AI加速器企业：SynSense时识科技——让摄像头、传感器和脑机接口“有事件才计算”的类脑芯片公司
SynSense，中文名时识科技，是一家专注于 Neuromorphic Computing，也就是类脑计算和神经形态计算的 AI 芯片企业。
与 NVIDIA、AMD 等依靠 GPU 处理大型矩阵运算的公司不同，SynSense 并不追求几百 TOPS、几千 TOPS 的绝对算力，而是试图模仿生物神经系统的工作方式：只有真正出现变化和事件时才进行计算，从而把 AI 功耗降低到毫瓦甚至微瓦级。
公司的核心方向已经从早期的低功耗边缘 AI 进一步扩展到人机交互、AR/VR、机器人、动态视觉、可穿戴设备以及脑机接口。
SynSense 成立于 2017 年，最早诞生于瑞士苏黎世，技术基础来自苏黎世大学与苏黎世联邦理工学院 ETH Zurich 的 Institute of Neuroinformatics。
公司由乔宁博士与类脑计算领域著名学者 Giacomo Indiveri 教授共同创立，依托二十多年 neuromorphic hardware 研究积累。
2020 年以后公司把业务重心进一步转向中国，目前已经在上海、宁波、成都和苏黎世形成研发和业务布局，研发人员约占员工总数的 75%。
SynSense到底做什么？
如果用一句话解释 SynSense，可以说：
它希望把“传感器”和“AI大脑”尽可能放到一起，让设备不用把所有数据都送给CPU或GPU以后再决定发生了什么。
传统摄像头通常每秒产生 30、60 甚至 120 张完整图像。即使画面中什么都没有变化，每一个 pixel 仍然被一次又一次读取，然后送进 CPU、GPU 或 NPU。
传统麦克风也是类似情况。设备必须持续采集声音，再由处理器不断判断：
有没有人讲话？
是不是有人说了唤醒词？
机器是不是出现异常声音？
这种工作方式非常直接，但对于需要一天 24 小时运行的电池设备来说，会浪费大量能源。
SynSense 希望改变这一点。
它的核心思想是：没有事件，就尽量不要产生数据。没有有意义的数据，就尽量不要计算。
这正是 Neuromorphic Computing 最基本的逻辑。
什么是类脑计算？
人的大脑与传统 CPU 工作方式非常不同。
CPU 有一个高速 clock，不断执行 instruction。
但是生物神经元不是这样工作的。
神经元大部分时间处于安静状态，只有受到足够刺激以后才会产生 spike，也就是神经脉冲，然后把信息传递给其他神经元。
这种系统天然具有几个特点：
高度并行。
高度稀疏。
事件驱动。
异步运行。
因此它开发的不只是传统意义上的 Neural Processing Unit，而是包括 Spiking Neural Network、Event-Based Vision、Asynchronous Computing 以及 Sensing-Computing Integration 在内的一整套类脑计算技术。
SynSense最大的特点：感算一体
SynSense 与很多 Neuromorphic Computing 企业之间最大的区别之一，是它非常强调：Sensing + Computing。
也就是：感知和计算一体化。
传统系统通常是：
Sensor → 数据 → Processor → AI Model → Result。
SynSense 希望进一步缩短成：Sensor + AI Processor → Result。
传感器自己首先判断哪里发生了变化，只输出真正重要的信息，神经形态处理器再立即对这些 event 进行计算。
这样就可以同时减少：
Sensor数据量。
Memory访问。
CPU负担。
AI计算量。
以及数据传输功耗。
SynSense 官方把这种路线称为“感算一体”，目前最典型的产品就是 Speck。
Speck：把动态视觉传感器和AI处理器做进同一颗芯片
Speck 是 SynSense 最具有代表性的 AI 芯片。
它把 Dynamic Vision Sensor，DVS 和 Spiking Neural Network Processor，SNN处理器直接集成到同一颗 SoC 中。
这和普通摄像头完全不同。
普通 CMOS Camera：每隔固定时间拍摄完整图像。
DVS Event Camera：只有某一个pixel亮度发生变化时才发送event。
例如一个人站在房间里完全不动：
普通摄像头仍然每秒产生几十张完整照片。
Event Camera 则只产生很少数据。
如果这个人突然挥手：
只有发生运动的部分产生大量 event。
于是 AI processor 根本不需要不断分析整个场景。
Speck 就是在这样的事件数据上直接运行神经网络。
Speck功耗可以低到1毫瓦左右
Speck 最令人印象深刻的不是 TOPS，而是功耗。
SynSense 当前资料显示，典型 Speck 2f 可以在约 1mW 功耗下持续运行视觉感知，并实现约 10.9K neurons/mm² 的神经元密度。
当前 Speck 系列产品根据配置可以集成约 30 万到 100 万个神经元，端到端响应可以控制在数毫秒级。
