密歇根实验室的“微尘”计算机
旨在使物联网变得更加智能。
━━━━━
计算机科学家大卫•布洛乌（David Blaauw）从包里掏出一个小塑料盒。他用手指甲小心翼翼地挑起盒子里的一个小黑点，把它放在酒店咖啡厅的桌子上。这个体积为1立方毫米的小黑点是一系列世界上最小的计算机中的一员。我必须十分小心，不能咳嗽或者打喷嚏，以免将这小东西吹跑，再让它被扫进垃圾堆里。
布洛乌和他的同事丹尼斯•西尔维斯特（Dennis Sylvester）都是IEEE会士和密歇根大学计算机科学教授。他们于2月初在于旧金山举办的IEEE国际固态电路会议（ISSCC）上提交了10篇关于这种“微尘”（micromote）计算机的论文。在过去的数年间，他们已经介绍了多款此类微型设备的不同“变体”。
“密歇根微尘”（M3）计划的远大目标是为医疗设备和物联网研制出更智能、更小巧的传感器——用途更广，而能耗更低。许多话筒、照相机以及构成智能设备“耳目”的其他传感器一直处于获取数据的状态，并定期将私人数据发送到云端，因为它们自己不能对这些数据进行分析。有人预测，到2035年，这样的智能设备的数量将达到约1万亿台。“如果这1万亿台设备不间断地产生读数，那么，我们将被淹没在数据的海洋中。”布洛乌说。他和西尔维斯特希望通过开发出一些小巧、高效并且能自己对数据进行分析的计算传感器来使这些智能设备变得更加安全，同时节约能效和带宽。
在旧金山，他们描述称，“微尘”的设计使它只需耗费几纳瓦的功率就可执行辨别过往汽车的声音、测量温度和亮度等任务。他们展示了一款使微型计算机向20米以外的接收器发送数据的小型无线电设备——这与他们去年报道所称的50厘米的距离相比有了很大的提升。他们还介绍了与台积电（TSMC）进行的将闪存嵌入设备的合作，以及他们为运行人工智能算法——“深度神经网络”——配备专用低能耗硬件的项目。
━━━━━
布洛乌和西尔维斯特称，他们采用整体方式来添加这些新特性，不会增加能耗。西尔维斯特称，对于他们以及他们的工程师如何做到这一点，“没有一个明确的答案”。如果硬要说的话，那就是“智能线路设计”，布洛乌补充说。（他俩飞快地来回交流这些想法，虽然不能说是替对方把话说完，但也差不多了。）
西尔维斯特说，存储器研究正是“正确的取舍能够提高性能”的好例子。前一版“微尘”采用的是用在低性能计算机上的8千字节的静态随机存取存储器（SRAM）。为了记录视频和声音，微型计算机需要更多存储空间。因此，他们的团队同台积电合作，在设备中加入了闪存。现在，他们能造出拥有1兆字节存储空间的微型计算机。
闪存能在比静态随机存取存储器更小的覆盖区内存储更多的数据，但将内容写到存储器上时要耗费大量能量。有鉴于此，该团队与台积电携手设计了一种使用更高效的电荷泵来执行写入流程的新存储阵列。与台积电的商用产品相比，这些存储阵列储存信息的密度要低一点，但仍然比静态随机存取存储器好得多。“我们用较小的牺牲获得了巨大收益。”西尔维斯特说。
他们在本次国际固态电路会议上展示的另一款“微尘”计算机则整合了一款深度学习处理器，这个处理器可运行深度神经网络，能耗仅为288微瓦。“深度神经网络”是一个人工智能算法，能很好地执行脸部和语音识别之类的任务。运行它们通常需要很大的存储器以及很高的处理能力，因此它们一般在配备有先进图像处理单元（GPU）的服务器组上运行。一些研究人员一直在尝试降低为深度学习人工智能算法配备的专用硬件的体积和功率，但这些专门处理器的功率也超过50毫瓦——远高于一款“微尘”计算机的功率。密歇根团队通过重新设计芯片架构来降低对功率的需求。例如，在存储器（在此例中采用静态随机存取存储器）内放置4个处理元件以最大程度地减少数据移动。
他们的想法是将神经网络引入物联网。“许多移动侦测摄像机都能够对风中摆动的树枝拍照——但这并没有什么用处。”布洛乌说。安全监控摄像机和其他关联设备还不够智能，无法区别一个盗贼和一棵树，因此将这些没有用的素材发送到云中进行分析纯粹是浪费能源。在计算机上安装深度学习处理器可以进行更好的判断，但前提是无须消耗太多功率。密歇根团队的设想是，除了安全系统之外，还可以将深度学习处理器整合进其他连接互联网的设备中。比如，如果一个供热通风与空气调节（HVAC）系统“看见”很多人都脱下外套，它就会自动做出决定，关闭空调。
在学术环境中展示了多款“微尘”变体之后，密歇根团队希望数年后“微尘”能够投入市场。布洛乌和西尔维斯特称，他们于2013年底低调成立的创业公司CubeWorks目前正在开发相关设备的原型机并对市场进行研究。英特尔投资公司(IntelCapital) 于去年10月宣布它已经对这家微型计算机公司进行了投资（投资金额未公布）。
作者：Katherine Bourzac
往期推荐
