3 月 24 日訊息，據歐洲媒體 eeNews Europe 3 月 22 日報道，法國研究人員受昆蟲啟發，正在開發一種混合處理架構的 AI 晶片，耗資 300 萬歐元（約合 2103.72 萬人民幣）。

該專案由法國研究機構 CEA-Leti 的頂尖科學家和 Edge AI（邊緣人工智慧）專案協調員 Elisa Vianello 領導，模仿蟋蟀的感知和神經系統整合不同的儲存技術，以降低能耗、提升速率，並應用於消費機器人、植入式醫療診斷微晶片以及可穿戴電子裝置。

一、模仿蟋蟀，構建新奈米系統

AI 處理器以及儲存器之間的資料傳輸，很難突破功率和能耗方面的瓶頸。英國 AI 晶片獨角獸 Graphcore 和美國晶片創企 Cerebras 均有存內計算和高度整合的 AI 處理器，它們已經解決了這種資料傳輸的能耗和速率問題。但這種方法需要採用存內計算和高度整合的 AI 處理器，還需要高密度、高解析度、具有無限耐用性的非易失性儲存器。

Elisa Vianello 稱，蟋蟀能夠根據遲緩的、不精確的、不可靠的神經元以及突觸做出準確的決定，以躲避捕食者。Elisa Vianello 還說道，CEA-Leti 的研究人員發現蟋蟀的感覺和神經系統中存在多種類似儲存的功能，通過結合這些不同的功能，蟋蟀的內部系統表現了驚人的效能和能源效率。

CEA-Leti 的專案從蟋蟀中汲取靈感，放寬了記憶體晶片儲存密度以及可靠性方面的硬體要求，將結合基於貝葉斯推理的混合引擎（Bayesian Inference engine）和區域性脈衝神經網路模組（local spiking neural network module），進行實時資料處理。

Vianello 團隊的 AI 晶片將使用其科學家們開發的確定性、概率性、易失性和非易失性儲存器。同時，該專案構建了科學家們需要的新奈米系統，以便科學家們學習有限的、偏離期望值的資料（噪聲資料）。

二、構建混合突觸，整合不同的儲存技術

CEA-Leti 團隊旨在製造出物理奈米級儲存裝置網路。該團隊希望把昆蟲生物學原理轉化為物理原理，從而學習有限的噪聲資料，比如攝像機、雷達感測器、心電圖（ECG）、肌電圖（EMG）、生物阻抗流中的不同感測器實時測量的資料，以及可能通過腦電圖感測器（EEG）和神經探測器測量的大腦訊號。

但是，目前還不存在理想的儲存。Vianello 說道，他們專案的目的是構建一個混合突觸，共同整合不同的儲存技術。

CEA-Leti 的副主任兼首席技術官 Jean-René Lequepeys 稱，Vianello 的工作為更節能的嵌入式智慧網路學習開闢了新的研究視角。這是一項真正的技術和應用突破，從生活中汲取靈感，而且將新一代非易失性儲存器結合了微電子的最新發展。Jean-René Lequepeys 還說道，這項研究工作完全符合研究所的優先事項，而且很有可能是全球首發，同時很可能帶來巨大的商業機會。

以模仿蟋蟀的感知和神經系統整合不同的儲存技術為例，CEA-Leti 研究的其他專案將昆蟲視覺作為激發神經網路晶片的靈感。

結語：“昆蟲”靈感正啟發混合 AI 晶片

由於蟋蟀的感覺和神經系統有多種類似儲存的功能，其反應十分敏捷。將昆蟲的生物學原理應用在 AI 晶片設計當中，或能放寬儲存密度以及可靠性方面的硬體要求。

在 AI 晶片開發中，科學家們模仿、應用昆蟲的其他生物學特性，可能會有新的技術突破。