一毫瓦是什么概念？
很多传统 AI accelerator 的功耗是：几瓦，几十瓦，大型 GPU 几百瓦。
而 Speck 的目标不是替代这些大型 processor。
它针对的是：必须永远开着，但绝大多数时间又没有大量事情发生的AI。
例如：眼动追踪，手势识别，人员接近检测，智能门锁，AR眼镜，监控设备，工业传感器。
这些应用中，1mW 和 5W 之间的区别可能直接决定设备能不能使用电池长期运行。
Speck真正适合AR和VR
AR/VR 是 SynSense 近年来越来越重要的应用市场。
例如 VR 头显需要持续进行 Eye Tracking。
如果传统摄像头一直以 120fps、240fps 甚至更高速度拍摄人的眼睛，再把所有图像交给处理器分析，功耗会非常高。
但眼球实际运动属于高度动态的 event。
Event Camera 可以只捕捉眼球变化。
Neuromorphic Processor 再立即分析这些变化。
这样就可以在非常低功耗下实现高速 eye tracking。
对于 AR 眼镜尤其重要，因为眼镜上根本没有空间放一个大型风扇或者几十瓦电池。
Aeveon：下一代高速仿生视觉
进入 2026 年以后，SynSense 又进一步推出 Aeveon 新一代仿生视觉技术。
Aeveon 不再只是传统 DVS，而是尝试解决一个长期困扰视觉芯片的问题：高帧率、低功耗和高画质通常很难同时实现。
Aeveon 可以输出多种空间和时间数据形式，包括 event data、motion information 和传统 frame，并通过片上预处理减少后端 processor 的负担。
公司公布的指标包括最高 1000fps VGA 无损成像、约 1ms latency，数据量最高可以减少约 90%；在 240fps 场景下，公司给出的系统级功耗指标约为 10mW。
Aeveon 当前主要面向：
AR/VR。
眼动追踪。
机器人。
无人机。
高速视觉。
Automotive。
这些场景的共同特点是：你不能等30毫秒以后才知道发生了什么。
例如一架高速无人机看到障碍物以后，反应快 10ms 和慢 10ms，可能就是撞上和避开的区别。
Xylo：把类脑AI放进麦克风、IMU和生物信号
如果说 Speck 主要解决视觉问题，那么 Xylo 则主要针对：
Audio。
IMU。
Vibration。
Pressure。
EEG。
EMG 以及其他低维度连续信号。
Xylo 是一种基于 Spiking Recurrent Neural Network，SRNN 的超低功耗处理器，可以让设备长期监听 sensor signal，而无需一直唤醒大型 CPU。
当前 Xylo 系列已经包括 Xylo Audio 和 Xylo IMU 等产品，早期资料给出的完整实时 SNN 推理功耗低于 10mW，而当前产品路线进一步强调微瓦级处理预算。
Xylo Audio：让设备一直“听着”，却不怎么耗电
Xylo Audio 一个非常典型的应用就是 Always-On Audio。
例如一个智能音箱需要一天 24 小时等待：“Hey Assistant。”
如果 CPU 一直运行一个普通大型 neural network，功耗会非常高。
Xylo Audio 则可以让一个 ultra-low-power SNN 一直运行。
它不仅可以做 Keyword Spotting，还可以识别：
婴儿哭声。
玻璃破碎。
机器异常声音。
环境音。
特定人的声音。
以及其他 audio event。
只有真正检测到目标以后，才唤醒系统里的主 CPU。
这与现代手机使用 ultra-low-power always-on coprocessor 的思路类似，但 SynSense 把它进一步推向神经形态计算。
Xylo IMU：智能手表不用一直叫醒CPU
IMU，也就是惯性测量单元，包括：
Accelerometer。
Gyroscope。
Motion Sensor。
今天几乎所有手机、手表、耳机、机器人和运动设备都有 IMU。
问题是，如果 CPU 每秒不断读取和分析 IMU 数据，会明显消耗电池。
Xylo IMU 可以直接分析这些连续运动信号，用于：
行为识别。
跌倒检测。
手势识别。
动物活动监测。
机器振动异常检测。
预测性维护。
这样主 processor 就不需要永远保持唤醒状态。
SynSense现在开始大举进入脑机接口
SynSense 最近一个非常重要的战略变化，是从传统 Edge AI 更加明确地进入 Brain-Computer Interface，BCI。
公司现在把自己的整体战略分成两条路线：
一条是：Human-Computer Interaction。包括 Speck、Aeveon 等芯片。
另一条则是：Brain-Computer Interface。包括 Xylo 和新的 Rigi 系列。
这实际上让 SynSense 的技术路线变得非常有意思。
过去的目标是：让机器理解外部世界。
现在进一步变成：让机器理解人体甚至大脑产生的神经信号。
