AI加速器企业：Innatera——把“脉冲神经网络”做进微控制器的超低功耗类脑芯片公司
Innatera 是一家来自荷兰的 Neuromorphic Computing，也就是神经形态计算和类脑 AI 芯片企业，主要开发面向 Sensor Edge 的超低功耗人工智能处理器。
与 NVIDIA、AMD 等不断增加 GPU 算力的公司不同，Innatera 关注的并不是如何在数据中心里运行几千亿参数的大模型，而是另外一个规模同样巨大的问题：怎样让数十亿个摄像头、雷达、麦克风、可穿戴设备和工业传感器，在几乎不耗电的情况下持续拥有 AI。
Innatera 的核心产品叫做 Pulsar Spiking Neural Processor。
它不是一颗普通 NPU，而是一种把 Spiking Neural Network（SNN，脉冲神经网络）、传统 CNN 加速器、FFT 信号处理单元和 RISC-V CPU 集成在一起的异构 Neuromorphic Microcontroller。
Pulsar 采用 event-driven，也就是事件驱动方式工作，只有真正有意义的数据出现时才激活相关神经元，因此特别适合 Always-On AI、Human Presence Detection、Wearable、Radar、Audio、Industrial Monitoring 和其他需要长时间持续感知的设备。
Innatera来自荷兰代尔夫特理工大学
Innatera 成立于 2018 年，是荷兰 Delft University of Technology，代尔夫特理工大学的技术衍生企业。
公司联合创始人包括 Sumeet Kumar、Amir Zjajo、Rene van Leuken 和 Uma Mahesh 等。
目前由联合创始人 Sumeet Kumar 担任 CEO，Amir Zjajo 担任 Chief Scientific Officer。
公司总部位于荷兰，已经发展到超过 100 名员工，其中 70 多人为工程技术人员，团队成员来自约 15 个国家。
Innatera 背后的技术并不是 ChatGPT 热潮以后突然出现的项目。
团队在成立公司以前已经进行了多年 Neuromorphic Computing、Analog/Mixed-Signal IC 和 Spiking Neural Network 研究，并通过多代 test silicon 不断验证架构。
公司在 2021 年还进入 Intel Ignite accelerator program，随后获得 European Innovation Council 支持，并逐步从科研芯片走向真正能够量产的商业产品。
Innatera到底想解决什么问题？
Innatera 关注的是一个非常现实的问题：今天传感器产生的数据太多了。
摄像头不断产生图像。
雷达不断产生反射数据。
麦克风不断产生声音。
智能手表不断采集 IMU、ECG 和其他生物信号。
传统系统通常会把这些数据持续送给 MCU、CPU、DSP 或 NPU，然后不断运行算法判断：
有没有人？
有没有异常声音？
机器是不是振动异常？
用户有没有跌倒？
有人是不是挥了一下手？
问题是，现实世界的大部分时间其实什么重要事情都没有发生。
例如一个智能门铃可能一天 24 小时都在监控门口，但真正有人出现的时间只有几十分钟。
如果处理器仍然每秒处理几十帧完整数据，就会消耗大量没有必要的能源。
Innatera 的思路是：没有重要变化，就不要做大量计算。
这也是 Spiking Neural Network 最核心的价值。
什么是Spiking Neural Network？
传统深度神经网络通常使用连续数字。
一个 neuron 接收输入以后执行乘法、加法和 activation，然后把结果传给下一层。这种计算通常每一个 clock cycle 都在发生。
Spiking Neural Network 则更加接近生物神经系统。
神经元平时保持安静。只有 accumulated input 达到一定 threshold 以后才产生一个：Spike。
然后这个 spike 才传给其他 neuron。
因此信息并不是持续不断的 floating-point number，而是一系列离散 event。
这种方式天然具有：Temporal Sparsity。也就是时间上的稀疏性。
以及：Spatial Sparsity。也就是只有部分神经元在某一时刻工作。
如果没有 event，大量神经元根本不需要计算。
这就可能大幅降低 AI 的能源消耗。
Pulsar：Innatera真正走向量产的核心产品
Innatera 最重要的产品是：Spiking Neural Processor Pulsar。
公司最早在 CES 2024 展示 Spiking Neural Processor T1，随后提供 Early Access evaluation kit。
