AI加速器企业：BrainChip——让AI像大脑一样“有事件才计算”的神经形态芯片公司
BrainChip 是一家专注于 Neuromorphic Computing，也就是神经形态计算 的 AI 加速器企业。
与 NVIDIA、AMD、Hailo、MemryX 等依靠传统数字矩阵计算不断处理完整数据流的 AI 芯片不同，BrainChip 的核心思想更加接近人类大脑：没有重要信息时尽量不计算，只有事件发生时才激活相关神经网络。
这种 Event-Based Computing 可以显著减少无意义的数据处理，因此特别适合摄像头、雷达、麦克风、可穿戴设备、工业传感器、机器人、无人机和其他需要“Always-On AI”的低功耗边缘设备。
BrainChip 的核心产品和 IP 平台叫做 Akida，公司将其定位为完全数字化、event-based 的 neuromorphic AI processor。
BrainChip Holdings Ltd 是一家在澳大利亚证券交易所上市的公司，股票代码 ASX: BRN，同时在美国 OTCQX 市场交易。
公司成立于 2013 年，目前美国总部位于加利福尼亚州 Laguna Hills，并在印度 Hyderabad 和法国 Toulouse 等地拥有研发和业务团队。
BrainChip 创始人 Peter van der Made 是 Akida 早期数字神经形态架构的重要设计者，目前 CEO 为 Sean Hehir。
BrainChip到底做什么？
如果用一句话解释 BrainChip，可以说：它希望把“像大脑一样工作的AI处理器”放到传感器旁边。
今天大多数 AI 系统的工作模式仍然比较传统。
摄像头不断产生完整图像。
麦克风不断产生完整音频数据。
传感器不断采集数据。
CPU、GPU 或 NPU 必须不停读取这些数据，然后一次又一次执行神经网络。
即使画面没有变化，处理器仍然可能继续计算。
即使房间里没有人说话，语音系统仍然必须不断分析声音。
这种方式虽然简单，却会浪费很多能源。
BrainChip 的 Akida 采用 Event-Based Processing。
只有出现有意义的数据变化时，相关计算才会被激活。
BrainChip 把这种架构称为：Event-Based Neuromorphic AI。
它不需要像传统处理器那样一直执行完整 dense computation，因此非常适合低功耗、实时和 Always-On AI。
什么是Neuromorphic Computing？
Neuromorphic Computing 的字面意思就是：模仿神经系统的计算。
人脑拥有大约数百亿个神经元，但大脑并不会在每一瞬间让所有神经元同时高速工作。
一个神经元只有在接收到足够刺激以后才会产生 spike，然后把信号传递给其他神经元。
这是一种高度稀疏、event-driven 的计算方式。
处理器按照 clock 不断执行 instruction。
神经网络中的矩阵也通常按照固定节奏不断计算。
BrainChip 希望把人脑这种 有事件 → 才计算 的思想引入数字 AI processor。
因此 Akida 并不是简单的一颗低功耗 GPU，而是从神经网络执行方式本身重新设计计算架构。
BrainChip使用的是完全数字电路
Neuromorphic Computing 有很多不同技术路线。
有些企业研究：
Analog Neural Computing。
Memristor。
RRAM。
Analog Compute-in-Memory。
例如之前介绍的 Mythic、EnCharge AI，都使用不同形式的模拟计算。
BrainChip 则选择了更加传统但更容易大规模制造的路线：
Fully Digital Neuromorphic Computing。
也就是说，Akida 的底层仍然使用标准数字 CMOS semiconductor technology。
这样做的一个重要优势是制造工艺更加成熟。
数字电路不会像模拟 AI processor 那样容易受到：
Temperature。
Noise。
Process Variation。
Analog Drift。
等问题影响。
BrainChip 因此把自己的一个重要卖点概括为：
Silicon-Proven, Fully Digital Neuromorphic Implementation。
核心产品：Akida
Akida 是 BrainChip 整个技术体系的核心。
它既可以作为独立 AI processor，也可以作为 semiconductor IP 授权给其他芯片企业，集成到 MCU、SoC 或其他 processor 中。
因此 BrainChip 实际上拥有两种主要商业模式：
第一种是：卖芯片和加速模块。
第二种是：授权 Akida IP。
芯片企业获得 Akida IP 以后，可以像集成 ARM CPU、DSP 或其他 IP 一样，把 BrainChip 的 Neural Processing Engine 放进自己的 SoC。
