人脑拥有惊人的运算能力，能够运行庞大复杂的网络，但功耗却仅约 20 瓦，远低于现有人工智能系统。在算力竞赛不断加速、能耗持续攀升的当下，借鉴人脑低功耗特性开发新型智能计算系统备受关注。
近期，中国科学院自动化研究所李国齐、徐波课题组与时识科技联合设计了一款类脑神经形态系统级芯片（SOC）“Speck”，该芯片能够实现动态计算。研究团队通过算法、软件、硬件协同设计，展示了类脑神经形态计算在融合高抽象层次大脑机制方面的天然优势。相关研究成果发表在《自然-通讯》期刊上。
该研究提出“神经形态动态计算”概念，设计了类脑神经形态芯片“Speck”，以实现基于注意力机制的动态计算。这款芯片在硬件层实现了“无输入则无功耗”；在算法层则实现了“接收输入后，根据重要性动态调整计算”，从而使功耗降低至 0.7 毫瓦。
Speck 是一款异步感算一体类脑神经形态 SOC，采用异步设计，在单芯片上集成了动态视觉传感器（DVS 相机）和类脑神经形态芯片，静息功耗极低（仅为 0.42 毫瓦）。Speck 能够以微秒级时间分辨率感知视觉信息，并以异步方式设计替代全局时钟控制信号，避免时钟翻转带来的能耗消耗，仅在接收事件输入时触发稀疏加法运算。
针对脉冲神经网络（SNN）在更高级别上存在不能根据输入难度调整脉冲发放的“动态失衡”问题，该研究基于注意力机制提出了神经形态脉冲动态计算框架，在多种粒度上实现对不同输入进行有区别的动态响应。Speck 软件工具链 Sinabs 编程框架支持动态计算 SNN 算法训练和部署。
实验结果表明，注意力机制使 SNN 具有动态计算能力，即根据输入难度调整其脉冲发放模式，解决了“动态失衡”问题，在显著降低功耗的同时提高任务性能。在 DVS128 手势数据集上，融合脉冲动态计算的 Speck 任务准确率提高了 9%，平均功耗从 9.5 毫瓦降低至 3.8 毫瓦。
这项研究表明，融合高、低抽象层次的大脑机制能够进一步激发类脑计算的潜力，为未来将大脑进化过程中产生的各种高级神经机制融入神经形态计算提供了新的思路。