经过进一步产品化以后，2025 年 5 月正式推出 Pulsar，并把它定位为面向 Sensor Edge 的 mass-market neuromorphic microcontroller。
Pulsar 与传统 Neuromorphic Research Chip 最大的区别在于：
它不是只展示 SNN，而是做成了一颗真正可以放进嵌入式产品中的 MCU。
一颗 Pulsar 里面同时拥有：
Spiking Neural Network Engine。
32-bit RISC-V CPU。
CNN Accelerator。
FFT / iFFT Accelerator。
SRAM。
ADC。
DMA。
以及 I2C、I2S、UART、QSPI、GPIO 等嵌入式接口。
因此 Pulsar 并不是实验室里的“电子大脑”。
它是一颗真正意义上的：Neuromorphic SoC。
Pulsar同时拥有SNN、CNN和RISC-V
这是 Innatera 与很多早期神经形态芯片最大的不同之一。
过去一些 Neuromorphic Architecture 非常擅长 SNN。
但问题是 现实产品不可能只运行 SNN。
一个智能 sensor 还需要：
Signal Processing。
FFT。
Control Logic。
Communication。
Traditional CNN。
Data Conversion。
Firmware。
如果所有这些任务都要交给另外一颗 MCU，那么系统还是很复杂。
Innatera 因此把多种 computing architecture 集成到 Pulsar。
SNN Engine：负责 ultra-low-power event-driven AI。
CNN Accelerator：负责传统 convolutional neural network。
FFT Accelerator：负责 audio、radar 和其他 signal processing。
RISC-V CPU：负责 firmware、system control 和通用程序。
这种设计可以概括为：
SNN负责“像大脑一样高效率感知”，RISC-V和传统数字加速器负责现实系统中其他必须完成的工作。
Innatera实际上是Analog + Digital混合路线
Innatera 与 BrainChip 之间有一个很重要的区别。
BrainChip Akida 强调：Fully Digital Neuromorphic Computing。
Innatera 则采用：Analog Mixed-Signal Neuromorphic Computing。
Innatera 早期 Spiking Neural Processor 的核心包括 analog neuron-synapse arrays，使用模拟电路实现部分神经元和突触行为，同时又使用数字 CPU、memory、interfaces 和 accelerator 完成其他工作。
公司自己也把这套技术描述为 proprietary analog-mixed signal neuromorphic architecture。
这是一种非常有意思的折中。
模拟神经元 能源效率非常高。数字电路 稳定、可编程，而且容易构建完整系统。
因此 Pulsar 并不是 纯模拟 AI 芯片。也不是 纯数字 NPU。
而是：Analog Neuromorphic Core + Digital Computing Platform。
为什么模拟神经元适合SNN？
生物神经元本质上也是一种模拟系统。神经元不断积累来自其他神经元的刺激。
当电位超过 threshold 产生 spike。然后重新开始。
如果完全使用普通数字逻辑模拟这一过程，就需要大量 digital operations。
模拟电路则可以利用：
Voltage。
Current。
Capacitance。
直接表现 neuron state。
从物理层面上看，这种方式更加接近真正神经元工作方式。
因此对于 SNN 来说：Analog Circuit 可能具有非常高的 energy efficiency。
当然，模拟电路也会带来：
Process Variation。
Noise。
Temperature Sensitivity。
Calibration 等问题。
这也是为什么 Innatera 并没有把整颗 chip 全部模拟化，而采用 mixed-signal architecture。
Pulsar的尺寸只有2.8 × 2.6毫米
Pulsar 并不是一颗大型 AI processor。
它的 WLCSP package 只有约：2.8 × 2.6毫米。
内部拥有：
384KB embedded SRAM。
128KB CNN dedicated memory。
32KB retention SRAM。
RISC-V CPU最高 system frequency约160MHz。