Rigi：专门为侵入式脑机接口设计的芯片
Rigi 是 SynSense 新一代 Brain-Computer Interface sensing chip。
它与 Speck 和 Xylo 最大的不同在于：
Rigi 直接面向医疗级侵入式神经信号采集。
SynSense 当前公布的 Rigi 系列指标包括：
1024个以上并行神经信号通道。
10ms以内解码延迟。
以及：
毫瓦级运行功耗。
目标应用包括：
难治性癫痫监测。
瘫痪康复。
智能假肢。
神经控制设备。
以及其他 BCI 医疗场景。
这里的超低功耗尤其重要。
如果未来一个 neural implant 长期放在人体内，它不可能像 GPU Server 一样安装风扇。
芯片产生的热量必须极低。
所以 Neuromorphic Computing 天然可能非常适合 BCI。
为什么类脑芯片特别适合脑机接口？
大脑自己产生的信息就是：稀疏的，异步的，Event-Based的。
传统 processor 却首先把这些信息：
Sampling。
Digitization。
Buffering。
Memory Transfer。
然后再交给 digital neural network。
这实际上把神经系统原来的事件式信息，先转换成传统 computer data，再重新进行分析。
类脑 processor 则可以更加自然地处理 spike-like signal。
因此 Brain-Computer Interface 可能成为 Neuromorphic Computing 最有潜力的长期市场之一。
这也是为什么 SynSense 最近越来越强调：From Brain to Brain。
也就是：从仿生大脑计算，进一步发展到真正读取生物大脑信号。
2024年收购iniVation
SynSense 历史上一个非常重要的事件发生在 2024年2月。
公司宣布收购瑞士著名 Event-Based Vision 企业 iniVation AG 100%股权，组建 SynSense Group。
iniVation 继续在苏黎世运营，而其 DVS sensor、event camera、软件和客户体系都进入 SynSense 集团。
这笔收购实际上非常重要。
因为过去：
iniVation 擅长：Neuromorphic Sensing。
SynSense 擅长：Neuromorphic Processing。
两家公司组合以后：Sensor + Processor 都可以自己做。
这使 SynSense 成为少数能够提供从 Event Camera 到 SNN Processor，再到 Software Toolchain 的完整神经形态技术企业。
iniVation给SynSense带来了800多家客户
SynSense 当前官方网站表示，iniVation 的视觉产品已经服务全球 800多家客户，覆盖消费电子、具身机器人、工业视觉和航空航天等市场。
这对一家类脑芯片企业尤其重要。
Neuromorphic Computing 最大的问题之一并不是论文太少。恰恰相反，论文非常多。
真正缺的是：客户，量产，Application，Developer 以及商业化经验。
iniVation 多年经营 Event Camera 市场，因此已经拥有成熟的全球客户和开发者群体，这可能帮助 SynSense 把类脑 processor 从研究机构进一步推向工业市场。
软件生态：Sinabs、Rockpool、Samna和Tonic
神经形态芯片不能只靠硬件。
开发者必须能够训练 SNN，并把普通 AI 模型转换和部署到芯片。
SynSense 因此建立了自己的软件工具链。
其中比较重要的包括：
Sinabs——用于 Spiking Neural Network 开发和模型转换。
Rockpool——面向时间序列和 SNN simulation。
Samna——硬件访问和部署工具。
Tonic——面向 Event-Based dataset 和 transformation。
SynSense 还积极把这些工具开源，并支持与 PyTorch 等主流机器学习生态结合。
这一步非常关键。
如果一个开发者必须完全抛弃 PyTorch，然后从零学习某种完全陌生语言，Neuromorphic Computing 很难进入主流。
所以 SynSense 必须让传统 AI developer 能够越来越自然地使用 SNN hardware。
SynSense不是数据中心AI芯片公司
这里必须特别说明。
虽然我们把 SynSense 放在“AI Accelerator企业”分类中，但是它和 NVIDIA、Cerebras、Groq、SambaNova 完全不是一个市场。
SynSense 并不准备使用 Speck 去训练 GPT。
它真正擅长的是：Ultra-Low-Power Edge AI。
也就是：
以前根本放不进去AI的地方，例如：一副眼镜，一个耳机，一个小型传感器，一块工业检测节点，一只动物项圈，一台无人机，一个长期植入人体的医疗设备。
