# Стив Брайтфилд о будущем нейроморфных процессоров и чипа Akida

Источник: https://www.youtube.com/watch?v=7HhVCVGpblI
Канал: Eye on AI
Опубликовано: 16.12.2025

---

Переход искусственного интеллекта из гигантских дата-центров непосредственно в портативные пользовательские и промышленные устройства знаменует собой начало новой технологической эры. В интервью для канала Eye on AI директор по маркетингу компании BrainChip Стив Брайтфилд рассказывает, как нейроморфные чипы, вдохновленные биологическим устройством человеческого мозга, способны радикально снизить энергопотребление электроники. Технология событийно-ориентированных вычислений обещает вдохнуть автономный интеллект в любые гаджеты — от умных колец и медицинских слуховых аппаратов до беспилотников и космических спутников.

## 🧠 Что такое нейроморфные вычисления и чип Akida
[[JUMP:0:00]]

Нейроморфные вычисления воспроизводят принципы работы человеческого мозга, где обработка информации происходит не через классические полупроводниковые цепи, а с помощью биологических нейронов, связанных в плотную сеть. В этой архитектуре элементы общаются между собой короткими импульсами, называемыми спайками (spikes). Нейрон накапливает входящие сигналы и активируется — генерирует спайк дальше по цепочке — только тогда, когда суммарный заряд достигает определенного порогового значения. Миллиарды таких простых элементов формируют невероятно сложную, но при этом чрезвычайно экономичную систему. Человеческий мозг, обладающий колоссальной вычислительной мощностью, потребляет всего около **25 ватт энергии**, что сопоставимо с тусклой лампочкой. Эволюционный отбор миллионы лет заставлял живые организмы развивать эффективное мышление, жестко ограничивая возможности охлаждения и питания тела.

Компания BrainChip была основана с целью перенести эти природные преимущества в кремний. У истоков стартапа стояли два человека с уникальными компетенциями:

* Питер Ван дер Маде (Peter van der Made) — исследователь, изучавший биологию мозга и импульсные нейронные сети.
* Анил Манкар (Anil Mankar) — опытный проектировщик микросхем из Кремниевой долины, ранее создававший модемы и сложные чипы.

Объединив усилия, они создали цифровую компьютерную архитектуру, которая преобразует аналоговые спайки мозга в цифровые сигналы. Продуктом многолетних разработок стал процессор **Akida** (в переводе с греческого — «спайк», или импульс). Как объясняет Брайтфилд, ключевое отличие Akida от нейроморфных разработок гигантов вроде Intel (чип Loihi) и IBM (проект TrueNorth) заключается в отказе от аналоговой схемотехники. Аналоговые решения крайне чувствительны к температурным колебаниям и требуют сложной стабилизации тока. Цифровая архитектура BrainChip избавлена от этих проблем, что делает ее коммерчески жизнеспособной и простой в массовом производстве. Такой подход называют **событийно-ориентированными вычислениями** (event-based computing).

## ⚔️ Элегантная архитектура против «грубой силы» Nvidia
[[JUMP:8:39]]

Современный бум искусственного интеллекта прочно ассоциируется с графическими процессорами (GPU) от Nvidia. Однако Дженсен Хуанг изначально создавал свои чипы вовсе не для ИИ, а для параллельного рендеринга каждого пикселя видеоигры. Позже выяснилось, что научное сообщество адаптировало GPU под сложные физические и математические задачи, сводящиеся к перемножению матриц (matrix multiplication). Nvidia вовремя инвестировала колоссальные средства в развитие линейной алгебры, получив готовую платформу к моменту взлета глубового обучения в 2012–2014 годах.

Тем не менее Брайтфилд называет традиционный подход ИИ «математикой грубой силы», противопоставляя ему «элегантные вычисления» нейроморфных систем. Проблема классических архитектур заключается в том, что при матричном умножении процессор вынужден обрабатывать абсолютно все ячейки памяти. Даже если половина значений в матрице равны нулю, чип все равно тратит такты и энергию на операцию умножения нуля на число. 

Архитектура Akida работает по принципу потока данных (data flow):

* Входящая информация поступает в сеть и постепенно «заряжает» виртуальные нейроны.
* Если нейрон не активируется (не генерирует спайк), вычисления для следующих 10 слоев нейросети вообще не запускаются.
* Процессор задействует ресурсы только тогда, когда в потоке данных происходят реальные изменения.