BrainChip 当前产品体系已经包括 Akida 1、Akida 2、Akida Pico、AKD1500 芯片、开发平台、reference platform、Neural Models 和完整软件工具。
第一代Akida：AKD1000
BrainChip 第一代真正商业化的 neuromorphic processor 是 AKD1000。
AKD1000 在 2021 年进入生产阶段，并随后推出 PCIe 开发板和其他 development system。
BrainChip 当时称它为全球最早进入商业化阶段的数字 neuromorphic AI processor 之一。
第一代 Akida 的设计重点是：
Computer Vision。
Object Classification。
Sensor Processing。
Keyword Spotting。
Edge AI。
以及 On-Chip Learning。
它支持 1-bit、2-bit 和 4-bit weights 与 activations，并可以让多个 neural network layers 在 Akida fabric 中同时执行。
AKD1000 最大的意义并不是今天它的算力仍然领先，而是 BrainChip 通过它证明：
Neuromorphic AI并不只是大学实验室里的研究，可以真正制造成商业芯片。
Akida最特殊的能力：On-Chip Learning
很多 Edge AI accelerator 只能执行 inference。
训练通常在 GPU Data Center 完成。
设备获得已经训练好的 model，然后只负责：Input → Inference → Output。
BrainChip 从第一代 Akida 开始就非常强调：On-Chip Learning。
也就是说，设备可以在本地根据新信息进行一定程度的学习和 personalization，而不需要每次重新把数据发送到 Cloud 进行完整训练。
例如一个智能门锁可以逐渐学习新的用户。
一个工业 sensor 可以学习正常机器 vibration pattern。
一个 wearable device 可以适应某一个特定用户。
一个 voice interface 可以针对用户自己的声音进行 personalization。
这种能力对于：Privacy，Latency，Offline operation 都很有价值。
为什么Event-Based AI特别省电？
传统 CNN 通常会把整个 image tensor 送进 neural network。
例如一个摄像头每秒 30 帧。
即使连续两帧之间只有一个非常小的区域发生变化，整个 image 仍然可能重新执行一次完整 CNN。
Event-Based AI 则可以利用 sparsity。
如果只有少量数据发生变化，就只处理这些变化。
因此计算量实际上取决于：发生了多少事件。
而不是：输入数据理论上有多大。
对于很多 sensor workload 来说，大部分时间其实都没有特别重要的变化。
例如：
监控摄像头。
雷达。
ECG。
机器 vibration sensor。
Wake Word Detection。
这些应用都非常适合 event-driven architecture。
BrainChip 也因此把自己的市场重点放在：Always-On Edge AI。
第二代Akida 2：开始支持更加现代的AI模型
第一代 Neuromorphic processor 一个常见问题是：
它很适合 Spiking Neural Network，但对现代 CNN、Transformer 和其他 mainstream AI model 的支持可能不足。
BrainChip 因此在第二代 Akida 2 中大幅扩展架构。
Akida 2 支持：
8-bit、4-bit 和 1-bit weights 与 activations。
Programmable Activation Functions。
Skip Connections。
Spatial-Temporal Neural Networks。
Temporal Event-Based Neural Networks。
同时增加对 Vision Transformer 等现代 AI architecture 的支持。
这其实代表 BrainChip 的一个重要变化。
早期 BrainChip 更强调：Spiking Neural Networks。
现在越来越强调：把Neuromorphic Computing的低功耗优势带给普通AI模型。
这是 BrainChip 能否真正扩大市场的重要一步。
TENNs：BrainChip正在押注时间序列AI
BrainChip 近年来一个非常重要的新方向叫做：TENNs。
全称是：Temporal Event-Based Neural Networks。