这些产品不是需要1000 TOPS，很多时候它们只需要 1mW AI。
2022年Speck已经实现批量出货
SynSense 的商业化并不是完全停留在实验室。
公司披露，Speck 在 2022 年已经实现升级和批量出货。2023 年 Pre-B+ 融资时，公司再次表示 Speck 已进入量产交付阶段，而 Xylo 也开始推进商业化。
这点和很多 Neuromorphic startup 有所不同。
类脑芯片行业里有大量 architecture 和 research chip。
但是：
能 tape-out。
能做 development kit。
能连续迭代产品。
最后还能真正出货。
是完全不同的阶段。
SynSense 已经跨过了最初的 prototype 门槛。
SynSense融资历史
SynSense 很早就获得了中国和国际产业资本关注。
2018 年，百度风投向公司投资 150万美元 Pre-A，用于推动类脑计算商业化。
2020 年，公司完成接近 1亿元人民币 A轮融资。
2021 年，公司又完成接近 2亿元人民币 Pre-B轮融资，由栖港投资和张江科投联合领投，中电海康、招商启航、泰科源电子、Ventech China 等参与。
2023 年，公司完成接近 1000万美元 Pre-B+轮融资，主要推动 Speck 批量交付。随后又完成数千万元人民币战略融资，用于开发 DYNAP-CNN2 高速视觉类脑处理器。
2026 年 6 月，公开报道显示 SynSense 又完成数亿元人民币 B轮融资，由国调二期协同发展基金与国海证券投资联合领投，多家机构参与，说明资本仍在继续支持公司向脑机接口、智能终端和下一代类脑芯片扩展。
华为、三星等产业资本已经进入
SynSense 当前列出的投资和产业资本阵容包括：
华为。
Merck。
中电海康。
百度风投。
宁波通商。
张江科投。
以及其他产业基金和投资机构。
对于 SynSense 来说，产业投资者可能比普通财务投资人更加重要。
因为类脑芯片真正需要的是：
Sensor厂商。
SoC厂商。
消费电子企业。
AR/VR企业。
工业设备厂商。
医疗企业。
真正把芯片放进产品中。
如果只是融资，却没有大规模 design win，Neuromorphic Computing 很容易永远停留在“未来技术”。
SynSense和BrainChip有什么不同？
SynSense 与上一篇介绍的 BrainChip 非常值得比较。
两者都使用：
Event-Based Computing。
Spiking Neural Networks。
Ultra-Low-Power Edge AI。
但是发展重点明显不同。
BrainChip 的核心是：Akida Neuromorphic Processor。
强调处理器 IP、独立 accelerator、On-Chip Learning 和 traditional sensor + Akida。
SynSense 则更强调：Sensing + Computing Integration。
特别是 Speck，直接把 DVS Sensor + SNN Processor 做到一起。
收购 iniVation 以后，这种 Sensor + Processor 能力进一步加强。
所以简单概括：
BrainChip 更像：Neuromorphic Processor Company。
SynSense 更像：Neuromorphic Sensing + Processing Company。
SynSense和Prophesee也不完全一样
法国 Prophesee 是 Event Camera 行业非常著名的企业。
Prophesee 的重点更多是：Event-Based Vision Sensor。
也就是首先解决：摄像头应该怎样看世界。
SynSense 除了 Event Sensor，还继续开发：
Speck SNN Compute。
Xylo。
Rigi。
Software Stack。
Brain-Computer Interface。
因此产品覆盖范围更加广。
尤其是在收购 iniVation 以后，SynSense 已经同时拥有 event sensing 和 neuromorphic processing。
SynSense和传统NPU真正竞争的是什么？
SynSense 的竞争对手其实不只是 BrainChip 和其他 Neuromorphic 公司。
真正最大的竞争压力可能来自 越来越省电的传统 NPU。
例如：
Arm Ethos。
Qualcomm Hexagon。
Apple Neural Engine。
以及越来越多 Edge NPU。
如果一颗传统数字 NPU 已经能够用几十毫瓦完成人脸检测：
客户为什么一定要使用一种新的 SNN architecture？
因此 SynSense 必须证明：对于某些 workload，Neuromorphic不是只省10%，而是 省几十倍甚至几百倍。
只有这种数量级优势，客户才值得改变整个系统 architecture。
