Spiking Neural Processor T1属于一种人工智能芯片，其以大脑检测模式作为模型构建基础，能够有效延长智能设备的电池寿命。

拉斯维加斯报道——世界上首枚“神经形态芯片”将于明年正式上市，该芯片有望延长智能设备的电池续航时间。这款芯片通过模仿人类大脑的结构，旨在让功率有限的智能设备具备人工智能（AI）功能。

诸如Wi-Fi连接的灯泡、门铃以及烟雾报警器等所谓的“智能”设备，内置了传感器。这些传感器能够进行探测，并将数据发送至云端进行处理。

处理器公司Innatera Nanosystems的首席执行官Sumeet Kumar在CES 2025接受媒体采访时表示，然而这个过程会消耗大量电量。而且，这些设备执行的任何人工智能处理都需要互联网连接才能完成。

不过，Spiking Neural Processor T1预计将大幅降低未来智能设备的功耗。

它的工作原理是对传感器数据进行实时分析，识别其中的模式，并且可能对来自传感器的数据进行清理，且无需互联网连接就能完成这些操作。

模仿大脑

该设备是一种神经形态处理器，这意味着它的结构是为了模仿大脑的模式识别机制而专门设计的。打个比方来说，当人们感受到某种事物时——不论是气味还是声音——不同的神经元集合会被激活，以此来对其进行识别。

同样地，在这款芯片中，不同组的人工神经元会对尖峰进行记录。其基本原理是尖峰神经网络（SNN）——神经网络属于机器学习算法的集合，它所产生的尖峰信号与脑细胞产生的信号颇为相似。

SNN算法在文件大小方面，通常比大型语言模型中使用的传统深度神经网络小约100倍。

计算层

T1芯片包含三个基本层。首先是基于SNN的计算引擎，其功耗低于1毫瓦，延迟或响应时间在大多数应用场景中通常小于1毫秒，Sumeet Kumar介绍说。第二层由传统的深度神经网络构成，而第三层则是一个用于处理系统功能的标准处理器。

Sumeet Kumar表示，在一些智能设备和特定场景中，T1或类似芯片可将电池寿命延长六倍。例如，配备T1处理器的智能门铃原型机可以利用雷达技术检测到人的存在，并能持续工作18至20个小时，而传统基于Wi-Fi的产品则需要一到两个小时才能将图像和视频数据发送至服务器。

其应用领域涵盖智能照明、各类人数计数探测器、开门系统，甚至是耳塞——从理论上讲，T1芯片能够隔离不同的声音，从而达到消除噪音的效果。当用于任何基于声音的应用程序时，该公司声称能耗可降低80到100倍，延迟减少70倍。

该芯片已做好今年大规模生产的准备，样品将会寄送给设备制造商。Sumeet Kumar预计，首批T1神经形态芯片产品将于2026年正式上市。