TENNs 特别针对：
Time-Series。
Streaming Data。
Sensor Data。
Audio。
Radar。
ECG。
以及其他随时间连续变化的数据。BrainChip 表示，TENNs 建立在 temporal event-driven processing 和 State-Space Model 等思想之上，希望比传统 Transformer 更高效率地处理连续序列。
这个方向其实非常符合 BrainChip 的技术特点。
Transformer 很强，但是 attention 在处理长 sequence 时计算和 memory cost 可能很高。
很多 Edge AI workload 却天然就是时间序列：
麦克风一直听。
雷达一直扫描。
心电图一直产生信号。
工业 sensor 一直采样。
这种 workload 不一定需要每一瞬间重新执行一个巨大的 Transformer。
TENNs 就是在解决这个问题。
Akida Pico：不到1毫瓦的Always-On AI
2024 年，BrainChip 公布 Akida Pico。
到 2026 年，Pico 已经可以通过 Akida FPGA Cloud 进行远程 evaluation。
它是一个极其小型的 neuromorphic AI co-processor 或 standalone NPU core，目标 active power 可以从 micro-watt 级到 milli-watt 级，并针对非常具体的 always-on AI workload 优化。
BrainChip 表示，部分配置目标功耗可以低于 1毫瓦。
典型应用包括：
Keyword Spotting。
Wake Word Detection。
Audio Noise Reduction。
ECG Anomaly Detection。
Presence Detection。
Wearable AI。
Smart Home Sensor。
Remote Sensor。
例如一个 wearable device 一直监听：
“是否出现异常心电信号？”
绝大部分时间都没有异常。
传统 CPU如果不断处理 ECG，电池很快耗尽。
Akida Pico 则可以一直监控数据，并且只有真正发生 event 时才进行更复杂处理。
ECG是Akida Pico非常典型的应用
BrainChip 2026 年已经展示 Akida Pico 用于 ECG anomaly detection。
Pico 可以直接处理原始 1D temporal signal，并使用 TENNs-R 进行实时异常识别。BrainChip 把它定位于医疗贴片、wearable health monitor 和其他需要长时间电池供电的设备。
这个案例非常能够说明 Neuromorphic Computing 的价值。
传统 AI 市场经常追求：更多 TOPS，更大的模型。
但 wearable device 真正的问题往往是：如何让AI连续工作几个月，而不是几小时。
这就是 BrainChip 与 NVIDIA GPU 完全不同的市场。
AKD1500：BrainChip开始真正加强芯片销售
BrainChip 过去很长时间更强调 IP licensing。
但 2025 年以后，公司明显加强了自己的 commercial silicon 产品。
代表产品就是：AKD1500 Edge AI Co-Processor。
AKD1500 于 2025 年正式发布，目前已经进入 production availability，并在 2026 年推出 M.2 模块版本。
BrainChip 公布的 AKD1500 性能约为：最高800 GOPS。
典型峰值运行功耗：低于300毫瓦。
官方指标还表示峰值效率低于约 1mW/GOP。
单看 800 GOPS：
完全无法和 NVIDIA GPU 的几百 TOPS 甚至 PetaOPS 相比。
但是 300mW 是完全不同的功耗等级。
它甚至不需要风扇。
这就是 BrainChip 的定位：
不是把Data Center GPU缩小一点，而是让AI进入以前根本放不进AI处理器的设备。
AKD1500可以搭配x86、ARM和RISC-V
AKD1500 并不是完整 application processor。
它更像一个 ultra-low-power companion AI accelerator。
可以通过 PCIe，SPI 等接口连接 host processor。
BrainChip 明确表示，AKD1500 可以与 x86，ARM，RISC-V 等主处理平台搭配。这样客户并不需要完全重新设计现有系统。
增加一块 AKD1500 M.2 模块以后，就可以让 Akida 处理 sensor AI、vision AI 或 anomaly detection。
Akida负责 ultra-low-power inference。
