项目解决的问题或方向

    面向AIoT，构建轻量级类脑硬件计算架构，以高的效能比赋予边缘节点独立进行实时性感知、推断以及决策的能力。

团队简介

    本团队多年来一直从事深度学习的算法及其硬件计算架构方面的研究，并将研究成果应用于视觉传感器信号处理、工业智能视觉检测、目标识别与精细分类等应用领域。在国内外期刊发表科研论文30余篇，授权发明专利20余项。承担国家纵向科研课题到款700余万元。

项目介绍

    受制于计算性能以及功耗的双重限制，当前的IoT边缘节点只能进行基本的数据收集，而不能根据具体的智能任务需求，在边缘端就近地对传感器数据进行推理计算。难以满足窄带物联网对数据带宽和安全的严苛应用需求。本课题将利用类脑计算方法，突破计算性能以及功耗的限制，构建轻量化的类脑计算硬件模型，提出类脑计算的高效推理架构以及自演化学习算法，降低类脑计算芯片的功耗，提高AIoT边缘节点的长时续航能力；深度融合AI技术和IoT技术，赋予边缘节点进行本地实时性的自主决断及响应能力。为AIoT提供低功耗、高性能的边缘节点的芯片级解决方案。

产业模式及市场分析、成果形式（专利，软著，系统、产品等）

    目前中国AI技术研究与IoT技术的拓展正处于高速发展期，随着科技、制造等业界巨头公司布局深入，以及众多垂直领域的创业公司不断诞生和成长，消费级的AIoT将相继诞生。在本领域海尔、海信、阿里、小米、美的等各类企业都开始布局相关应用。未来AIoT将驱动传统产业变革，促进产业升级，产生海量的应用需求，而作为其核心的AIoT芯片将是推动应用发展的重中之重。

    本课题将设计面向AIoT的轻量级类脑计算硬件模型，实现其基于任务的电路模型验证，并申请相应技术的发明专利。