美国加利福尼亚州拉古纳山市及台湾新竹市,2026年6月2日——BrainChip公司是一家专注于超低功耗神经形态AI半导体知识产权的领先服务商,近日宣布与MicroIP公司达成战略生态合作协议。MicroIP是一家在硬件与软件产品、机器学习应用、模型及ASIC设计领域拥有深厚专业积累的企业。
根据协议内容,双方将携手加速面向台湾及全球电子市场的智能化、高效能AI系统部署进程。此次合作将BrainChip先进的神经形态神经处理单元(NPU)技术(涵盖功耗低于一瓦的芯片及机器学习工具链)与MicroIP在系统级架构、硬件模组与ASIC设计及软件集成方面的优势深度融合。
此次合作重点瞄准多个高速增长的边缘AI关键应用领域,包括:
声学与语音处理及事件检测
视觉处理
雷达与激光雷达处理
遥感技术
网络安全
异常检测与分类
噪声抑制与信号增强
超低功耗边缘推理系统
在联合技术框架下,BrainChip将提供AI赋能支持,涵盖AI模型指导、专有模型资产访问权限,以及基于MetaTF开发流程的工具链支持。MicroIP则将负责客户系统级架构集成,并主导硬件模组的设计与验证工作,具备向客户交付完整集成、可量产边缘AI模组的能力。
BrainChip首席营销官史蒂文·布莱特菲尔德表示:"我们非常高兴地欢迎MicroIP加入我们持续壮大的AI生态体系。通过将BrainChip超低功耗的Akida架构与MicroIP强大的硬件设计及软件集成能力相结合,我们将为台湾及全球客户提供一条从概念验证到实际部署的高效、经过验证的完整路径,助力其推进复杂的边缘AI项目落地。"
双方将在联合工程与市场推广层面展开深入合作,并计划通过行业展会、线上研讨会及技术演示等多种形式展示合作成果。
关于MicroIP
MicroIP总部位于台湾新竹市,专注于硬件与软件产品及服务的市场推广与销售,核心业务涵盖机器学习应用开发、定制化模型构建及完整ASIC设计,致力于向全球市场提供系统级验证与完整AI模组解决方案。
关于BrainChip公司
BrainChip专注于半导体知识产权、片上系统设计及其他面向机器学习应用产品的市场推广与销售。通过提供超低功耗、高效能的边缘AI推理能力,BrainChip将智能计算延伸至数据产生的源头。更多信息请访问开发者中心:Developer.brainchip.com。
Q&A
Q1:BrainChip与MicroIP的战略合作具体涵盖哪些技术领域?
A:此次合作覆盖多个边缘AI应用方向,包括声学与语音处理、视觉处理、雷达与激光雷达处理、遥感技术、网络安全、异常检测与分类、噪声抑制与信号增强,以及超低功耗边缘推理系统。BrainChip负责提供神经形态NPU技术和机器学习工具链支持,MicroIP则承担系统级架构集成与硬件模组设计验证工作。
Q2:BrainChip的MetaTF开发流程是什么?有什么作用?
A:MetaTF是BrainChip提供的专有AI开发工具链流程,用于支持合作伙伴和客户在其Akida神经形态架构上进行AI模型的开发与部署。在此次与MicroIP的合作中,BrainChip将通过MetaTF提供AI模型指导、专有模型资产访问等赋能支持,帮助客户实现从概念验证到量产落地的完整路径。
Q3:BrainChip的Akida芯片功耗表现如何?适用于哪些场景?
A:BrainChip的Akida系列神经形态芯片功耗低于一瓦,属于超低功耗设计,特别适用于需要在数据产生端直接进行AI推理的边缘场景。典型应用包括语音事件检测、视觉处理、雷达信号分析、工业异常检测等对功耗和实时性要求较高的场合。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。