M.2模块让BrainChip更容易进入传统设备
2026 年 7 月，BrainChip正式推出 AKD1500 M.2 module。
这个产品非常重要，因为过去 neuromorphic processor 经常需要开发者自己做 custom board。
M.2 则是工业 PC、embedded PC 和很多服务器已经非常熟悉的 form factor。
客户可以像增加 SSD 或通信模块一样增加 Akida AI accelerator，而不必重新设计整块 motherboard。
BrainChip 把它定位于：
Industrial AI。
Commercial Edge AI。
Legacy System Upgrade。
Fanless AI。
这可能比单独卖裸芯片更容易形成实际市场。
BrainChip也开始进入RF和电子战
BrainChip 的市场现在已经不只是 computer vision。
2026 年，公司推出 Akida Communication Reference Platform，使用 AKD1500 对 RF signal 进行 classification，面向通信监测、signal intelligence 和 defense application。
这一应用其实特别适合 Neuromorphic Computing。
RF spectrum 本身就是 continuous time-series signal。
大量时间可能只是背景 noise。
真正需要识别的是：
某一种 communication signal 出现了。
某一种 radar waveform 出现了。
某一个异常 emitter 出现了。
Event-based temporal processing 在这种 workload 中可能比传统不断扫描完整频谱的 dense architecture 更节能。
BrainChip 目前也已经把 defense、aerospace、drone 和 electronic warfare 作为重要市场。
CES 2026开始展示更多真实产品
在 CES 2026 上，BrainChip 已经开始与多个合作伙伴展示 Akida-powered system。
例如 HaiLa Technologies 展示 AKD1500 与超低功耗 Bluetooth/Wi-Fi 的结合，用于 wearable visual classification；
Deep Perception 展示基于 AKD1000 的 drone 和 mobile visual pipeline；
Quantum Ventura 则展示利用 Akida Edge AI Box 运行 cybersecurity model。
这说明 BrainChip 的战略正在从：“这里有一种很有意思的Neuromorphic IP。”
逐渐转向：“这里有可以直接落地的解决方案。”
对于一家已经研发十多年的 AI semiconductor company 来说，这是非常关键的变化。
BrainChip也开始尝试本地LLM
很多人会认为 Neuromorphic AI只适合一个很小的 sensor，但 BrainChip 现在也正在尝试 Generative AI。
公司正在开发基于 TENNs 和 State-Space Model 的 Akida GenAI architecture，并已经推出 FPGA development environment，让客户评估 edge LLM、automatic speech recognition、audio denoising 和 RAG 等 workload。
BrainChip 在 2026 年 CES 相关资料中还展示了一个约 1.2B 参数规模的 on-device LLM 方向。
这里必须注意：BrainChip 并不是准备拿 Akida Pico 去运行 ChatGPT 级别的大模型。
它真正押注的是：Small Language Model + Edge AI。
例如：
本地 Voice Assistant。
设备控制。
Private RAG。
机器人语言接口。
离线 AI Agent。
这些模型比 Data Center LLM 小很多，但对 power 和 privacy 更敏感。
Akida 2 IP已经开始获得客户授权
BrainChip 的核心商业模式之一仍然是 IP licensing。
2026 年 3 月，韩国 semiconductor 企业 EDGEAI 获得 Akida 2 IP license，计划把 Akida 集成到未来 SoC 中，最初应用之一是智能 metering。
这类订单对 BrainChip 比单独卖几块 development board 更重要。
原因很简单。
一旦某个 SoC 厂商真正把 Akida IP 集成进去 每生产一颗 SoC，都可能产生 royalty。这和 ARM 的商业模式类似。
