统一SNN-ANN神经形态处理器

5.181 TSOPS/W能效

单芯片集成190万神经元与47亿突触，通过模块级重构实现SNN、ANN与片上学习三种范式统一，兼顾规模与能效。

钟毅 · Kuang, Yisong · Liu, Kefei · 王子麟 · Feng, Shuo · Chen, Guang · Youming, Yang · Xiuping, Cui · Qiankun, Wang · Cao, Jian · Jia, Song · 梁云 · 孙广宇 · 崔小欣 · Ru, Huang · 王源

IEEE Journal of Solid-State Circuits 2025

参数信息

峰值性能（SNN）

20.74 TSOPS

能效（SNN）

5.181 TSOPS/W

峰值性能（ANN）

41.49 TOPS

能效（ANN）

10.372 TOPS/W

峰值性能（片上学习）

115.25 GSOPS

能效（片上学习）

1.222 TSOPS/W

神经元数量

1.919 million

突触数量

4.773 billion

技术优势

三范式统一

通过模块级重构将SNN、ANN与片上STDP学习融合到统一描述框架，无需为不同模型配置异构计算资源。

能效业界领先

SNN模式下能效达5.181 TSOPS/W，显著降低边缘设备运行类脑模型的功耗负担。

大规模集成

单芯片容纳超过191.9万神经元和47.73亿突触，支持高复杂度网络模型部署。

应用场景

• 边缘智能芯片：以高能效支持边缘设备运行SNN/ANN模型，无需依赖云端。
• 端侧推理加速：片上融合多范式，为端侧推理提供高吞吐与低功耗加速。
• 类脑计算平台：提供集SNN/ANN与片上学习于一体的可编程硬件平台。
• 机器人视觉处理：为机器人视觉模型提供低功耗实时推理与片上适应能力。
• 脑机接口芯片：支持脑启发模型片上学习，适合脑机接口中的实时信号处理。