轻量级+低功耗，当AI遇上MEMS

幻实（主播）：本期节目我们邀请到芯曜途科技的李金鹏先生，请李总和大家打个招呼！

李金鹏（嘉宾）：大家好，我是芯曜途科技珠海有限公司的创始人，我叫李金鹏。很高兴能在这里和大家分享与学习。

幻实（主播）：您在半导体行业从业多年，首先请您跟大家讲一讲你们是做哪一个方向的，芯曜途科技的主营业务是什么？

李金鹏（嘉宾）：芯曜途聚焦感算一体芯片，就是把传感器Sensor和Edge AI部分结合在一起，做在同一片晶圆上。我本人的经历和这个方向也非常一致。

幻实（主播）：感算一体这个概念是什么时候提出的？你们为什么会选择做这个赛道呢？

李金鹏（嘉宾）：感算一体其实是由国外一些有技术积累的大厂提出的，他们有能力把运算部件和传感器的芯片集中到一起。我们团队一开始做传感器，后来有了长期从事边缘计算研究的伙伴加入，于是就把AI和边缘计算结合，再和传感器结合。

这些年随着技术进步，我们发现AI的边缘计算是有能力和基于硅的MEMS传感器有机结合在一起的，大家能够一同去制造。

感算一体的基本概念 图源：芯曜途科技提供

幻实（主播）：这个方向现在发展到什么程度了？处于概念阶段还是现实中已经有方案在做产品了？

李金鹏（嘉宾）：已经出现了实际的商业化产品，一些大型企业已经在出售，我们可以买来直接用。实际上我们的生活场景也已经用到了，只不过对国内来说这个概念还算比较新。

幻实（主播）：怎样的场景会使用到感算一体？您能给我们举个例子吗？

李金鹏（嘉宾）：意法半导体大家都知道很有名气，它有一款产品是六轴的加速度计，还有陀螺仪，叫做惯性传感器。由于数据量比较复杂，在给用户输出的时候，用户并不知道这些数据表示怎样的姿态，或者是什么样的速度方向，这就很令人头大了。意法半导体将传感器的处理单元放在一起之后，再通过AI处理，直接就能输出人体姿态或者物体在空间里所处的位置。

在这种情况下，用户在使用过程中就能非常明确地知道使用方法，知道输出数据所表达的意义。举例来说，房间里都会有烟雾传感器，它会告诉你现在的烟雾浓度是百分之几，可实际上对普通人来说并没有这个概念，人们只需要传感器来告知这间房屋有没有火灾。如果传感器直接告诉你有没有火灾，相当于是把AI推理的部分增加进去了，它得出的结果对人们有认知上的意义。

幻实（主播）：也就是说给出的不是数据，而是基于数据做出的判断。听起来很复杂，就像您说的烟雾传感器要有推算能力，想想还是挺奇怪的。

李金鹏（嘉宾）：之前感算一体这个概念不流行，也很少有人提及，是因为当时用AI边缘计算来实现推理，还是有一定挑战性的。这些年随着AI、工艺节点等技术的进步，已经可以逐渐实现这些了，所以边缘的轻量级AI推理现在其实很热。

幻实（主播）：轻量级是要轻到什么程度才能实现呢？

李金鹏（嘉宾）：可以这样理解，感算一体就好比把一个摄像头和一个机箱捆在一起挂在墙上，实际操作起来是不现实的，它会有功耗、成本等各方面的问题。轻量级就是要在大众可以广泛接受、可以广泛部署的程度上实现。对我们来说，轻量级就是目标，英文叫always-on，它可以实现低功耗的超长待机。

幻实（主播）：这是对哪个环节提出了要求？是低功耗的设计方案还是计算架构？技术门槛在哪里？

李金鹏（嘉宾）：关键是基于硅基的MEMS传感器能否和电路或者逻辑架构一起生产和制造？工艺上是否兼容？这是一个很重要的门槛。

感算一体的关键技术及壁垒 图源：芯曜途科技提供

实现了这些之后，第二点就是看逻辑电路的规模。它需要比传感器小，要考虑到怎样把推理的逻辑拆分了之后其某些部分还可以和传感器的结构相结合，从而达到节省面积、减少数据传输、带宽等各方面的需求，这样一来面积、功耗就会下降了，感算一体的制造就划算了。