同时支持：QSPI，I2C，UART，I2S，GPIO，ADC，并支持从 -40°C 到 125°C 的工业温度范围。
这些规格说明 Innatera 真正瞄准的是：
Sensor。
Wearable。
IoT。
Industrial Device。
Battery-Powered Equipment。
而不是 AI Server。
真正惊人的不是TOPS，而是微瓦和毫瓦
Innatera 基本不使用 NVIDIA 那种几百 TOPS 的方式宣传 Pulsar。
因为对于 Neuromorphic Computing 来说 TOPS 并不是最重要的指标。
Pulsar真正强调的是：Microwatt Power。
以及：Sub-Millisecond Latency。
Innatera 表示，Pulsar可以在微瓦到毫瓦级功耗范围实现 always-on event-driven inference，并在某些 workload 中获得亚毫秒级响应。
公司公布的比较数据还宣称，其 neuromorphic architecture 在针对性应用上最高可以比传统 Edge AI 方案降低约 500倍 energy consumption，并降低最高约 100倍 latency。
这些属于 Innatera 自己公布的对比指标，实际改善幅度会根据 sensor、model、accuracy 和 baseline processor 不同而变化。
这里真正应该理解的是：
Innatera并不是想说：“Pulsar比NVIDIA GPU快100倍。”
而是：在某些 Always-On Sensor workload 中，根本没有必要启动大型CPU或NPU。
Always-On AI是Innatera真正的市场
很多设备需要一直保持感知状态。
例如智能摄像头需要随时知道 是不是有人出现。
智能门锁需要知道 是不是有人靠近。
智能音箱需要判断 有没有人说话。
可穿戴设备需要判断 用户是不是跌倒。
工业机器需要判断 振动是不是突然异常。
这些应用有一个共同点：不能关闭AI。
但又不能一直让主 CPU 满负荷工作。
因此最佳方案是 一个几乎不耗电的小 processor 一直监听。
真正出现重要 event 时 再唤醒主 processor。这正是 Pulsar 的核心应用模式。
Radar可能是Pulsar最适合的应用之一
Innatera近年来非常强调：Radar + Neuromorphic AI。
2026 年，公司与日本半导体企业 Socionext 联合展示了 60GHz FMCW radar + Innatera Spiking Neural Processor 的 Human Presence Detection system。
系统可以利用雷达检测环境中的 3D movement，然后 Pulsar 在 sensor edge 直接判断：
是不是人。
是不是动物。
是不是树叶。
是不是环境噪声。
是不是静止的人。
双方公布的演示中，human presence detection accuracy 超过 99%，Neuromorphic processing 部分保持 sub-milliwatt 功耗。
通过这种设计，Camera、Radio 或其他大型 subsystem 可以继续睡眠。
只有确认真正有人存在以后 才被唤醒。
Socionext 和 Innatera 表示，这种架构可以让部分 battery-powered system 的电池寿命提高约 3到6倍。
这就是 Neuromorphic Computing 最容易体现价值的地方。
智能门铃不需要一天24小时运行完整AI
例如一台 smart doorbell。
传统方式可能是：
Radar检测运动。
Camera启动。
CPU启动。
NPU运行 Human Detection。
然后才发现：
刚才只是树叶动了。
如果一天发生几千次 false trigger：
电池会很快耗尽。
Innatera希望变成：Radar → Pulsar。
Pulsar首先判断 是不是人。如果不是 ，整个系统继续睡眠。
只有真正检测到人， Camera + Application Processor 才启动。
这种 architecture 的价值不是 “AI算得更快。” 而是 避免大量AI根本没有必要启动。
Wearable也是Innatera的重要市场
智能手表、耳机、戒指和其他 wearable device 都拥有大量 sensor。
例如：IMU，Microphone，ECG，EMG，Radar，Motion Sensor。
这些设备最大的限制不是计算能力，而是：Battery。用户不可能愿意每天给一只智能戒指充电三次。
Pulsar可以直接长期处理：
Activity Recognition。
Gesture Recognition。
Wake Word。
Audio Event Detection。
ECG Anomaly。
