隨著AI時代的到來，AI所需的海量運算處理和電力消耗等成為全球性課題?！皟涑赜嬎恪弊鳛榻鉀Q方案之一而備受關(guān)注。與模仿大腦的萬能“神經(jīng)形態(tài)設(shè)備”不同，“儲備池計算”利用自然現(xiàn)象模仿小腦，因此可以實現(xiàn)高速處理且功耗低。TDK和北海道大學(xué)聯(lián)合開發(fā)了面向邊緣A1的模擬儲備池A1芯片原型。在2025年10月舉行的CEATEC 2025上，我們展示了一個演示機，讓參觀者可以實際體驗其成果。

高級AI的計算挑戰(zhàn)

近年來，隨著生成式AI的進(jìn)化和普及，我們的生活和產(chǎn)業(yè)正在發(fā)生的變化。但是，另一方面，一些不可避免的課題也日益凸顯。由于AI的海量計算依賴于云端，網(wǎng)絡(luò)擁塞可能導(dǎo)致延時，另外數(shù)據(jù)中心的功耗也隨之激增。特別是在機器人和人機界面等需要實時處理的領(lǐng)域，僅以云為中心的方法的局限性日益凸顯。因此，為了在整個社會中利用人工智能，還需要根據(jù)用途區(qū)分使用云和邊緣來解決電力消耗和延時的問題。

低功耗和高速計算

“儲備池計算”有望為這些課題提供新的解決方案。傳統(tǒng)的深度學(xué)習(xí)由首先接收數(shù)據(jù)的“輸入層”、在多個階段對信息進(jìn)行精細(xì)計算的“中間層”以及最終給出答案的“輸出層”組成。階段越多，計算就越復(fù)雜，但相應(yīng)地也需要龐大的計算和電力，延時(處理的延時)也是不可避免的。

另一方面，儲備費計算由“輸入層”、“儲備池層”和“輸出層”組成。獨特之處在于處于中間的儲備池層，這里不進(jìn)行復(fù)雜的計算，而是利用隨時間傳播的自然現(xiàn)象，如水面的波浪和電信號的波動。通過傳播和干擾捕獲輸入的時變自然現(xiàn)象的特征并將其傳遞給輸出層，可以顯著減少學(xué)習(xí)所需的參數(shù)數(shù)量。因此，處理速度比以往更快，功耗更低。

深度學(xué)習(xí)與儲備池計算的對比

儲備池計算設(shè)備結(jié)構(gòu)簡單，學(xué)習(xí)域小，可以在減少電力消耗的同時實現(xiàn)高速運算。

在模擬電路中實現(xiàn)儲備池計算

TDK和北海道大學(xué)接受了用模擬電子電路實現(xiàn)這種儲備池計算的挑戰(zhàn)。2024年，我們成功開發(fā)了基于模擬電路實現(xiàn)的儲備池AI芯片原型。在此之前，TDK于2020年開發(fā)了一款大型儲備池計算設(shè)備，該設(shè)備利用電子電路本身作為計算資源，通過組合電容器和晶體管等基礎(chǔ)電子元件而非軟件，物理再現(xiàn)多數(shù)節(jié)點(信號處理單元)，實現(xiàn)了良好特性。這次將該電路結(jié)構(gòu)集成到芯片中，成功地將電力消耗減少到可實際應(yīng)用的程度。

此外，該電路具有”短期記憶”的性能。短期記憶是指暫時保留之前輸入的信息，并在后續(xù)處理中利用其影響的機制。就像人類會記住幾秒鐘前聽到的單詞并進(jìn)行對話一樣，這種芯片也會在極短的時間內(nèi)保留信息，并根據(jù)過去的輸入來預(yù)測下一步的動作。通過將該芯片與TDK的加速度傳感器相結(jié)合，我們實現(xiàn)了一種傳感器設(shè)備，可以實時學(xué)習(xí)用戶手指動作，并在動作完成之前預(yù)測下一個動作。

