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方案之一而備受關注。與模仿大腦的萬能“神經(jīng)形態(tài)設備”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)絡擁塞可能導致延時，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)的深度學習由首先接收數(shù)據(jù)的“輸入層”、在多個階段對信息進行精細計算的“中間層”以及最終給出答案的“輸出層”組成。階段越多，計算就越復雜，但相應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，這里不進行復雜的計算，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，可以顯著減少學習所需的參數(shù)數(shù)量。因此，處理速度比以往更快，功耗更低。

深度學習與儲備池計算的對比

儲備池計算設備結(jié)構簡單，學習域小，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備，該設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)構集成到芯片中，成功地將電力消耗減少到可實際應用的程度。

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)了一種傳感器設備，可以實時學習用戶手指動作，并在動作完成之前預測下一個動作。

“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也會當場實時學習，并在下次用戶打出相同手勢時準確預測該動作。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)，也能實時學習，以確保始終獲勝。

儲備池芯片的潛力

擔任儲備池AI芯片開發(fā)負責人的TDK株式會社技術與知識產(chǎn)權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習功能的邊緣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)學聯(lián)合開發(fā)的重大成果。我們相信，憑借我們在傳感器設備和信息處理方面的優(yōu)勢，我們的模擬儲備池AI芯片將使先進的傳感器應用成為可能，并通過在任何傳感器設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)的北海道大學信息科學研究院的淺井哲也教授談到了這項技術的潛力：“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學習的下一代AI技術，對今后的社會應用寄予厚望。TDK株式會社先進的傳感器技術和模擬電路技術對于儲備池AI的實用化至關重要，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。神經(jīng)形態(tài)設備承擔復雜計算且功耗低，而儲備池AI芯片則可以按時間順序進行實時學習。通過兩者的結(jié)合，進一步拓展了AI的可能性。

以大腦和小腦為模型的設備比較

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

今后，TDK將繼續(xù)與北海道大學合作，擴大其在機器人、人機界面、可穿戴設備、移動出行等領域的應用。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。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。