EMG Signal。
而无需一直启动主 processor。
2026 年 Innatera 还扩大了与 CYRAN AI 的合作，双方已经展示过 EMG 相关 prototype，并继续向 wearable、audio intelligence 和其他低功耗 intelligent sensing 应用扩展。
工业预测性维护同样非常适合SNN
Industrial Predictive Maintenance 也是 Innatera 很重要的应用。
一台工业 motor 正常运行时 vibration pattern 通常比较稳定。
真正重要的是 什么时候 pattern 突然变化。
传统方案可以让 CPU 持续执行 vibration analysis。
但是一台工厂可能拥有：
几千台 motor。
几十万个 sensor。
如果每一个 sensor 都必须连接 Cloud 或运行大型 processor，成本和功耗都很高。
Neuromorphic Processor 则可以直接安装在 sensor 附近。
正常 几乎什么都不做。
异常 立即产生 event 并进行 classification。
2026 年 Embedded World 上，Innatera 就与 42 Technology 展示了基于 real-time sensing 和 local decision-making 的 predictive maintenance 应用。
Audio是另一类天然适合事件驱动的AI
麦克风产生的是连续数据。
但现实设备真正关心的通常只有：
Wake Word。
Baby Cry。
Glass Breaking。
Alarm。
Machine Failure Sound。
Voice Activity。
传统系统可能必须一直运行 neural network。
Pulsar则可以通过 Spiking Neural Network 对 temporal audio data 进行事件式处理。
2026 年，中国 ODM 企业 Joya Design 已经把 Pulsar 集成到 Joya EdgeCore AI module，面向婴儿床、婴儿车和其他便携式智能消费设备，重点正是 Always-On Audio Intelligence。
这也是 Innatera 从 development kit 走向真实 consumer product design 的重要一步。
Physical AI可能成为Innatera新的增长方向
2026 年以后，Innatera越来越频繁使用一个词：Physical AI。
所谓 Physical AI，就是 AI 不只是回答问题，而是：看，听，感知，移动，控制现实世界。
例如：机器人，智能家庭，无人机，工业设备，汽车，Wearable。这些系统都需要 continuously sensing environment。
但如果所有 raw sensor data 都送给一个大型 GPU，
Power。
Latency。
Bandwidth 都会成为问题。
因此 Innatera 的判断是：未来 Physical AI 不只是需要一个“大脑”。
还需要大量分布在 sensor 附近的：小脑。
Pulsar扮演的就是这种角色。
Talamo SDK：不懂SNN也能开发
Neuromorphic Computing 最大的商业障碍之一一直是：开发太难。
普通 AI engineer 熟悉：
PyTorch。
TensorFlow。
CNN。
Transformer。
但并不熟悉：
Spike Encoding。
Neuron Dynamics。
Spiking Neural Network Training。
如果一个开发者为了使用 Innatera 必须重新学习整个计算机科学体系，这种芯片就很难进入市场。
Innatera 因此开发了：Talamo SDK。
Talamo允许开发者继续使用熟悉的 Python、PyTorch 和 TensorFlow workflow，然后由工具完成：
Spike Encoding。
SNN Model Training。
Quantization。
Compilation。
Hardware Mapping。
Simulation。
Deployment。
Innatera甚至强调：No Prior SNN Knowledge Required。
这实际上可能比芯片本身更重要。
Synfire：Innatera想推动神经形态AI标准化
2026 年 3 月，Innatera 又推出一个很值得关注的新项目：Synfire。
Synfire 并不是另一颗芯片，而是一个 open、community-driven neuromorphic platform，目标是解决目前 Neuromorphic Computing 最大的问题之一：生态碎片化。
不同公司拥有：
不同 SNN framework。