SynSense 官方当前宣传的典型 neuromorphic solution 相比传统方案可以实现约 10到100倍 realtime improvement，以及约100到1000倍的功耗下降，但这些数字高度依赖具体应用，并不意味着所有 AI 模型都能得到同样提升。
SynSense最大的优势
SynSense 第一个优势是：真正懂Neuromorphic。
公司的核心团队在苏黎世已经研究这一领域二十多年。
第二个优势是：Sensor和Compute同时拥有。收购 iniVation 后，这个优势更加明显。
第三个优势是：功耗极低。
Speck 和 Xylo 可以运行在传统 NPU 很难进入的功耗范围。
第四个优势是：已经拥有真实芯片和量产经验。
这不是一个只存在于论文里的 architecture。
第五个优势是：开始进入BCI。
如果 Brain-Computer Interface 真正形成大市场，Neuromorphic Computing 可能是非常自然的 processing architecture。
SynSense最大的风险
最大风险首先是：Neuromorphic Computing仍然不是主流。
今天主流 AI developer 学的是：
PyTorch。
Transformer。
CNN。
CUDA。
而不是 Spiking Neural Network。
第二个风险是：Application比较碎片化。
Eye Tracking。
Wearable。
Livestock。
Industrial Monitoring。
BCI。
Drone。
每一个市场都很有意思，但要真正形成几十亿美元 semiconductor business，最终还是需要几个百万甚至千万颗规模的大客户。
第三个风险是：传统芯片功耗一直下降。
当普通 MCU 内置越来越强的 NPU 后，一部分原本属于 neuromorphic processor 的市场可能被侵蚀。
第四个风险则是：脑机接口虽然想象空间巨大，但医疗认证、可靠性、安全以及临床应用都需要非常长的时间。
因此 SynSense 新的 BCI 战略可能拥有巨大价值，但不太可能一夜之间变成大规模收入。
SynSense正在发生一个非常重要的战略变化
如果看 2018 年的 SynSense，它主要是一家：超低功耗类脑Edge AI公司。
如果看 2022 年：核心是 Speck + Xylo。
到 2024 年：通过收购 iniVation，开始形成 Sensor + Processor。
而到 2026 年，公司战略已经进一步变成：Human-Computer Interaction + Brain-Computer Interface。
现在的产品线包括：
Speck。
Xylo。
Aeveon。
Rigi。
iniVation DVS产品。
以及配套 SNN software ecosystem。
这已经不仅是一家传统“AI accelerator startup”。
它正在尝试成为：
从外部世界的视觉、声音和动作，一直连接到人体神经系统的类脑芯片平台。
SynSense值得关注吗？
SynSense 是目前全球 Neuromorphic Computing 领域非常值得长期关注的一家公司。
过去十年，人工智能的发展逻辑基本是：
模型越来越大。
GPU越来越大。
HBM越来越快。
Data Center越来越耗电。
但现实世界里，大量设备并不需要 GPT。
一副 AR 眼镜真正需要的可能只是 知道眼睛看哪里。
一个可穿戴设备真正需要的是 知道人有没有跌倒。
一台机器真正需要的是 知道振动是不是异常。
一颗脑机接口芯片真正需要的是 实时识别神经信号。
这些问题真正需要的不是1000 TOPS。
而是：超低功耗 + 超低延迟 + 永远在线。
这恰恰是 SynSense 所选择的市场。
Speck 通过 DVS + SNN 实现毫瓦甚至亚毫瓦级视觉 AI，Xylo 把连续 audio、IMU 和 bio-signal processing 带到微瓦到毫瓦级，而新的 Rigi 又进一步进入脑机接口。
Aeveon 则开始解决机器人、无人机和 XR 对高速视觉的需求。
因此 SynSense真正押注的不是：未来所有AI都会变成Neuromorphic。
更现实的判断应该是：未来会有一大类AI设备，根本不需要GPU那种计算方式。
在这些设备里：
Event-Based Sensor负责发现变化。
Neuromorphic Processor负责立即理解变化。
主 CPU只有真正需要时才被唤醒。
这种架构可能成为 Always-On AI、AR/VR、机器人、Wearable、Industrial IoT 以及 Brain-Computer Interface 中非常重要的一条技术路线。
如果把 NVIDIA 的路线概括为：让一颗芯片能够计算越来越大的AI模型。
那么 SynSense 的路线可以概括成：不要处理整个世界，只处理真正发生变化的那一瞬间。
而进入脑机接口以后，它的长期目标可能还要再向前一步：
不仅让机器像大脑一样计算，还让芯片能够直接理解真正的大脑。