开发基于类脑计算的智能视觉传感器SoC，「SynSense」入局智能家居市场_详细解读_最新资讯_热点事件

类脑计算作为一种新兴的计算方式，因其能够大幅提升数据实时处理、机器在线学习能力，并且实现更小的能耗和体积，被认为能够带领人工智能和计算机微型化的下一阶段。英特尔、IBM、高通等巨头近年来纷纷投入了大量研发。

不过由于技术还处于较早期的状态，产品成熟度及落地场景都还在探索期。市场上常见的多是通用芯片，且主要用在科研领域，尚未出现能够量产的产品；此外，由于大量研发集中在传感器领域，而基于类脑的处理器开发进度较慢，这也在一定程度上影响了技术的落地。

最近业内出现了一家切入到专用领域，研发基于类脑计算的智能视觉传感器SoC，并且即将在2020年6月将开发模组交付客户使用的公司——SynSense。公司于2017年在瑞士成立，背靠著名研究机构苏黎世大学及苏黎世联邦理工神经信息研究所，以类脑技术为主线，专注于边缘运算，开发超低功耗、低成本边缘运算处理器及智能传感器，为智能家居、机器人、智能安防、自动驾驶、无人机等多领域提供包括IP授权、硬件设计、软件配置、算法开发等完整解决方案。

关于为什么从视觉方向入手，并切入消费级场景。SynSense创始人乔宁表示：智能家居市场近几年增长迅速，相应的智能传感器也在被大量部署，视觉是非常重要的信息要素，与声音这种低维度的信息不同，除了获取、处理难度较高之外，行业对于视觉专用的SoC研发也不够，在类脑计算方向上更处于空白期。

除了采取类脑计算这种方式之外；SynSense即将在6月发布的SoC片上包含了传感器+处理器的完整解决方案，这解决了上文提到的类脑传感器长期缺乏相匹配的处理端的问题，补齐了行业短板。另外，产品采取离线的工作模式，与业内常见的云端处理模式有很大不同，这实际上反映了解决方案侧重点区别，具体来说：

• 云端的处理模式主要解决的是海量数据的处理，随着5G及算法算力的提升，基于云端的解决方案正在被大规模使用，但其弊端在于：一方面，云端收集到的信息大却易冗余，这对于硬件、算法的要求非常高；此外，数据从终端上传到云端，中间的传输、处理过程也使得设备功耗比较大，由此抬高了解决方案的整体成本。

• SynSense采取离线的处理方案，主要是切入了人机交互场景对于实时响应的要求，例如，一个完整的连续手势能够在多短的时间内，以极低的功耗完成处理。目前，SynSense完整的视觉解决方案能够做到亚毫瓦级功耗、毫秒级响应；同时，这种轻量级的设备能够实现更低于云端解决方案的成本以及更高效的人机实时交互。

目前，SynSense的主要业务分为两大方向：一是视觉信号，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、机器人及智能安防领域；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。

当前这款智能视觉传感器SoC已经投片并测试成功，相应的开发套件将于6月交付客户使用，年底实现量产。SynSense现已在成都和上海组建硬件及芯片研发团队：欧洲主要负责底层IP和算法研发，国内则负责系统的集成、工程化、市场等业务。公司近日已完成近亿元人民币A轮融资。