提到邊緣計算，也許你感到很晦澀，但對於章魚你肯定不陌生。
章魚是一種無脊椎動物，渾身布滿神經元，但是它的腦部只有 40% 的神經元，剩下的 60% 神經元在八條腿（腕足）上。這等於章魚擁有 「多個小腦 + 一個大腦」，這樣的分布式結構使得它在捕獵時非常敏捷，腿部得到信號即可就近捕獵。
圖 | 章魚（來源：IC photo）
而邊緣計算的結構和章魚很相似，它是一種分布式計算，得到信息後無需把大量數據上傳到遠端管理平臺，直接可以就近處理。
而說到邊緣計算，就不得不提傳感器。當前的傳感器網絡中，節點數量增長非常迅速，傳感器終端和計算單元之間交換著大量冗餘數據，如何在處理大量數據的同時、還能降低功耗，是邊緣計算亟待解決的難題。
針對此，近日香港理工大學應用物理學系副教授柴揚發表在《自然電子學》上題的論文《近傳感器計算與傳感器內計算》（Near-Sensor and In-Sensor Computing），創造性地提出了近傳感器計算與傳感器內計算的方法。
圖 |《近傳感器計算與傳感器內計算》（來源：Nature）
柴揚告訴 DeepTech，近傳感器計算與傳感器內計算的方法，可減少傳感器終端和計算單元之間的冗餘數據移動。而計算任務被部分轉移到傳感器終端後，能減少能耗和時間延遲，還可節省通信帶寬並增強數據安全性和隱私性。
不同架構，不同級別
談及一些情況下把數據處理放在傳感器端更好的原因，柴揚解釋稱，物聯網傳感器收集到的數據基本都是非結構性的，因此數據必須要先做處理。而一個完整的傳感系統既需要有傳感器，又需要有運算器。但實際上，傳感器的製造工藝和運算器的製造工藝很不一樣。以圖像傳感器為例，用 65 納米的節點已是非常先進的工藝；而如果要做運算，目前最先進的半導體工藝已經發展到 5 納米節點。
此外，傳感器和運算器通常採用不同工藝製造，然後組裝為一個完整的系統，兩者在系統中的距離較遠，更多情況是傳感器收集數據，上傳到雲端後做計算處理。那麼在哪些情況下，把數據處理放在傳感器端比在雲端更好呢？
柴揚表示，這主要出於兩個剛性需求考量：第一個考量是功耗，傳感器一般是靠電池來供電，因為電量受限，所以不能做太複雜的運算，複雜運算一般都要上傳到雲端做進一步處理；第二個考量是時間，也就是實時處理。
比如，自動駕駛對延時非常敏感，如果傳到雲端處理再傳回來，會給安全駕駛帶來很大挑戰。因此，比較簡單且對時間敏感的數據處理，放在傳感器端比放在雲端更好。一般來說，傳感器和計算單元的材料不同，因此它們的功能、結構、設計和處理系統都不同。
在傳統的感覺計算架構中，傳感器和計算單元在物理空間上是分開的，它們之間有較遠的物理距離。而在近傳感器計算和傳感器內計算架構中，傳感器和計算單元之間的距離通常會顯著減少或消除。比如，在近傳感器計算架構中，前端處理單元被放置在傳感器旁邊，這意味著處理單元可提高系統整體性能，並最大限度減少冗餘數據傳輸；在傳感器內計算架構中，單個傳感器或多個連接的傳感器可直接處理收集到的信息，這樣的設計可將傳感和計算功能結合在單一器件中。
圖 | 不同的計算架構
圖 | 用於神經網絡中乘法累加運算的、具有可重構傳感器的傳感器內計算架構示意圖