因此 BrainChip 长期真正希望建立的是：IP License + Royalty + Chip Sales，而不是单纯依靠开发板收入。
MegaChips是BrainChip很早的重要客户
日本 semiconductor 企业 MegaChips 是 BrainChip 最早的重要 Akida IP licensee 之一。
双方早在 2021 年就建立授权合作，MegaChips 可以把 Akida neuromorphic processor IP 用于客户 ASIC 和 SoC 项目。
对于 BrainChip 来说，这种 semiconductor design partner 很重要。
因为很多小型 IoT、industrial 和 consumer electronics 企业并没有能力自己从头设计 NPU。
BrainChip 可以通过 MegaChips 等 ASIC ecosystem 让 Akida进入更多 SoC。
与Arm、SiFive和Intel Foundry建立生态合作
BrainChip 这些年一直努力解决一个神经形态 AI 公司共同的问题：生态太小。
因此公司已经与 Arm、SiFive、Intel Foundry、Edge Impulse、Prophesee 等企业建立不同层面的合作。
与 Arm 的合作意味着 Akida 可以更加容易地进入 ARM-based SoC。
与 SiFive 的合作则让 Akida 可以搭配 RISC-V processor。
与 Edge Impulse 的合作帮助开发者把普通 embedded ML model 转换和部署到 Akida。
与 Prophesee 的合作则尤其有意思。
Prophesee 本身就是 Event-Based Vision Sensor 企业。
传统摄像头：每秒拍几十张完整照片。
Prophesee：只有 pixel 发生变化才产生 event。
BrainChip：只有 event 出现才计算。
两者组合以后：Event Camera + Event Processor。
这是一种非常自然的 Neuromorphic Vision System。
BrainChip的软件叫MetaTF
AI processor 能不能成功，很大程度取决于软件。
BrainChip 提供的主要 development environment 叫：MetaTF。
开发者可以使用：
TensorFlow / Keras。
PyTorch。
ONNX。
等常见模型，然后进行 quantization、conversion、optimization 和 Akida deployment。
BrainChip 现在还支持 hybrid execution。
也就是说，如果一个 ONNX model 并不是每一个 operator 都适合 Akida，适合的部分可以运行在 Akida，其他部分仍然交给 CPU。
这比要求开发者“整个模型必须重新写成 Spiking Neural Network”现实得多。
BrainChip未来路线：Akida 2.2、AKD2500和Akida 3
BrainChip 在 2026 年公布了比较清晰的 technology roadmap。
2025：Akida 2.0。AKD1500 tape-out。
2026 上半年：Akida 2.2。AKD1500 production chip。
2026 下半年：Project Sequent 1，Akida Pico，AKD2500 prototype tape-out。
2027：Akida 3，AKD2500 prototype，Project Sequent prototype，Pico prototype。
2028以后：AKD2500 production，下一代 Sequent 和 Pico。
这个 roadmap 说明 BrainChip 已经不再只有一个 Akida architecture。
产品正在逐渐分成：
超低功耗 Pico。
中等性能 AKD1500。
更强的 AKD2500。
下一代 Akida 3 / GenAI。
这与传统 semiconductor company 建立分层产品线的方式越来越接近。
2025年收入开始增长，但规模仍然很小
评价 BrainChip 时，一个非常重要的问题是：技术很有意思，但商业化到底做到什么程度？
BrainChip 2025 年年度报告显示，公司全年 revenue 约为 188.7万美元，比 2024 年的约 39.8 万美元增长约 374%。
但与此同时，公司 2025 年仍然净亏损约 2047万美元。
这两个数字必须同时看。
一方面：Revenue 确实明显增长。
另一方面：BrainChip 还远远没有进入能够依靠营业收入支持自身研发的阶段。
