人工智能对物联网具有巨大的潜力，但在物联网半导体上运行这些模型是具有挑战性的。这些设备有限的硬件使得在本地运行智能软件变得困难。神经形态计算（Neuromorphic Computing，NC）的最新突破可能会改变这一切。
即使在物联网之外，人工智能仍面临着可扩展性问题。在传统计算机上运行更大、更复杂的算法会消耗大量能量。除了对电源管理半导体的压力之外，这种能源消耗还会导致可持续性和成本问题。为了维持其当前的增长，科技公司必须重新思考计算本身的方法。
什么是神经形态计算？
神经形态计算是将计算机系统模拟成人脑的方式。当神经网络教会软件像人类一样思考时，NC则设计电路来模仿人类的突触和神经元。与人工“思考”机器相比，这些生物系统更加多才多艺和高效，所以借鉴它们的灵感可能会带来重大的计算进步。
NC作为一个概念已经存在几十年了，但一直难以实现。不过这种情况可能不会再持续太久了。领先的计算机公司近年来推出并改进了几种神经形态芯片。2022年8月，研究人员公布了一种相比之前模型高两倍能效的神经形态芯片的突破性进展。
这些电路通常将存储器存储在芯片（或神经元）上，而非连接不同的系统。许多电路还利用模拟存储器以在较小的空间中存储更多的数据。NC的设计也是并行的，所有组件可以同时运行，而不是从一个点移到另一个点的过程。
神经形态计算如何改变人工智能和物联网
随着这种技术的可靠性和可访问性越来越高，它可能会永久改变物联网半导体的面貌。这种增强功能也将进一步改进人工智能。以下是其中一些最重要的优势。
更强大的人工智能
神经形态计算最明显的优势在于它可以在较小的硬件上处理更复杂的任务。传统计算机很难克服冯·诺伊曼瓶颈——在内存和处理位置之间移动数据会减慢它的速度。由于NC将内存和处理置于一起，它避免了这个瓶颈的问题。
最近的神经形态芯片比上一代快4000倍，并且比任何传统系统的延迟更低。因此，它们能够实现更加响应的人工智能。在无人驾驶车辆和工业机器人等应用中，几乎实时的决策能够变得可行。
这些人工智能系统可以像人类大脑一样响应灵活多变。同一硬件可以在电源管理半导体中处理实时响应，并在连接的能源网络中监视网络威胁。机器人可以根据需要扮演多个角色，而不是高度专业化。
更低的功耗
NC也提供了解决人工智能能源问题的解决方案。就像人脑一样，NC是事件驱动的。每个特定的神经元会在其他神经元的信号下唤醒，并可以独立运作。因此，在任何给定时间点，只有正在处理数据的组件才会使用能源。
这种分段，加上消除了冯·诺伊曼瓶颈的影响，意味着NC使用的能源要少得多，同时能够完成更多的任务。在大规模上，这意味着计算巨头可以减少温室气体排放。在小规模上，它使得在物联网半导体上进行本地人工智能计算成为可能。
广泛的边缘网络
更高的处理能力和更低的功耗对边缘计算应用特别有益。专家预测到2025年，75%的企业数据处理将发生在边缘，但边缘计算仍面临多个障碍。神经形态计算承诺提供解决方案。
传统物联网设备缺乏在本地实时运行高级应用程序的处理能力。网络限制进一步限制了这种功能。通过使得人工智能在更小、耗能更低的设备上更易于使用，NC克服了这个障碍。
NC还支持边缘所需的可扩展性。增加更多的神经形态芯片可以增加这些系统的计算能力，而不会引入能源或速度瓶颈。结果是，更容易实施更广泛、更复杂的设备网络，以有效地作为一个有机的系统运行。
提高可靠性
NC还可以使人工智能和物联网系统更加可靠。这些系统将信息存储在多个位置，而不是集中的存储单元。如果一个神经元失败，系统的其他部分仍然可以正常运行。
这种弹性与物联网硬件创新相互补充，使得边缘计算网络更加强大。热固性复合塑料可以防止半导体腐蚀，保护硬件，而NC确保即使一个组件失败，软件也能平稳运行。
这些综合优势扩展了物联网的潜在使用案例，将复杂的人工智能流程带入了最极端的环境中。重型工业环境中的边缘计算系统，如建筑工地或矿山，将变得可行。
NC面临的挑战
NC在物联网半导体和人工智能应用方面的潜力令人印象深刻，但仍然存在一些障碍。高成本和复杂性是最明显的。这种仿生芯片只有在使用更新、昂贵的存储和处理组件时才能发挥作用。
除了引入较高的成本外，这些技术的新颖性意味着在现实应用中缺乏关于它们效果的数据。额外的测试和研究将不可避免地突破这些障碍，但这需要时间。
如今，大多数人工智能模型都是针对传统的计算架构设计的。要将它们转换为在神经形态系统上进行优化使用，可能会降低模型的准确性并增加额外的成本。人工智能公司必须开发专门针对NC的模型，以发挥这项技术的全部潜力。
与任何人工智能应用一样，神经形态计算可能加剧伦理关注。人工智能在偏见、就业、网络安全和隐私方面带来了严重的伦理挑战。如果NC使物联网半导体能够运行更先进的人工智能，这些风险就变得更加严重。监管机构和科技领导者必须在部署这项新技术之前学会在这个道德领域中导航。
神经形态计算将改变物联网半导体
神经形态计算可能会改变技术的未来，从电源管理半导体到大规模云数据中心。它将推动一系列更准确、更灵活、更可靠和更易用的人工智能，但这些好处也伴随着相应的挑战。
NC需要更多的研究和开发，才能为可行的实际应用做好准备。然而，它的潜力是不可否认的。这项技术将定义人工智能和物联网的未来。问题是，这将何时发生，以及对社会的影响将有多大。