不同 model format。
不同 hardware。
不同 compiler。
不同 deployment pipeline。
结果是一个研究机构训练的 SNN，可能很难直接部署到另外一家公司的 neuromorphic processor。
Synfire 希望推动：
Interoperability。
Reproducibility。
Standard Model Exchange。
统一开发者和研究生态。
这说明 Innatera 已经意识到：
真正决定 Neuromorphic Computing 能否进入主流的，不只是下一颗芯片快多少。还必须建立软件和标准。
2026年与Akeana合作RISC-V
Pulsar 当前已经拥有 32-bit RISC-V CPU。
2026 年 6 月，Innatera 又宣布与 RISC-V processor IP 企业 Akeana 建立合作，为未来 Edge AI architecture 引入更完整的 RISC-V processing capability。
这个合作非常符合 Innatera 的长期路线。
它并不是想让 SNN 完成所有计算。
未来 Edge AI 很可能是一种高度异构的架构：
RISC-V：处理程序控制和传统软件。
SNN：处理超低功耗 temporal sensing。
CNN：处理传统视觉模型。
DSP：处理 signal processing。
甚至进一步加入其他 AI accelerator。
这可能比“让所有事情都交给一个NPU”更加现实。
Pulsar已经不只是实验芯片
这一点非常重要。
Neuromorphic Computing 已经研究几十年。
Intel 有 Loihi。
大学拥有大量 research chip。
但“能够运行”与“能够卖给普通电子产品厂商”是完全不同的阶段。
Innatera 在 2024 年推出 T1 early-access hardware。
2025 年正式推出 Pulsar。
同年 Pulsar 获得 COMPUTEX 2025 Microcontrollers、Microprocessors & IP 类别 Best-in-Show。
进入 2026 年以后，Pulsar 已经出现在 Aaroh Labs、CYRAN AI、Joya、Socionext、42 Technology 等合作项目中，并开始进入实际 consumer、industrial 和 sensing product design。
所以今天评价 Innatera 更合适的说法是：
正在从Neuromorphic Research Company进入Commercial Semiconductor Company。
2024年Series A融资约2100万美元
Innatera 在 2024 年完成了非常重要的一轮融资。
2024 年 3 月，公司首先宣布完成约 1500万欧元 Series A。
投资者包括：
Invest-NL Deep Tech Fund。
European Innovation Council Fund。
MIG Capital。
Matterwave Ventures。
Delft Enterprises。
随后这一轮继续扩展。
到 2024 年 6 月，公司宣布整个 Series A 最终达到约 2100万美元，新增投资者包括 Innavest 等机构。资金主要用于 Pulsar 的 mass production、扩大客户合作以及商业化。
这对于一家 Neuromorphic startup 来说已经是一轮规模比较明显的融资，但与融资数亿美元甚至几十亿美元的大型 Generative AI accelerator 企业相比仍然非常小。
原因也很简单：
Innatera做的不是：HBM + 大型先进封装 + 巨型GPU。
它做的是：几毫米大小、微瓦到毫瓦级的 Sensor AI MCU。
欧盟也在支持Innatera
2023 年，Innatera 被选入 European Innovation Council Accelerator program。
欧盟 CORDIS 资料显示，其相关 Spiking Neural Processor 项目总规模约 356万欧元，其中欧盟直接支持约 249万欧元。
对于欧洲来说，Innatera 也具有一定战略意义。
欧洲在 NVIDIA 式大型 GPU 市场并没有形成特别强的本土企业。
但在：
Edge AI。
Automotive。
Industrial IoT。
Sensors。
Neuromorphic Computing。
欧洲仍然拥有很强的大学和半导体研究基础。
Innatera正是这种路线的代表之一。
Innatera计划2030年让10亿个传感器拥有AI
Innatera 的长期目标非常明确：到2030年，让10亿个sensor变得智能。
这里可以看出公司与 Cerebras 或 Groq 的战略完全不同。