所以它仍然属于：Technology Commercialization Stage Semiconductor Company。
而不是成熟的大规模 AI chip vendor。
2026年前又获得2500万美元资金
在 CES 2026 之前，BrainChip 宣布完成约 2500万美元资本融资，主要用于继续开发和商业化 Akida 2、AKD1500、Akida GenAI 以及后续产品。
对于 BrainChip 来说，这笔资金非常重要。
半导体开发非常烧钱。
一颗新芯片需要：
RTL。
Verification。
EDA。
Tape-Out。
Wafer。
Packaging。
Testing。
Software。
Board Design。
Customer Support。
如果产品收入仍然只有几百万美元，公司就必须不断融资来支持新一代 silicon。
这也是投资者评价 BrainChip 时必须考虑的风险。
BrainChip和Hailo有什么不同？
BrainChip 和 Hailo 都专注 Edge AI。
但技术路线完全不同。
Hailo：高效率传统数字NPU。
它仍然主要执行 dense neural network computation，只是 architecture 非常优化。
BrainChip：Event-Based Neuromorphic NPU。
核心思想是利用 sparsity：有事件才计算。
因此 Hailo 更适合：高吞吐 Computer Vision，多路摄像头，工业视觉。
BrainChip 更突出：
Always-On Sensor。
Ultra-Low Power。
Event Camera。
Audio。
Radar。
Wearable。
Anomaly Detection。
两者虽然都属于 Edge AI accelerator，但最擅长的 workload 不完全一样。
BrainChip和MemryX有什么不同？
MemryX 采用：Pure Dataflow Architecture + At-Memory Computing。
它让数据连续穿过大量 Compute Engine，从而减少调度和 memory movement。
BrainChip 则采用：Event-Based Neuromorphic Computing。
MemryX 的核心思想是：让数据流得更高效。
BrainChip 的核心思想则更激进：没有重要数据，就不要计算。
因此：
MemryX主要优化 Dataflow。
BrainChip主要优化 Sparsity 和 Event Processing。
BrainChip和Mythic、EnCharge AI也完全不同
Mythic：Analog Compute-in-Memory。
EnCharge AI：Capacitor-Based Analog In-Memory Computing。
Rain AI：Digital In-Memory Computing。
BrainChip：Fully Digital Neuromorphic Computing。
前面几家公司主要解决的是：Memory Wall。也就是模型权重不断搬运的问题。
BrainChip更加关注：Computational Sparsity。也就是：为什么要计算那么多根本没有变化的数据？
这两类 architecture 实际上不是完全冲突的。
未来甚至可能出现：Neuromorphic + Compute-in-Memory。进一步减少 power。
BrainChip真正的竞争对手是谁？
Neuromorphic Computing 市场本身并不大，因此 BrainChip 的直接竞争者不像 GPU 市场那么明确。
Intel 长期开发 Loihi neuromorphic research processor。
IBM、SynSense、Innatera、GrAI Matter Labs 等企业和研究机构也在探索不同 neuromorphic architecture。
但 BrainChip 最大的竞争实际上可能并不是另一颗 neuromorphic chip。
而是越来越低功耗的传统 NPU。
如果 Qualcomm、Arm、Synopsys、Cadence、Hailo 或 MCU 内置 NPU 已经可以用几十毫瓦完成某个任务，那么客户未必愿意为了进一步节省功耗采用一种全新的 architecture。
因此 BrainChip 必须证明：Event-Based AI不仅更省电，而且真的值得客户改变芯片设计。
BrainChip最大的优势
BrainChip 最大的优势是技术路线非常鲜明。
今天绝大多数 AI accelerator 都在做同一件事：
更多 MAC。
更多 TOPS。
更多 memory bandwidth。
BrainChip 问的是：这些计算真的全部有必要吗？
对于 Always-On Sensor 来说，这个问题非常有意义。
