无论是Fabless，还是IDM，不少大厂其实都在关注边缘AI的市场，比如英特尔的Movidius和英伟达的Jetson等等。但市面上也有一些厂家在发力类脑芯片的开发，同时探索新架构的芯片上将用到怎样的软件开发生态。因为这些类脑芯片往往用到的是脉冲神经网络（SNN），直接拿常用的卷积神经网络（CNN）或人工神经网络（ANN）硬套的话，是万万行不通的。也正是因为软硬件上的双重挑战，限制了类脑芯片的商用。

英特尔的类脑芯片已经研究了近5年之久了，早在2017年英特尔就发布了基于14nm制程的Loihi芯片，该芯片具备13万个神经元，1.3亿个神经突触。2021年英特尔又公布了Loihi的继任者Loihi 2，该芯片基于更名后的Intel 4制程，将芯片大小从60mm2缩小至31mm2，却依然集成了百万个神经元和1.2亿神经突触。

Loihi 2类脑芯片 / 英特尔

虽然这些Loihi芯片都具备可观的规模，但类脑芯片并没有走向HPC的高性能之路，而是继续坚持低功耗的优势，这一点从英特尔在评估Loihi时进行的应用展示也可以看出。英特尔称在三年多的研究中，他们尝试的应用有自适应机器臂控制、学习与识别新的气味与手势、比视觉输入延迟更低的无人机电机控制，以及解决铁路调度等优化问题。在这些应用中，与传统CPU加GPU方案动辄几百瓦的功耗相比，Loihi的功耗甚至不到1W，可以做到mW级的功耗和ms级响应时间。

当然了，单靠类脑芯片的硬件是远远不够的，类脑芯片商业化进展缓慢的一大原因就是缺乏清晰高效的编程模型，为此英特尔开发了一个开源类脑计算框架Lava。Lava不仅支持离线训练，还可以集成TensorFlow、PyTorch和ROS这样的第三方框架，开发者可以自行对其进行扩展。

Oheo Gulch板卡 / 英特尔

不过英特尔的Intel 4制程还未正式面世，目前只准备了两种Loihi 2硬件供研究人员远程线上测试，一个是用于早期评估的单片系统Oheo Gulch，另一个则是尚未面世的8芯片系统Kapoho Point。

英特尔的类脑芯片尚处于发展初期阶段，即便是第二代Loihi目前也仅仅只是研究芯片，并没有一个定下来的商用路线。反观其他的大厂，IBM的TrueNorth芯片已经多年没有动静，而三星的类脑芯片虽然已经宣布可量产，但还没有任何成品或设计面世。反倒是一家名不见经传的公司，BrainChip，最先开启了类脑芯片的商业化道路。

Akida类脑处理器 / BrainChip

去年10月BrainChip发布了两款开发套件，分别是用于x86的Shuttle PC套件和用于Arm树莓派的套件，两个套件均采用了BrainChip的类脑芯片 AKD1000。AKD1000类脑芯片基于BrainChip 的Akida IP和台积电28nm制程，却做到了120万个神经元和100亿的神经突触的规模，功耗范围在微瓦级到毫瓦级。BrainChip也为Akida处理器准备了MetaTF这一开发环境，支持利用Python编程语言和Jupyter notebooks、Numpy这样的开发工具和库，轻易将CNN转换成SNN。

除了PCIe和Mini-PCIe的开发套件外，Akida也开始在汽车市场露面了。在今年CES梅赛德斯奔驰展示的Vision EQXX概念车中，其语音控制系统就用到了BrainChip的Akida类脑芯片。根据梅赛德斯奔驰的声明，Akida类脑芯片为其语音控制系统中的关键词检测提供了更低的功耗，与传统的语音控制方案相比效率提升了5到10倍。从BrainChip的急速商业化来看，类脑芯片并不一定要像英特尔的Loihi一样用上先进制程，也能做到优秀的性能。