在正在盛大举行的2026上海世界移动通信大会（MWC26上海）上，Innatera开发的尖峰神经网络（Spiking Neural Networks，SNN）技术、已商业化的Pulsar神经形态微控制器（neuromorphic MCU）、Talamo软件开发套件（SDK）和多项应用展示吸引了众多的观众。大家对SNN在边缘端实现的极致能效比与低延迟响印象深刻，其事件驱动的计算机制与异构混合架构正在为越来越多的边缘AI和端侧AI，尤其是物理AI创新带来巨大支持。

Innatera Nanosystems公司总部位于荷兰，其SNN摒弃传统AI芯片的时钟同步帧计算模式，仅当输入脉冲信号触发有效神经元激活时才启动计算单元，无有效事件时硬件自动进入深度休眠状态，从根源上消除了时钟轮询带来的无效功耗，从而为音频、雷达和工业等多样化的应用场景实现微瓦级运行的核心设计。

在本次MWC26 上海展出的Pulsar芯片已经商用，它集成12个可编程数字SNN核心和4个模拟SNN核心：模拟核心通过电容阵列实现存算一体，单晶体管即可完成突触权重的指数级非线性运算，彻底消除冯·诺依曼架构下的数据搬运能耗；数字核心则保障了网络配置的灵活性，兼顾超高能效与通用适配能力。

为了加速AI应用的开发，除了集成上述SNN引擎，Pulsar还在同一颗芯片上集成了32-MAC CNN加速器、FFT/IFFT引擎与160MHz RISC-V MCU，可根据当前任务类型自动分配算力：低负载传感检测任务仅调用SNN单元，复杂图像识别场景自动唤醒CNN加速器，避免了算力全开带来的不必要功耗浪费。

针对AI技术对数据存储的需求，Innatera还用系统性设计方法对存储子系统进行了低功耗优化，Pulsar芯片配置了384KB通用SRAM、128KB专属CNN计算SRAM，额外预留32KB低功耗保持SRAM，在设备进入深度睡眠模式时仅保留该区域供电，即可维持应用状态不丢失，大幅降低待机场景的能量消耗。

外设与计算深度协同是Pulsar另一项系统级优化，该芯片集成了I2C、SPI、ADC、摄像头接口等全类型传感外设，同时为其搭配了直接数据读取（DMA）引擎，可直接将传感器输出的脉冲数据送入SNN计算单元，无需经过CPU中转搬运数据，进一步减少了数据传输环节的额外能耗。

这些架构创新和芯片设计优化共同为Pulsar芯片带来了多项优于传统AI处理器‌的技术优势，包括：

1. 极致能效与超低功耗

- 事件驱动计算：SNN仅在检测到有效信号（脉冲）时才进行计算，静默期几乎不消耗动态功耗。相比传统CNN持续处理全量数据，其能耗可降低500倍以上（例如音频分类任务从 40mW 降至 400μW）。

- 亚毫瓦级运行：Pulsar芯片的SNN计算引擎功耗低于1mW，支持“始终在线”的传感器应用，显著延长电池寿命。

- 稀疏性优化：利用脉冲信号的稀疏特性，大幅减少无效计算和内存访问，模型体积可比传统方案缩小33 倍以上。

2. 超低延迟与实时响应

- 纳秒至毫秒级响应：采用模拟与数字混合的神经形态计算单元，处理延迟可低至1ms以内，部分场景下延迟比传统AI处理器降低100 倍。

- 原生时序处理：SNN 天然利用脉冲的时间间隔编码信息，无需复杂的帧缓冲，特别适合处理雷达、音频、振动等时间序列数据，实现真正的实时闭环控制。

3. 异构融合架构灵活性

- SNN + CNN + RISC-V 协同：Pulsar芯片集成了可编程SNN单元、CNN加速器和 32位RISC-V CPU。系统可根据任务需求动态分配资源：低功耗场景用 SNN 处理实时传感，高精度场景调用CNN，通用逻辑由CPU执行。

- 全可编程性：支持跨不同网络拓扑的神经元和突触级参数化，开发者可通过 Talamo SDK基于PyTorch训练模型并直接映射到硬件，兼顾了生物启发的效率与传统AI的开发便利性。