第二个优势是 Fully Digital。相比很多 Analog Neuromorphic processor，更容易使用传统 foundry 工艺制造。
第三个优势是可以 On-Chip Learning。设备可以进行 local personalization，而不完全依赖 cloud。
第四个优势是功耗极低。AKD1500 已经进入数百毫瓦级，Akida Pico 更进一步进入微瓦到毫瓦级。
第五个优势是 IP Licensing。
BrainChip 不一定需要自己成为 NVIDIA 那样的大型 chip manufacturer。
如果 Akida最终进入大量 MCU 和 SoC，它可以采用类似 ARM 的 royalty model。
BrainChip最大的风险
BrainChip 最大的问题也非常明显：商业化速度一直比较慢。
公司成立已经超过十年，Akida也已经推广多年，但收入规模仍然不大。
2025 年收入虽然同比增长 374%，但总额仍然只有约 188.7 万美元，而净亏损仍超过 2000 万美元。
第二个风险是生态。GPU有 CUDA。
传统 NPU大量支持 ONNX、TensorFlow、PyTorch。
BrainChip必须不断让开发者能够在不重新设计整个 model 的情况下使用 Akida。
第三个风险是传统 NPU 功耗同样在快速下降。
很多 MCU现在已经开始拥有 AI accelerator。
第四个风险是应用市场比较分散。
Wearable、Radar、Industrial IoT、Medical、Drone、Defense 每一个市场需求都不同。
BrainChip需要找到几个真正能够达到百万颗甚至千万颗销量的“杀手级应用”。
BrainChip现在最大的变化是什么？
如果看 2021 年的 BrainChip，它主要是一家：卖Neuromorphic IP故事的公司。
如果看 2026 年的 BrainChip，变化已经非常明显。
公司现在开始同时拥有：
AKD1000。
AKD1500。
AKD1500 M.2。
Akida 2 IP。
Akida Pico。
RF Communication Reference Platform。
Radar Reference Platform。
Private Voice Assistant。
Akida Cloud。
Akida GenAI。
以及正在开发中的 AKD2500 和 Akida 3。
这说明 BrainChip 正努力从：一家拥有特殊处理器架构的公司。
变成：一家真正拥有产品线的Edge AI semiconductor公司。
这是它未来几年最重要的变化。
BrainChip值得关注吗？
BrainChip 是 AI 加速器行业里非常值得关注的一家公司，因为它代表了一条与 GPU、NPU、Compute-in-Memory 和 Photonic Computing 都完全不同的路线：
Neuromorphic Computing。
今天 AI 行业的主流思路仍然是：
模型越来越大。
芯片越来越强。
HBM越来越快。
Data Center越来越大。
但现实世界里大量 AI 并不需要几千亿参数。
很多真正需要 AI 的设备只是想知道：
有人来了没有？
机器是不是出现异常？
刚才是不是有人说了唤醒词？
雷达有没有发现目标？
心电图有没有发生异常？
对于这些问题，一颗 1000 TOPS 的 GPU 并不一定是最好的答案。
也许真正需要的是：一颗几百毫瓦甚至不到1毫瓦、能够一直开着的AI处理器。
这就是 BrainChip 所押注的市场。
AKD1500 已经把完整 neuromorphic AI accelerator 推到约 800 GOPS、300mW 以下的功耗范围，
而 Akida Pico 进一步把针对特定 always-on workload 的 AI 推到 micro-watt 到 milli-watt 级。
同时 BrainChip 又通过 Akida 2、TENNs 和 Akida GenAI，试图让神经形态架构从传统 Spiking Neural Network 扩展到 Vision Transformer、time-series model、State-Space Model 甚至小型 LLM。
所以 BrainChip 真正值得关注的问题不是：它能不能做出比NVIDIA更高的TOPS？
答案显然不是它的目标。
真正的问题是：
未来数十亿个传感器、可穿戴设备、机器人和智能终端，会不会需要一种几乎不耗电、永远在线的AI？
如果答案是肯定的，那么 Neuromorphic Computing 就可能拥有自己的市场。
而 BrainChip 已经是这个领域最早进入商业 silicon、IP licensing 和实际产品化阶段的公司之一。
如果把 NVIDIA 的路线概括为：让AI拥有越来越强大的“大脑”。
那么 BrainChip 的路线可以概括为：让每一个小设备，都拥有一颗几乎不用休息、却又几乎不耗电的小脑。