智能音箱数字化所有输入，Zap电池。一种新型ML模拟芯片具有“选择性听力”

这个世界上有数百万个传感器，它们一年365天，每天24小时都在工作。但是，他们报告的事件可能非常罕见——可能是一个危险的高温高峰，管道泄漏，或入侵者。这个传感器可能在一个偏远甚至危险的地方，没有电源，只有电池。

当传感器确实接收到刺激时，它会利用电池电流分析并报告异常情况。但问题是，即使没有可报告的事件，传感器仍在数字化无关的数据和绘制电流。很快，电池就需要更换或充电了。

Aspinity的可重构模拟模块处理(RAMP)芯片充当了超低功耗的看门人，为英飞凌XENSIV系列传感器提供警报何时开启并开始他们的电力密集型数字分析任务。否则，传感器将处于低功耗睡眠模式。更少的电力消耗，从而延长了电池的寿命。

模拟斜坡芯片使用机器学习只识别触发声音，而不浪费电力数字化无关的声音。截图使用Aspinity

这种aspinity与英飞凌的合作是针对“永远在线”系统Cadence将其描述为这样一个系统，在这个系统中，一些计算资源“总是打开，以处理音频、视觉或其他传感器数据，而系统中更强大的计算资源则被关闭。”我们可以看到，在可穿戴设备、移动设备、声控智能扬声器和任意数量的物联网设备中，对“永远开机”效率的需求最为普遍。

什么是RAMP技术?

背后的想法斜坡技术就是在需要唤醒的时候才唤醒耗能的数字传感器。大多数数字处理器“收听”100%的输入，即使它们不分析大部分输入，这对电池电量来说是一个很大的压力。另一方面，RAMP芯片是一种极低功耗的模拟芯片，它只会在传感器必须进行数字处理之前对其进行分析的事件发出警报。传感器可以“休息”，只有到了上班时间才会被唤醒。模拟芯片通过神经网络训练来识别它的唤醒信号。

你可以把它想象成一只猫，四肢伸开，半睡半醒地躺在沙发上，完全无视周围嘈杂的世界。但是，当有人打开冰箱门时，猫会立即“接到通知”，并立即采取行动。基本的想法(RAMP芯片，而不是猫)如下所示。

Aspinity analyze-first架构。图片由Aspinity

左边的传感器，有着相对较大的动力需求，它总是在没有任何相关的情况下进行数字化和分析。右边的RAMP模拟处理器，耗电很少，守卫着，听着“冰箱门”打开，只在需要的时候唤醒睡眠传感器。

这样做的结果是极大地节省了电能，电池的续航时间比其他方式要长得多。

全模拟芯片采用机器学习

RAMP是一种全模拟芯片，实现了一种新的机器学习方法，允许以模拟方式复制复杂的数字信号处理任务。它具有模拟神经网络和灵活的传感器接口，以适应各种类型的传感器。坡道芯片，充分警惕，在任何时候，吸引只有10µA的电流。

RAMP是一种将机器学习整合到模拟处理器中的超低处理技术。截图使用Aspinity

Aspinity提供了专门为没有模拟专业知识的工程师设计的RAMP开发环境，允许他们通过他们熟悉的接口类型来开发RAMP算法。

英飞凌拥有最广泛的传感器种类

英飞凌在这次合作中起到了什么作用?英飞凌声称提供最广泛的传感器类型组合市场上，其中一些包括磁传感器，压力传感器，声学传感器，3D图像传感器，雷达传感器。

英飞凌用于高精度汽车/工业应用的XENSIV霍尔效应传感器之一。图片由英飞凌

据报道，RAMP芯片会评估来自英飞凌XENSIV MEMs传感器的模拟数据，只识别相关数据。Aspinity指出，设计师可以“轻松地为特定应用程序的推理编写RAMP芯片”，并且将RAMP芯片与XENSIV传感器结合起来，可以为始终在线的设备带来“节能分析优先架构”。

Aspinity创始人兼首席执行官Tom Doyle表示:“我们期待与英飞凌合作，帮助客户克服与将高性能永开传感器集成到日益增多的电池供电永开产品中相关的电力挑战。”

---

为了在一直开机的设备上节省电力，你尝试过哪些设计方法?请在下面的评论中分享你的想法。