科企岛：一种具有时空弹性的神经形态计算芯片，适用于多智能任务机器人
?人工智能的最新进展增强了移动机器人处理复杂和动态场景的能力。然而，为了使计算密集型算法能够在多任务机器人中以低延迟和高效率本地执行，需要对计算硬件进行创新。
在这里，我们报告TianjicX，这是一种神经形态计算硬件，可以支持多个跨计算范式神经网络（NN）模型的真正并发执行，并具有各种机器人协调方式。具有时空弹性，支持计算资源的自适应分配和每项任务的执行时间调度。这种方法的关键是一个高级模型“Rivulet”，它弥合了机器人级需求和硬件实现之间的差距。通过静态数据分布和动态数据流，抽象化NN任务的执行，形成基本的活动上下文，采用时空切片实现每个活动的弹性资源分配，并进行可配置的混合同步-异步分组。因此，Rivulet能够支持独立和交互式执行。基于Rivulet硬件设计实现时空弹性，开发了一种具有事件驱动、高并行度、低时延、低功耗的28纳米天墅X神经形态芯片。使用单个TianjicX芯片和专门开发的编译器堆栈，我们构建了一个多智能任务移动机器人Tianjicat来执行猫捉老鼠的游戏。可以同时执行多个任务，包括声音识别和跟踪，对象识别，避障和决策。与 NVIDIA Jetson TX2 相比，延迟大幅降低 79.09 倍，动态功耗降低 50.66%。