Стив Брайтфилд приводит аналогию со зрением человека: если долго смотреть на пустой белый экран, мозг не перегревается, просчитывая каждый неизменный пиксель. Он мгновенно включается в работу только при появлении движения. Современные же камеры созданы по принципу телевидения, выдавая фиксированные 30 кадров в секунду. Привязанный к ним традиционный ИИ обрабатывает каждый кадр целиком, даже если картинка статична. Нейроморфный чип реагирует исключительно на изменения в сцене, снижая энергопотребление практически до нуля в моменты покоя.

## 🔋 Революция на «краю»: энергоэффективность, приватность и умные звонки
[[JUMP:14:29]]

Сегодня обучение моделей требует гигантских кластеров и суперкомпьютеров, строящихся рядом с атомными электростанциями. Но стадия исполнения моделей — инференс (inference) — стремительно мигрирует на конечные устройства, то есть на «край» (Edge AI). Брайтфилд выделяет три фундаментальные причины, почему вычисления должны производиться локально, а не в облаке:

1.  **Задержка (Latency):** устраняется необходимость долгой отправки пакетов данных на удаленный сервер и ожидания ответа.
2.  **Экономия (Cost):** постоянная аренда мощностей в дата-центрах обходится бизнесу слишком дорого.
3.  **Конфиденциальность (Privacy):** личные данные пользователя остаются на самом устройстве.

В качестве подтверждения актуальности фактора приватности гость приводит результаты социологического опроса. Исследование показало парадоксальную картину: 70% респондентов оценивают технологии ИИ положительно и видят в них пользу, но в то же время 72% испытывают серьезный страх за сохранность своих персональных данных при взаимодействии с нейросетями. Локальные вычисления полностью снимают это противоречие.

Классическим примером неэффективности облачных моделей Брайтфилд называет первые поколения умных дверных звонков (например, Blink от Amazon). Изначально они непрерывно транслировали видеопоток через Wi-Fi на серверы компании для анализа. Вскоре производители осознали, что обработка гигабайт пустого пространства делает бизнес убыточным, а пользователи отказываются платить по $100 в месяц за подписку. Компании внедрили примитивные датчики движения, чтобы активировать запись по триггеру. Однако даже с такими оптимизациями владельцам приходится менять батарейки раз в месяц. Нейроморфные вычисления обеспечивают дополнительное **десятикратное (10x) снижение энергопотребления**. По прогнозам Брайтфилда, внедрение подобных чипов позволит устройствам работать без подзарядки до года вместо одного месяца, что радикально изменит пользовательский опыт.

## 🕶️ От умных очков до космических спутников: практические кейсы
[[JUMP:25:55]]

Чтобы преодолеть скепсис рынка, компания BrainChip отошла от исключительно лицензионной модели продажи интеллектуальной собственности (IP) и запустила серийное производство собственных физических микросхем. Это позволило клиентам тестировать архитектуру на реальном кремнии перед тем, как инвестировать десятки миллионов долларов в разработку собственных кастомных чипов.

Технология оказалась востребованной в самых полярных сферах. Брайтфилд делится примерами реальных коммерческих внедрений:

* **Медицинские носимые устройства:** Один из клиентов BrainChip интегрировал чип Akida в умные очки. Считывая сигналы мозговой активности (ЭЭГ), устройство способно предсказывать приближение эпилептических приступов у пациента еще до их физического начала. Брайтфилд подчеркивает, что в терапевтических целях важна детекция *до* инцидента, а не констатация факта *после* него, что невозможно сделать при облачной обработке из-за сетевых задержек.
* **Носимая электроника и гаджеты:** Нейроморфные ядра идеально подходят для миниатюрных устройств вроде умных колец (например, Oura Ring), наушников или фитнес-трекеров. Благодаря Akida, условное умное кольцо сможет обрабатывать биометрию на месте и сигнализировать пользователю о необходимости выпить воды без постоянной связи со смартфоном за $800 и платных облачных подписок по $20 в месяц. Автономность смарт-часов при этом может вырасти с типичных 9,5 часов до целой недели.
* **Оборонный сектор:** В мобильных тактических платформах клиенты заменяли процессоры Nvidia Jetson на энергоэффективные решения от BrainChip, получая десятикратное (10x) улучшение автономности, что является критически важной метрикой в полевых условиях.
* **Космические программы:** Совместно с американской компанией Frontgrade Gaisler ведется разработка первого радиационно-стойкого (rad-hard) ИИ-чипа для спутников и пилотируемых космических аппаратов.