Cerebras关注：越来越大的 AI model。
Innatera关注：越来越多的小型 sensor。
如果一个未来的世界拥有：数百亿个 sensor，其中哪怕只有一小部分采用几美元甚至更便宜的 neuromorphic MCU，市场规模也非常可观。
因此 Innatera真正押注的不是：一个模型需要多少GPU。
而是：未来世界需要多少个一直在线的智能传感器。
Innatera和BrainChip有什么不同？
Innatera 与 BrainChip 都属于非常典型的 Neuromorphic AI 企业。但路线不同。
BrainChip：Fully Digital Neuromorphic Computing。
核心产品：Akida。
强调：
Event-Based Processing。
Digital SNN。
On-Chip Learning。
IP Licensing。
AKD1500、Akida Pico 等不同产品。
Innatera：Analog Mixed-Signal Neuromorphic Computing。
核心产品：Pulsar。
强调：
Spiking Neural Network。
Analog Neuron/Synapse。
Sensor Processing。
RISC-V + CNN + FFT 异构架构。
Always-On Sensor Edge。
因此简单概括：
BrainChip更像：Neuromorphic AI Processor Platform。
Innatera更像：Neuromorphic Sensor Microcontroller。
Innatera和SynSense有什么不同？
Innatera 与 SynSense 的距离实际上更加接近。
两家公司都 来自欧洲神经形态科研体系。
都研究 Spiking Neural Network，Analog / Mixed-Signal Neuromorphic Computing。
都关注 毫瓦级和微瓦级AI。
都针对 Sensor Edge。
但是 SynSense 的一个明显特点是：Sensor + Compute Integration。
例如 Speck，直接把 DVS Event Sensor 与 SNN processor 放到同一颗芯片中。
收购 iniVation 后，SynSense拥有非常强的 Event Camera 能力。
Innatera则更强调：Processor连接各种不同sensor。
Radar。
Microphone。
IMU。
ECG。
EMG。
Camera。
都可以成为 Pulsar 的输入。
因此可以简单理解为：
Innatera：通用类脑Sensor Processor。
Innatera和普通TinyML MCU有什么不同？
例如：
Arm Cortex-M。
STM32。
Renesas。
Ambiq。
以及大量内置 NPU 的 MCU。
它们同样可以运行 TinyML。
所以一个自然的问题是：为什么还需要 Pulsar？
Innatera的答案是：Traditional TinyML仍然主要是Clock-Driven Dense Computing。
即使 model 很小 ，CPU或NPU仍然不断运行完整 computation。
Pulsar则利用：Event-Driven SNN。只有真正相关的 neuron 才 firing。
所以对于：
Sparse Temporal Data。
Always-On Detection。
低频事件。
这种 workload 能源效率可能拥有数量级优势。
但如果应用本身是 每一帧都需要完整 CNN，或者 大型 Transformer，那么 Pulsar 就不一定比传统 NPU 更合适。
这一点非常重要。
Neuromorphic不是万能 architecture。它必须用在合适的问题上。
Innatera最大的优势
Innatera 最大的优势首先是：功耗。
如果真正需要 Always-On AI，那么微瓦和毫瓦级处理器非常有吸引力。
第二是：Latency。SNN本质上 event-driven，因此不需要等待完整 frame 或 batch。
第三是：异构架构。Pulsar不只有 SNN，还拥有 RISC-V、CNN 和 FFT。这使它更容易进入真实产品。
第四是：Sensor-Agnostic。不局限于一种 event camera。Radar、Audio、IMU、生物信号都可以处理。
第五是：软件越来越成熟。Talamo降低了普通 AI developer 使用 SNN 的门槛。
Synfire又进一步尝试解决整个 neuromorphic ecosystem fragmentation。
第六是：正在进入真实产品。
Pulsar已经不只是 test chip，而开始出现在消费、工业和 wearable 项目中。
Innatera最大的风险
