模拟人工智能进入传感器，能否掀起物联网边缘应用风暴？
据麦姆斯咨询报道，一个月前，高性能“传感器内人工智能（AI-in-Sensor）”处理器创新开发商AIStorm在B轮融资中完成1600万美元超额融资。而在一年前，AIStorm获得了1320万美元的A轮融资。上图便是AIStorm荣誉推出的Mantis系列AI-in-Sensor（AIS）系统级芯片（SoC）和一美分硬币。AIStorm中的AI，毫无疑问便是指人工智能，他们在公司名称中就毫不隐讳地暗示，他们正在掀起一轮AI风暴。
AI芯片并不新鲜，那么是什么让他们与众不同呢？简单来说，这颗芯片加上一颗镜头和电路就基本上可以构建一个独立的“AI相机”。AIStorm的AI芯片采用模拟AI实现，它在“永久在线（always-on）”运行状态下的功耗仅为15 µW。此外，它的速度如此之快，以至于在其它数字AI芯片收集到足够的数据准备开始处理之前，AIStorm的芯片就已经完成了处理。
AIStorm的AI-in-Sensor越过了模数转换环节
从解决问题本身来说，CMOS图像传感器或MEMS麦克风捕捉信号生成模拟数据，在传统的图像处理过程中，像素阵列连接源跟随器（即基于场效应晶体管（FET）的共漏放大器），后者驱动模数转换器（ADC）为图像信号处理器（ISP）提供数据。然后，将ISP的输出通过数字通信信道（如MIPI-SerDes链路）传送到数字AI。
过程中采用微控制器（MCU）、图形处理单元（GPU）、数字信号处理器（DSP）或现场可编程门阵列（FPGA）分析数字域中的图像或视频流，并生成适当的事件。事实上，系统必须将数据数字化以提供给这些分立的处理引擎，显然，这会导致更高的延迟、功耗和成本。
非集成数字AI存在的问题，集成模拟AI提供的解决方案
相比之下，AIStorm的解决方案将传感器直接转换为模拟电荷域AI的输入层。所谓的AI-in-Sensor（AIS）器件可以直接接收传感器数据，而不需要进行数字化，它使用传感器电荷直接耦合到第一层模拟神经元，使用多层模拟神经元来执行诸如权重乘法、求和及偏置等任务，并最终生成决策输出。AIS将来自传感器的模拟数据直接输入集成模拟AI，从而大幅降低了延迟、功耗和成本。反过来，这将显著提高电池供电产品的性能，并提供更长的使用寿命。
AIStorm推出的Mantis系列AI-in-Sensor图像传感器
尽管AIStorm的Mantis数据流采用电荷域处理，并使用脉冲在模拟神经元之间进行通信，但它仍然基于标准的TensorFlow开发方法，包括可以将TensorFlow生成的人工神经网络（ANN）下载到Mantis系统级芯片中的桥接。
Mantis开发流
除了能够直接从CMOS图像传感器或MEMS麦克风接收模拟数据外，Mantis还可以通过SPI、I2S或PDM等数字接口接收数据。此外，传感器数据可以使用用于创建训练数据集的相同数字接口输出。训练本身在PC机上进行，得到的权重和执行信息被加载到Mantis中，Mantis提供推理执行。
不过，现在必须承认的是，Mantis还无法支持高清图像处理。目前，Mantis支持96 x 96像素的分辨率，但这已经足以支持很多潜在的市场。
Mantis潜在目标市场
Mantis潜在目标市场包括：数据中心、企业级物联网、移动、可穿戴以及消费级物联网等。例如，在消费级物联网的占用探测领域，传统基于被动红外（PIR）探测器的占用探测系统越来越无法满足要求。它们利用人体探测来控制灯光的开启和关闭，但有时会摸不清头脑，让身处其中的人员倍感尴尬。
传感器是这类系统的感知末梢，它们可以专注于重要的信息捕捉（例如人脸、声音、侵入或是任何形式的变化），而忽略任何其它信息。可以说，AIStorm的AIS技术是模拟和混合信号技术的巧妙结合，但其优越性远不止这些。其AIS技术首次使微型传感器足够智能，能够执行复杂的分析，并做出决定、执行事件处理，不仅如此，这些通常都能在其它数字竞争对手开始处理之前就能搞定。
AIStorm手部识别demo
AIS系统级芯片是第一个也是唯一一个能够直接接收像素电荷数据或MEMS音频电荷数据的传感器解决方案。因而实现了目前全球唯一一款能够基于图像或音频（例如人脸、行为或声音）进行人工智能唤醒的传感器解决方案。
Mantis AIS器件包括卷积神经网络（CNN）和全连接（FC）功能，可以灵活实现各种流行的机器学习（ML）模型。Mantis系列的第一个成员C100A是一款完全集成的基于人工智能的智能相机，支持多达8层的可编程深度学习功能，并且，在“永久在线”运行时的功耗仅为15 µW。这是一款强大的轻量级人工智能系统，它能够执行图像分析，并使用提供的MantisNet模型在检测到物体、人或行为时唤醒。
Mantis系列的第一个成员C100A硬件开发平台
不过，AIStorm的定位还是非常清晰的。他们并不是为了取代“传统的”高端人工智能视觉和语音应用，例如，可以在人群中识别目标人物的先进监视系统，或是检测并响应复杂语音命令的智能系统（比如苹果Siri等）。相反，AIStorm的目标是将人工智能引入过去很难部署的物联网最前沿，并且，是以一种非常经济且高效的方式。这确实值得期待！