Производство микросхем BrainChip развернуто в США на мощностях компании GlobalFoundries (бывший завод IBM в Фишкилле, штат Нью-Йорк) по **22-нанометровому техпроцессу**. Использование технологии «кремний на сапфире» (Silicon on Sapphire) позволило практически полностью ликвидировать паразитные утечки тока и обеспечило естественную устойчивость чипа к космической радиации.

## 📡 Радары нового поколения и конфиденциальные голосовые ассистенты
[[JUMP:47:59]]

Важным этапом развития компании стало подписание контракта с Исследовательской лабораторией ВВС США (Air Force Research Laboratory, AFRL) для модернизации радарных систем. Результаты тестов превзошли ожидания военных: нейроморфные алгоритмы позволили не просто обнаруживать объекты в условиях радиоэлектронных помех, но и классифицировать их на лету при минимальной задержке. 

Стив Брайтфилд прогнозирует, что миниатюризация радарных модулей за счет сверхнизкого энергопотребления позволит устанавливать их на любые движущиеся механизмы. В отличие от камер, радары всепогодны, эффективно работают в темноте, тумане и под проливным снегом. Робот сможет «сканировать» комнату и точно захватывать предметы манипулятором без визуального контроля, а дроны получат возможность перемещаться внутри закрытых шахт и туннелей, самостоятельно выстраивая трехмерную карту пространства.

Еще одним перспективным продуктом, по мнению Брайтфилда, станет концепт «умной метки» — Brain Tag (по аналогии с Apple AirTag). Оснащенный микрофоном и микрочипом Akida, такой маячок сможет месяцами работать от одной батарейки и распознавать контекст окружения: плач ребенка, лай собаки или шаги постороннего человека, моментально отправляя сигнал тревоги по Bluetooth без использования громоздких видеокамер.

Параллельно BrainChip развивает направление корпоративных голосовых ассистентов повышенной конфиденциальности. В отличие от сервисов Apple или Google, этот помощник функционирует полностью локально. Брайтфилд убежден, что крупный бизнес и оборонные предприятия никогда не согласятся отправлять свои внутренние регламенты и коммерческие тайны в публичные облачные чат-боты, поскольку эти данные будут использованы для обучения моделей и станут доступны конкурентам. Локальный ассистент в наушнике рабочего на химическом заводе или солдата в полевых условиях сможет давать точные голосовые инструкции по ремонту или безопасности, опираясь на изолированную базу знаний компании.

## 🛠️ Преодоление программного барьера: MetaTF и экосистема разработчиков
[[JUMP:54:30]]

Несмотря на очевидные преимущества, нейроморфные технологии долгое время оставались в стенах лабораторий. Главным барьером Стив Брайтфилд называет отсутствие удобного программного обеспечения. Успех Nvidia на рынке ИИ во многом обусловлен не только «железом», но и экосистемой CUDA, к которой привыкли миллионы инженеров. Разработчики неохотно изучают новые проприетарные языки. Более того, нейроморфные процессоры имеют ограничения — они не способны эффективно выполнять абсолютно все математические операторы, в отличие от универсальных GPU.

Решением этой проблемы стал переход к гетерогенным вычислениям (heterogeneous computing). В современных системах Akida работает в связке с центральным процессором (например, на архитектуре RISC-V или ARM). Если алгоритм содержит специфические тяжелые операции, не поддерживаемые нейроморфным ядром, задача незаметно перенаправляется на соседний ускоритель или CPU.

Для упрощения интеграции BrainChip разработала компилятор **MetaTF**, который автоматически конвертирует стандартные сверточные нейросети (CNN) в импульсные нейронные сети (SNN). Стив Брайтфилд анонсировал скорый запуск инструментов, позволяющих в один клик переносить любые ИИ-модели из общеиндустриального формата ONNX в нейроморфный цифровой формат. 

С целью долгосрочного закрепления на рынке компания запустила портал developer.brainchip.com, предоставив инженерам открытый исходный код, обучающие модули и форумы. В рамках университетской программы студенты получают скидки на отладочные платы, которые можно подключить к обычному ПК или микрокомпьютеру Raspberry Pi. В качестве примера популяризации технологии Брайтфилд упомянул закрытое соглашение с крупным оборонным подрядчиком о проведении студенческих соревнований, где дроны под управлением чипов Akida будут соревноваться в скоростном преодолении полосы препятствий.