“絕對贏不了的猜拳”演示機

2025年CEATEC 2025上展示的演示機可以直觀地體驗這一特點。演示機演示了用戶在手上安裝加速度傳感器，讀取猜拳手指的動作，在用戶出完手之前，AI就會預(yù)測其下一步動作，從而確保獲勝。即使用戶出了與常規(guī)不同的手勢(如舊版的剪刀手勢)，AI也會當(dāng)場實時學(xué)習(xí)，并在下次用戶打出相同手勢時準(zhǔn)確預(yù)測該動作。該演示例簡單易懂地展示了模擬儲備池AI芯片的潛力。

加速度傳感器監(jiān)測用戶手指的動作，AI芯片快速預(yù)測用戶出哪個手并顯示獲勝玩法。即使用戶出了與常規(guī)不同的手勢(如舊版的剪刀手勢)，也能實時學(xué)習(xí)，以確保始終獲勝。

儲備池芯片的潛力

擔(dān)任儲備池AI芯片開發(fā)負(fù)責(zé)人的TDK株式會社技術(shù)與知識產(chǎn)權(quán)本部的望月慎一郎表示：“與傳統(tǒng)AI不同，儲備池AI芯片模仿小腦的工作，因此作為一種具有超低功耗和實時學(xué)習(xí)功能的邊緣AI，有望對行業(yè)界產(chǎn)生重大影響。在北海道大學(xué)淺井教授的支持下，我們成功開發(fā)出前沿的儲備池AI芯片，這是產(chǎn)學(xué)聯(lián)合開發(fā)的重大成果。我們相信，憑借我們在傳感器設(shè)備和信息處理方面的優(yōu)勢，我們的模擬儲備池AI芯片將使先進(jìn)的傳感器應(yīng)用成為可能，并通過在任何傳感器設(shè)備附近使用儲備池來創(chuàng)造更好的價值?！?/p>

另外，參與聯(lián)合開發(fā)的北海道大學(xué)信息科學(xué)研究院的淺井哲也教授談到了這項技術(shù)的潛力：“我相信，通過此次聯(lián)合研究開發(fā)的儲備池AI芯片將為邊緣AI開辟新的可能性。儲備池計算作為低功耗且能夠?qū)崟r學(xué)習(xí)的下一代AI技術(shù)，對今后的社會應(yīng)用寄予厚望。TDK株式會社先進(jìn)的傳感器技術(shù)和模擬電路技術(shù)對于儲備池AI的實用化至關(guān)重要，我期待它們能夠繼續(xù)創(chuàng)造前沿的創(chuàng)新成果?！?/p>

TDK于2024年發(fā)布了一款模仿大腦的“神經(jīng)形態(tài)設(shè)備”。這次的儲備池計算是對小腦的模仿，也是一種根據(jù)用途相互存儲其作用的技術(shù)。神經(jīng)形態(tài)設(shè)備承擔(dān)復(fù)雜計算且功耗低，而儲備池AI芯片則可以按時間順序進(jìn)行實時學(xué)習(xí)。通過兩者的結(jié)合，進(jìn)一步拓展了AI的可能性。

以大腦和小腦為模型的設(shè)備比較

TDK正在開發(fā)一種模擬人腦功能的計算設(shè)備。我們利用TDK擁有的技術(shù)優(yōu)勢和產(chǎn)品，開發(fā)了應(yīng)用自旋電子學(xué)技術(shù)的“自旋憶阻器”，將其作為模仿大腦的“神經(jīng)形態(tài)設(shè)備”。我們還開發(fā)了“模擬儲備池AI芯片”，將其作為模仿小腦的“儲備池計算設(shè)備”。

今后，TDK將繼續(xù)與北海道大學(xué)合作，擴大其在機器人、人機界面、可穿戴設(shè)備、移動出行等領(lǐng)域的應(yīng)用。此外，還有望與TDK集團旗下提供融合傳感器和邊緣AI解決方案的公司TDKSensEI產(chǎn)生協(xié)同效應(yīng)。并且，通過融合TDK豐富的傳感器產(chǎn)品線和AI芯片，為人與AI和諧共存的AI生態(tài)系統(tǒng)市場做出貢獻(xiàn)。