柴揚表示：「近傳感器計算面臨的一大挑戰是傳感單元和計算單元的集成。例如，計算單元已經採用了非常先進的技術節點，而大多數傳感基於大節點技術就可以很好地執行它們的功能。近傳感器計算的集成技術包括異質集成、3D 單片集成、片上系統集成和 2.5D Chiplet 技術等，其中 3D 單片集成提供了一種高密度、短距離的系統集成方法，但是其複雜的製備工藝和散熱仍面臨巨大挑戰。」
圖 | 近距離傳感器和傳感器內計算的集成技術
雖然傳感器內計算架構已被證明是結合計算和傳感能力的方法，但它們通常只適用於特定場景。此外，它們只能通過處於早期開發階段的新材料和新器件結構來實現。「近傳感器計算和傳感器內計算是一個跨學科的研究領域，涵蓋材料、器件、電路、架構、算法和集成技術，」 柴揚說，「這些架構很複雜，因為它們需要在不同場景中處理大量不同類型的信號。近傳感器計算和傳感器內計算的成功部署，需要傳感器、設備、集成技術和算法的共同開發和共同優化。」
在本次研究中，該團隊為近傳感器計算和傳感器內計算提供了清晰定義，他們將信息處理分為低級處理和高級處理。低級處理，即通過抑制不必要的噪聲或失真，或通過增強進一步處理的特徵，從大量原始數據中有選擇性地提取有用數據；高級處理，即抽象表示，這涉及到認知過程，其能識別輸入信號是 「什麼」 或 「在哪裡」。最後，除了為近傳感器計算和傳感器內計算提供可靠的定義之外，研究人員還提出了實現集成傳感和處理單元的可能解決方案。在未來，他們的工作可以激發進一步的研究，旨在利用先進的製造技術、實現這些架構或硬體組件。
實際應用，尚有距離
也就是說，近傳感器與傳感器內計算方法，是實現智能傳感處理高效硬體的一種可能途徑。在傳感器端處直接處理數據，可提供改進的面積、時間和能量效率，並在實時和數據密集型應用中特別有益。
然而，在傳感器附近實現低級和高級的處理功能，需要開發先進的集成技術和新的計算算法；在傳感器內實現計算還需要開發具有新功能和新機制的設備、以及合適的算法。
雖然在傳感器計算方面顯示出潛力，但目前大多數設備都處於研究開發的早期階段，由於功能有限，僅限於特定的應用場景。此外，到目前為止，對於完整處理和與外圍控制的大規模集成只有有限的演示，而這對於傳感器處理架構的未來至關重要。同時，柴揚告訴 DeepTech，自動駕駛應該是比較好的切入口，一旦突破現在的 「瓶頸」，就可能會有更多的新的應用產生。
上海有一家叫芯侖科技的公司，他們研發的動態視覺傳感器（Dynamic Vision Sensor，DVS）就是應用在車輛上，採集圖像、然後做一些實時的分析。他們在這個領域做得是比較好的，用得就是近傳感器計算（Near-Sensor Computing），已經非常接近實用，在國內也是比較領先的。儘管柴揚團隊目前工作重心主要集中在視覺傳感器上，但是近傳感器與傳感器內計算方法也可以擴展到其他種類的傳感器，如聽覺、觸覺、味覺信號、化學信號甚至生物信號的傳感器。
玉汝於成，不忘初心
柴揚於香港科技大學電子工程系獲得博士學位；之後在史丹福大學開展博士後研究；後面在香港理工大學繼續電子器件方向的研究。
在談到成果落地的問題時，柴揚也提到，香港高校中有的老師做得非常成功，比如大疆創新、商湯科技和晶科電子都是從香港高校孵化出來的。談及此，柴揚也表示了對粵港澳大灣區未來發展的期待，「現在國家針對大灣區提出了一些新的政策，香港政府也推出了一系列的支持科創政策，整個科創生態肯定能夠變得更好一些，雖然這個過程可能是相對漫長的，希望最後的研究結果能夠解決目前存在的一些科學工程問題，可以產生一些切實可用的東西。 」