其实在这两者之上，还要考虑算法设计。因为模型已经极大精简，算力已经是轻量级，所以这时候拼的就是算法模型、推理模型、设计理念，即怎样在低算力的场景下还能进行高效推理。

定位边缘计算，在晶圆上实现感算一体

幻实（主播）：你们做到现在都开拓了哪些场景？哪些场景可以用到你的技术来诠释？

李金鹏（嘉宾）：有一种非常好的应用场景比如医院或是保健机构的卫生间，这是一个高隐私的环境。如果有老人或患者摔倒了是很难被人发现的，可这样的场所几乎没有人能接受放一个摄像头去监测安全。所以这种时候就能用感算一体技术了。

它是没有数据的存储传输，即使拍到了影像也会在拍的时候就进行计算，从而来推理人们是否摔倒还是正常如厕。推算结束后，数据是当场销毁的，并没有离开芯片，也没有任何存储的过程，你只会得到一个结论。譬如看到卫生间门口的警示灯变红，那就是出意外了，没变红就是正常。在高隐私的环境下这是一个典型的应用。

李金鹏向幻实介绍感算一体芯片的应用场景

幻实（主播）：这个挺有意思的，想象空间还蛮大的，相当于派了个人进去确保安全，同时又比那样做更让人舒适。你们是什么时候决定去做这个方向的？遇到的挑战大不大？

李金鹏（嘉宾）：我们一开始决定去做时面临的挑战还是挺大的，因为其实只知道国外有比较成熟的产品和初创型公司，之所以拿到国内做，主要信心是源自我们的团队成员都是中科院微系统所做传感器出身的，大家对传感器的工艺和制造等方面都非常了解。与其他从AI起家的团队不同，我们更能够理解MEMS怎么能和logic或circuit做结合。

从研究所毕业之后，大家有的去做算法了，有的去做边缘计算的硬件设计了，从事的赛道比较分散。经过十多年的工作经验之后，再回过头碰到一起后，这个想法就水到渠成地浮现了出来。

幻实（主播）：这真的有点儿跨学科的感觉了。现在看下来您觉得感算一体这种技术得到推广还有多长的路要走？产业的成熟度怎么样？

李金鹏（嘉宾）：这个产业还处于快速的成长期，在国内市场上目前还没有看到巨头，但国外其实是有的，只不过他们也是在各个方向上，比如TI等针对动力电池的电量计量方面的小点去做。这就是一个很关键的应用场景。譬如电瓶车，如果开到半路停电了是不能接受的，那怎么能估算车里还剩多少电呢？这需要消耗一些算力，也需要对电池传感有一定的了解，放在一起肯定是最佳的方案，同时也节省主控的控制器里大量的算力，这是他们的一种思路。

对我们而言也是一样的。我们的特点是把这个“一体”解释得更加狭隘，就是完全基于硅基的MEMS而不涉及到其他材料，换句话说，我们期望必须在晶圆上实现感算一体，把它一起做出来。这会比国外更进一步，哪怕是意法半导体或者其他的厂商，他们也会期望说用3D封装或者叠层封装的工艺。其实意法半导体已经实现了单晶圆的生产，我认为他们是走得比较靠前的。

在同一片晶圆上实现传感与推理 图源：芯曜途科技提供

幻实（主播）：你们的产品已经进入到应用阶段了吗？客户的反馈怎么样？

李金鹏（嘉宾）：目前我们的成熟产品还是基于模块式的，还没有实现在晶圆上成功制造出来。我们在同一片晶圆上进行制造的预计会在今年六月份流片。

之前的一个应用场景是我们会应用在窨井，也就是污水井中。这个在宁波我们有一处试点，大概装了几百套。按照之前的传统，一般做法是只装一个简单的传感器，把所有数据都拉到市里大数据中心的后台去进行运算，就会有很多的局限性，比方说延时、数据带宽、流量费等，还有各种各样的问题。对我们来说，也是把算力放在传感器里面，把这个模块直接装在窨井盖下方，可以综合计算水位、水流量，是否有偷排偷放的污染物、漂浮物、意外跌落的物体等。我们反馈的只是这些结果，因此数据量是非常小的，不用实时往后台传送数据，只在发现事件的当下去给后台汇报意外。

