-ready است و در دوربین‌های امنیتی، سنسورهای صنعتی و تشخیص رویدادهای صوتی با توان استنتاج زیر ۱ میلی‌وات به کار می‌رود.

پنجره‌های کاربردی کوتاه‌مدت

واضح‌ترین برنده edge sensing همیشه‌روشن است: تشخیص wake word، مانیتورینگ ارتعاشات صنعتی، آنالیز ECG قلب روی دستگاه‌های محدود به باتری. دوربین‌های event-based Prophesee همراه با استنتاج نورومورفیک اشیاء را با سرعت معادل ۱۰,۰۰۰ فریم در ثانیه و توان زیر ۳۰ میلی‌وات تشخیص می‌دهند.

شکاف نرم‌افزاری

آموزش شبکه‌های عصبی اسپایکینگ (SNN) تفاوت معناداری با معماری‌های Transformer و CNN دارد. تعداد محققانی که تجربه عملی production-ready با SNN دارند احتمالاً زیر ۱,۰۰۰ نفر در جهان است. فریم‌ورک Lava اینتل (open-source و پایتونی)، neuromorphic toolkit آی‌بی‌ام و MetaTF SDK برین‌چیپ محیط‌های اصلی هستند اما فراگیری PyTorch/TensorFlow را ندارند.

نکات عملی

• برای تیم‌های embedded/IoT: تراشه BrainChip Akida امروز برای استنتاج هوش مصنوعی همیشه‌روشن با باتری آماده تولید است.
• برای تیم‌های تحقیقاتی: دسترسی به Hala Point اینتل از طریق Intel Neuromorphic Research Community فراهم است. فریم‌ورک Lava در github.com/lava-nc/lava در دسترس است.
• مراقب نقشه راه دیتاسنتر IBM NorthPole برای عرضه تجاری ۲۰۲۶-۲۰۲۷ باشید.
• نورومورفیک را با کارایی عمومی هوش مصنوعی اشتباه نگیرید – این تراشه‌ها وظایف sparse خاصی را حل می‌کنند، نه استنتاج یا آموزش LLM را.