Innatera面临的最大问题首先和 BrainChip、SynSense一样：
Neuromorphic Computing仍然不是AI主流。
大多数 AI developer 使用：
PyTorch。
Transformer。
CNN。
普通 ANN。
而不是 SNN。
第二个问题是：传统 MCU 和 NPU 功耗越来越低。
如果一颗普通 MCU 用几毫瓦已经能够完成客户想要的任务，客户为什么还要采用全新的 SNN architecture？
所以 Innatera 必须证明 不是节省20%，而是 节省10倍、100倍甚至更多。
第三个问题是：商业规模。
目前已经出现真实合作和产品设计，但这些 design win 最终能不能转化成 百万颗 ，千万颗，甚至公司目标中的十亿颗。还需要时间证明。
第四个问题是：模拟电路制造。
Analog Mixed-Signal Neuromorphic Architecture 可以带来极高效率，但设计、校准、process variation 和验证都比普通 digital MCU 更复杂。
第五个问题是：没有一个统一的 neuromorphic ecosystem。
Innatera推出 Synfire，实际上正说明这个问题仍然存在。
Innatera正在从“芯片公司”变成“平台公司”
如果看 2023 年以前的 Innatera：
核心是：Spiking Neural Processor architecture。
2024 年 核心变成：T1 Evaluation Platform。
2025 年：Pulsar正式商业化。
2026 年：公司明显开始建立更加完整的 ecosystem。
包括：
Pulsar。
Talamo SDK。
Synfire。
Socionext Radar Solution。
CYRAN AI Wearable。
Joya Consumer Module。
Byte Lab Industrialization。
Akeana RISC-V。
Synopsys Design Tools。
以及更多 solution partner。
这说明 Innatera 的目标已经不是：“我有一颗很省电的芯片。” 而是：让普通 OEM 真正能够把 Neuromorphic AI 放进产品。
这是从 Research Technology 走向 Semiconductor Business 最重要的一步。
Innatera值得关注吗？
Innatera 是目前全球 Neuromorphic AI 领域非常值得关注的一家公司。
它的技术路线并不适合取代 NVIDIA。
事实上 两者几乎不是竞争关系。
Innatera解决的是：一个几百毫安时电池的设备，怎样让AI一天24小时一直运行。
未来 AI 世界很可能同时存在这两种极端。
一边是：拥有几十万颗 GPU 的 AI Data Center。
另一边则是：几十亿个只拥有几毫瓦 power budget 的智能 sensor。
而后者的数量可能远远超过 GPU。
Pulsar 正是为这个世界设计的。
它把：
Spiking Neural Network。
Analog Neuromorphic Core。
RISC-V CPU。
CNN Accelerator。
FFT Accelerator。
Sensor Interface。
全部放进一颗只有约 2.8 × 2.6毫米 的 chip 中，并针对微瓦到毫瓦级 Always-On AI 优化。
2026 年以后，Innatera已经开始从“证明 SNN 可以工作”进入下一个阶段：
证明 SNN 可以真正进入消费电子、工业、机器人和智能传感器。
与 Socionext 的 60GHz radar 方案已经展示超过99% human-presence detection accuracy，同时保持 sub-milliwatt neuromorphic processing；
Joya开始把 Pulsar 做进消费设备 AI module；
CYRAN AI 正在推进 wearable 和 EMG 应用；
42 Technology 则把它用于 industrial predictive maintenance。
这些实际应用比“又发布了一颗神经形态芯片”更加重要。
因为 Neuromorphic Computing 过去最大的挑战从来不是缺少论文。
而是 缺少真正需要它的产品。
Innatera现在正在尝试改变这一点。
如果把 NVIDIA 的路线概括为：让AI拥有一个越来越强大的中央大脑。
BrainChip 的路线是：把事件驱动的小脑放进各种边缘设备。
SynSense 的路线是：让Sensor和类脑Processor一起感知世界。
那么 Innatera 的路线可以概括为：在每一个传感器旁边，放一颗几乎不耗电、只有真正发生事情时才开始思考的小脑。
而它为自己设定的目标也非常明确：到2030年，让10亿个传感器拥有这样的智能。