總部在加利福尼亞州歐文市的Syntiant公司和總部在德克薩斯州奧斯汀的Mythic公司都認為，它們可以使用嵌入式閃存來大大減少執(zhí)行深度學(xué)習(xí)計算所需的電力。它們可能都是對的。

越來越多的公司希望推出加速其他計算繁重的深度學(xué)習(xí)應(yīng)用的芯片，并且在某種程度上它們都有相似之處，因為“這些是面向相同形態(tài)的一類問題的解決方案”，Mythic創(chuàng)始人兼CTODaveFick解釋說。

當在CPU中執(zhí)行深度學(xué)習(xí)計算時，那類問題在形態(tài)上就像數(shù)據(jù)的交通堵塞。神經(jīng)網(wǎng)絡(luò)由連接和表示那些連接有多強的“權(quán)重”組成，必須移動這些權(quán)重以便它們可以在正確的時間和位置以數(shù)字方式被表示，是如今的深度學(xué)習(xí)中主要的耗能之處。

Syntiant的CEOKurtBush解釋說：“我們的方法是通過在內(nèi)存中進行計算來完全消除內(nèi)存帶寬和內(nèi)存功耗的penalties問題”。

Syntiant和Mythic這兩家公司所采用的方法中，網(wǎng)絡(luò)權(quán)重實際上是存儲在閃存單元陣列中的電荷水平。電荷改變了流過電池的電流量，電池是以電流可產(chǎn)出至關(guān)重要的“乘法和累加”運算的方式排列的，這樣的運算是能從日落中讀出停止信號或從“大灰獅子狗”中讀出“OKGoogle”的網(wǎng)絡(luò)所需要的。

因為權(quán)重總是在它們需要在的位置，所以不需要花費任何時間或精力來移動它們。計算的模擬性質(zhì)也使得功耗保持在低水平。雖然訓(xùn)練神經(jīng)網(wǎng)絡(luò)通常是通過使用相當精確的（8位或16位）數(shù)字進行計算來實現(xiàn)的，但實際上，使用經(jīng)過訓(xùn)練的網(wǎng)絡(luò)(稱為推理)可以更快地完成，并且可以使用更低精度的數(shù)字（5位或者甚至3位）作為權(quán)重以更低的功耗完成。Busch說：“通過模擬計算，你可以建立低精度但非常非常準確的乘法和累加運算”。

Mythic的目標是每次乘法和累加運算僅消耗0.5焦耳，這將導(dǎo)致每瓦特可支持約4萬億次操作（TOPS/W）。Syntiant希望達到20TOPS/W。根據(jù)Syntiant的說法，NvidiaVoltaV100GPU可以達到0.4TOPS/W。然而，F(xiàn)ick指出，在機器學(xué)習(xí)領(lǐng)域，真正的蘋果對蘋果（apples-to-apples）的比較是很難確定的。

每個創(chuàng)業(yè)公司在多大范圍使用模擬電路，是它們之間的關(guān)鍵差異。Syntiant的整個網(wǎng)絡(luò)都是模擬的，而Mythic環(huán)繞著帶有可編程數(shù)字電路的模擬閃存陣列。Mythic使用周圍的電路來增加其芯片可以運行的網(wǎng)絡(luò)的大小和類型的靈活性。Fick說：“在我們的芯片上，所有的網(wǎng)絡(luò)拓撲的運行效率大致相同”。

這種差異也會影響兩家公司的目標客戶和應(yīng)用程序。在Syntiant，“我們經(jīng)常說，Mythic百分之百出現(xiàn)在投資會議上，而從不對顧客這樣表現(xiàn)殷勤”，Busch說。兩家公司都表示他們正在尋求增加處在前沿的人工智能領(lǐng)域的客戶。但人工智能是一個寬泛的范疇，包括從自動駕駛汽車到人工智能增強助聽器的所有內(nèi)容。

Syntiant正在尋求較小的、通常為毫瓦級的電力應(yīng)用。它的第一個設(shè)備將能執(zhí)行諸如識別喚醒詞和識別說話者之類的事情。

Mythic正在開發(fā)需要更復(fù)雜網(wǎng)絡(luò)的應(yīng)用程序，這些網(wǎng)絡(luò)能夠在具有很低的一位數(shù)瓦特功率的系統(tǒng)中處理高分辨率視頻，例如自動無人機和智能手機。Fick說，這些應(yīng)用程序所需的每秒操作數(shù)與Syntiant的那些應(yīng)用程序所追求的每秒操作數(shù)之間存在數(shù)量級的差異。