探境科技AI芯片，让终端真正智能！

在当下科技飞速发展的时代，人工智能融入我们日常生活的程度不断加深。如今越来越多的智能终端，例如智能家居系统、智能安防设备，与用户主要通过语音交互等途径实现使用，在让人们享受到了一定的便利的同时，也提高了对智能终端的期待：希望终端可以反应更敏捷、语音识别更准确、降低对网络的依赖、用电续航时间更长、体积更轻便等等，这些也正是目前市面上部分智能终端急需解决的痛点。

?而以上几乎所有问题，基本都与一个核心部件的技术水平息息相关，即智能终端的AI芯片。

AI芯片的出现，与深度学习技术的成熟及应用密不可分。无芯片不AI，作为人工智能大潮中的底层核心部件，当前绝大多数的AI芯片都基于计算机经典体系结构——冯诺依曼架构，以指令或计算为中心进行优化设计，通过优化计算部分的资源来提升效能的CPU架构。

但在实际使用中，因为存储数据到计算单元之间的搬运过程中，会产生数据资源和计算速度的损耗，致使计算能力与计算资源都大为降低。所以，目前深度学习算法在芯片中最大的瓶颈，即来自存储墙问题。与过去的大部分算法相比，过去的算法的计算复杂度较高，而深度学习的计算复杂度和存储复杂度的关系是倒置的，存储部分带来的性能瓶颈和功耗瓶颈远大于计算部分。

而芯片作为智能终端的核心器件，其功能和效率对于整体系统的性能影响极大;以上技术瓶颈的存在，也就必然导致了市面上现有的大部分智能终端，出现了使用功能上的各种局限：需要连接互联网、语音识别精度不够等等。

智能终端的突破又主要归功硬件处理能力和操作系统。显然，硬件处理能力的提升仍然是依靠芯片。芯片具有更高的数据处理效率与性能，才能使智能终端最终提供给用户更完整的功能和更便捷的使用体验。

为切实解决这些用户体验痛点，探境科技另辟蹊径，提出了一个具有行业颠覆性的架构方案：以存储为中心来带动计算，重新设计整个AI芯片的系统架构——即SFA架构。

整个SFA架构由数据层、计算层和控制层组成。它是一个以存储调度为核心的计算架构，数据在存储之间的搬移过程之中就完成了计算，计算对于数据来说只是一种“演变”，但这样做可以让能效比提升10倍甚至100倍，计算资源利用率可以从常见的30~40%提高到80%，DDR带宽占用率更是大幅度下降。