4. 边缘隐私与数据缩减

- 端侧闭环处理：数据在本地完成感知、分析与决策，无需上传云端，显著提升数据隐私安全性。

- 原始数据压缩：在传感器前端直接提取关键特征，可将原始数据量缩减高达1000 倍，降低带宽需求并减少对云服务的依赖。

（Pulsar与主流AI部署方案性能对比）

基于这些优势，Innatera的SNN技术通过模仿生物神经机制，解决了传统边缘和端侧AI在功耗、延迟和实时性上的瓶颈，特别适用于可穿戴设备、智能传感及预测性维护等对能效敏感的场景。因此，Innatera的Pulsar芯片已在可穿戴设备、工业传感、智能家居等多个领域实现了商用落地。包括：

1.智能可穿戴设备

• 长续航智能手环‌：搭载Innatera Pulsar SNN处理器的智能手环，在保留常规运动监测功能的基础上，新增全天候血压趋势监测能力，整体续航延长至‌14天‌，跑步模式下可实时识别12种运动姿态，能耗仅为传统AI方案的1/3。
• 低功耗音频耳机‌：在蓝牙耳机场景中，SNN实现了低于1μW的持续监听功耗，单颗纽扣电池即可支撑设备连续工作30天以上，同时可精准隔离不同声源实现降噪，能耗比传统音频处理方案降低80-100倍。
• 健康监测贴片‌：基于SNN的医疗级心率监测贴片，设备体积缩小40%，续航延长至21天，可长期稳定采集生物信号，全程无需上传云端处理，保障用户健康数据隐私。

2.工业传感器场景

• 工业预测性维护‌：SNN驱动的振动传感节点，可在亚毫瓦功耗下实时识别设备异常振动信号，无需依赖云端算力即可完成本地异常检测，大幅降低工业现场布线和电池更换成本，适配工厂长期无人值守的监测需求。
• 高分辨率实时感知系统‌：Aria Sensing 基于Pulsar SNN构建了1D/2D/3D实时感知系统，在低功耗状态下实现连续高精度环境监测，解决了传统工业传感节点续航短、响应慢的痛点。
• 雷达传感模块优化‌：Socionext 将其雷达模块与Innatera SNN芯片集成后，不仅大幅降低了系统整体功耗，还将目标检测的误报率显著降低，可用于工业区域入侵预警、人员存在检测等场景。

3.智能家居与物联网（IoT）场景

• 超低功耗智能门铃‌：搭载SNN芯片的智能门铃原型机，通过雷达检测人体存在，可连续工作18—20小时，而传统依赖Wi-Fi传输图像的同类产品仅能续航1—2小时，全程本地处理数据无需联网上传，兼顾低功耗与隐私安全。
• 实时事件检测IoT节点：SNN赋能的智能家居传感节点，可在无云依赖的状态下完成实时环境事件感知，比如异常声响识别、漏水检测等，始终在线运行的同时大幅延长电池更换周期。

为了配合Pulsar芯片更好地发挥SNN技术的优势，Innatera根据SNN硬件架构提供了完整的Talamo SDK，可以帮助开发者实现SNN模型从训练到硬件部署的全流程，同时无需深厚的SNN专业知识。普通AI开发者借助Talamo SDK可快速上手，基于PyTorch在熟悉环境中进行模型构建与训练；在训练完成后，利用SDK内置的SNN编译器自动完成模型转换；还可以先在PC端完成全流程仿真，验证脉冲模型的推理精度、延迟和功耗表现。

待验证通过后，开发者可以选择两种部署方式：使用Python原生编译器直接生成可执行文件，或是通过RISC-V架构的标准GCC工具链完成编译，最终通过常规MCU烧录流程将程序下载到Pulsar神经形态微控制器中，完成端侧部署。整个开发流程完全贴合传统AI开发者的使用习惯，从根本上降低了神经形态计算的落地门槛。在本次MWC26 上海的Innatera展位（展位号：N3.F40）上，普通开发者也尝试快速完成SNN应用的开发与部署。

欢迎莅临MWC26上海展会N3.F40展位，了解神经形态计算如何赋能下一代智能设备。点击或复制链接https://calendly.com/lets-meet-innatera/mwc-shanghai-2026?utm_medium=website 即刻预约与Innatera团队会面，以探索传感器边缘AI的早期采用者如何获得竞争优势。