以色列公司POLYN推出语音处理微型芯片，TinyAI飞入寻

　　近日，POLYN宣布推出语音处理TinyAI芯片NeuroVoice，成为第一个在超低功耗模拟神经形态芯片内实现语音检测（VD）和语音提取（VE）组合的公司。
　　耳塞、智能手机、助听器、游戏耳机和对讲系统需要新技术将语音处理提升到一个新的水平。POLYN营销和业务发展副总裁EugeneZetserov说。
　　当前的语音信号处理方法非常耗电，在某些情况下还不够。即时语音识别对于助听设备很重要。在嘈杂环境中，基于AI提取语音信号，包括不规则噪声，提供比标准噪声消除滤波器更好的听觉体验。神经网络是语音处理的完美工具。
　　POLYN是一家无晶圆半导体公司，成立于2019年，总部位于以色列。POLYN提供超低功耗、高性能的神经形态模拟信号处理（NASP）技术、IP和基于NASP的TinyAI芯片，能够支持广泛的边缘人工智能应用，例如可穿戴设备、工业4。0、互联健康、智能家居等。
　　POLYN的解决方案允许在具有更高安全性和可靠性的各种物联网和自主设备上运行人工智能。该解决方案不需要互联网连接，并降低了功耗和延迟。据介绍，NeuroVoice以100W功率运行，并在20s内执行推理，它允许客户创建微型产品，以改善其最终用户的听力体验。
　　1、NASP技术，POLYN的杀手锏
　　人工智能正在加快速度从云端走向边缘，进入到越来越小的物联网设备中。在终端和边缘侧微处理器上实现的机器学习过程，被称为微型机器学习，即TinyAI（也被称为TinyML）。
　　更准确的说，TinyAI是指工程师们在mW功率范围以下的设备上，实现机器学习的方法、工具和技术。作为一种全新的机器学习模型，TinyAI是人工智能领域最新的重大技术突破之一。
　　物联网设备往往体积很小，面临着许多挑战，例如功耗、延时以及精度等问题，传统的机器学习模型无法满足要求。TinyAI通过各种技术能够更智能地使用数据，让人工智能计算可以直接在设备上执行，而不需要用户将数据发送到云端或远程服务器。
　　TinyAI的主要优点是它的可移植性。在具有小电池和低功耗的廉价微控制器上运行，意味着，人们可以很容易地将ML以便宜的价格集成到几乎任何东西中。除此之外，由于计算的本地特性，TinyAI还具有提高安全性的优势，即无需将数据发送到云端。在物联网等应用程序中处理个人数据时，这可能很重要。
　　POLYN的神经形态模拟信号处理器技术（NASP）是一种TinyAI解决方案，旨在优化原始数据并减少CPU负载和转发到云的数据量。NASP技术以前所未有的低功耗、小尺寸和低延迟为传感器设备提供真正的AI。通过感知模拟信号和数字信号，为各种传感器增加智能。
　　人脑不仅是一个超低功耗的并行操作系统，还是一个模拟系统，处理各种信号而不需要将它们转换成二进制格式。对于信号感知等任务，模拟系统更可取。据半导体研究公司称，预计未来十年将出现大量模拟信号，这需要硬件方面的根本性突破，以产生更智能的世界机器接口。
　　POLYN开发了一个独特的平台，该平台将经过训练的神经网络作为输入，并使用数学建模将网络合成为真正的神经形态芯片。芯片包含人工神经元（执行计算的节点）和使用电路元件实现的轴突（节点之间的权重连接）：神经元使用运算放大器实现，轴突使用薄膜电阻器实现。
　　2022年4月，POLYN宣布，其首款神经形态模拟信号处理器芯片NeuroSense已完成封装和评估。据悉，NeurorSense芯片采用55nmCMOS技术实现。它充当边缘信号传感器，能够使用神经形态计算处理原始传感器数据，而无需对模拟信号进行任何数字化。POLYN将其称为第一款无需模数转换器（ADC）即可直接在传感器旁边使用的神经形态模拟TinyAI芯片。
　　2、TinyAI，飞入寻常百姓家
　　TinyAI应用前景广阔，包括物体识别和分类、手势识别、音频检测、机器监控、关键字发现等等。可以预见的是，TinyAI将成为我们日常生活中的一部分。
　　当前，物联网设备日益普及。在资源受限设备上运行机器学习模型的能力，为许多新的可能性打开了大门。一个很好的例子是具有心率（HR）跟踪和人体活动识别（HAR）的可穿戴设备，其中PPGIMU传感器不断生成数据，其处理会消耗大量电池电量。
　　对于执行真正始终在线测量的设备，神经形态模拟信号处理是一个理想的解决方案，与传统算法相比，它具有100uW的超低功耗和两倍的精度。提高的精度还可以简化整个系统，并降低相关成本。
　　潜在客户对可穿戴设备的测量不准确和电池寿命短持谨慎态度。这些发生是因为可穿戴设备中最常见的当前实现是基于算法计算，这些算法计算耗能大且无法真正准确。POLYN一位高管表示。
　　戒指形式的可穿戴设备是一个可行的选择，但现在很少有这样的智能戒指模型可以真正戴在手指上。对于这种形式，降低功耗至关重要，并且需要新型硬件。
　　另一个例子是工业物联网应用。随着工业4。0的发展，世界对基于振动监测的机器健康解决方案的兴趣与日俱增，这是有充分理由的。振动是响应来自旋转设备的机械激励的重复运动。振动监测是机器状态监测中的主要传感技术，因为振动变化发生在机器故障过程的最开始，从而可以进行早期诊断。
　　LoRa是一种非常流行的技术，尤其是在欧盟，这要归功于它的低成本、低功耗和远距离通信能力。然而，由于带宽窄，振动传感器的原始数据很难通过LoRa传输。POLYN的NASP可以提供对传感器数据预处理的明确需求。
　　嵌入的使用减少了从机械、轨道、铁路车辆、风力涡轮机以及石油和天然气泵发送到云端的测量数据，解决了物联网系统所需的低带宽的根本问题。POLYN表示，使用嵌入进行传感器数据预处理可将嘈杂的原始数据流减少1000倍。
　　嵌入是机器学习中最通用的技术之一，适用于广泛的用例，从信息搜索、相似性检查和欺诈检测到学习用户行为和项目之间的关系。最著名的嵌入之一是Google在2013年发明的Word2Vec。在未来的边缘AI中，嵌入有很大的潜力。
　　人工智能世界一直在寻找一种经济高效的技术，该技术允许神经网络自主工作并直接处理来自模拟传感器的数据，同时始终以高精度执行任务。对于移动、物联网或远程设备，这必须以超低功耗完成。TinyAI作为机器学习和嵌入式IoT设备的交叉领域，具有革新许多行业的潜力，将发挥越来越大的作用。
　　资料来源：https：polyn。ai