幻实（主播）：要为它配置额外的电源吗？电源是定期更换还是实时充电的？

李金鹏（嘉宾）：要配置电源，对宁波的这个项目来说，我们有两种方案，如果它的要求较低，我们就配电池，电池可以坚持3-5年，一般来说这个周期是够用的。如果它对算力要求高，对数据量要求比较大，要实时反馈运算结果的话，我们会在旁边配一个太阳能的小供电站。

解决AIoT的算力需求，让数据起飞

幻实（主播）：这样的场景仔细想想也有很多，包括对资产的监控、生命安全的监控、电梯的监控等等，会触及到很多应用层面。那么未来5-10年你们有怎样的规划？

李金鹏（嘉宾）：严格来说我们是提供最核心的感算一体的传感部件，由方案或者项目工程方来设计应用场景，再去实施。从大的场景来说，现在AIoT非常火，我们的感算一体其实就是它里面很关键也很基础的部件，应该说能从根本上解决AIoT的算力需求问题。

因为当所有东西都集中到后台去运算的话，后台是难以承受的，这不仅考验算力，数据之间的带宽和流量费用等压力也很大。此外，这个过程必然产生存储，由于不能实时计算，就会有很多的局限性。作为一个关键的基础性部件，我们能实现在端侧就完成大量数据的运算，让返回的数据变成关键性数据或者结论性数据。

比如一个传感器要传到5公里之外的主机上，因为数据量没办法传那么大，可能只能传5帧，有带宽限制就会有损失，造成事件或者意外的不准确。但对感算一体而言，它能跑到100帧的速度上，同时不往后台传输，只在出现问题后才会发回，帧率就非常低，假设一天只出一次问题，那一天就只用传输1帧，但实际上运算或监测频率是非常高的。

这种想法在AIoT快速增长之后，应该能被越来越多的人接受，未来公司的发展会侧重于先落地一两种这样的传感器。传感器有各种门类，基本上设计的理念都是通用的。之后我们会继续拓展传感器的种类，目前可能会在超声和红外成像的视觉上面发力。

我们将它归为真波的飞行时间检测，之前有个概念叫d-ToF比较火，但它更多是指光学的，超声的飞行时间可以去做立体呈现，包括在医疗领域对体内器官的立体成像，那么宏观上也可以做这种成像，甚至可以对物体性质进行解读。例如水果有没有熟，里面有没有破损，都可以做检测。

这样一来应用场景将非常广泛，也有足够的市场体量。检测的结果也需要AI来参与，特别是在即时的端侧，在有大量数据的时候就参与，因为超声波的数据传输都是很庞大的，对我们而言，这种场景会非常适合我们技术的切入，并最终实现落地。

感算一体芯片可以覆盖的应用场景 图源：芯曜途科技提供

幻实（主播）：芯片揭秘是产业人的发声平台，最后您有没有什么想借我们节目对外号召或宣传的？

李金鹏（嘉宾）：我向大家多学习。现在传统的传感器现在正朝着带有AI的智慧传感器方向发展，希望行业内大家能够多交流、多合作，共同推动产业的蓬勃发展。

幻实（主播）：感谢您今天与我们分享了这么多关于AI如何赋能传感器，让我们知道貌似很传统的部件也能通过新的技术再做融合与升级。希望您描述的方向最终都能实现，期待芯曜途带来更好的消息！

近几年，在AI技术愈发成熟的驱动下，不断释放的数据洪流对芯片算力提出了更高的要求。从处理单元外的存储器提取数据，搬运时间往往是运算时间的成百上千倍，能效非常低，“存储墙”成为了数据计算应用的一大障碍。感算一体基于边缘计算理念，适用于交互类场景，例如环境、家电、设备等相关需要感知人的意图和行为的场景；也适用于需要低能耗、高实时性且在端侧不需要算力支持的应用场景。我们希望国内的感算一体企业能够加大创新力度和技术落地信心，积极搭载人工智能的机遇和突破口，用轻量级、便捷化实现算力和数据传输的双重升级。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。