過去的數年間，人工神經網絡算法在發展過程中幾經沉浮，也取得了些許傲人的成績。在教育、遊戲、金融到安防在內的不同應用領域中，我們都能窺見它的身影。
但隨著技術的發展和需求的升級，一個嚴峻的現實成為了掣肘人工智能發展的重要一環，那就是數據量越來越大，數據類型越來越多，從以前主要的文本信息，到如今的圖像信息、音頻信息、視頻信息，再到各種傳感器信息。
同時，在算法上，不同的應用領域有不同的算法湧現，比如圖像識別算法、語音識別算法以及目標跟蹤算法等。
而它們的基點——算力的提升卻越來越慢，已經遠遠落後於數據和算法的需求。
為解決以上問題，新型計算範式“類腦計算”（Neuromorphic Computing，也稱為神經形態計算）被世人所提出。成立於2017年的SynSense（原名：aiCTX）便是深耕在該賽道的一員。
定位於一家全棧式類腦計算技術公司，SynSense專注於神經形態運算、類腦邊緣運算處理器、智能傳感器的設計與開發，為AI邊緣運算應用場景企業提供開創性的亞毫瓦級超低功耗、超低延時的芯片設計及解決方案。
SynSense核心團隊在該領域已有二十多年的磨合期，其核心技術依托於著名研究機構蘇黎世大學及蘇黎世聯邦理工神經信息研究所20多年全球領先的研究成果和世界前沿的科研實力。也正因此，使得SynSense團隊對於類腦市場的發展趨勢、脈絡有著清晰而透徹的理解。
創始人兼CEO喬寧告訴創業邦，之所以如此看好類腦技術，原因主要在於，
相比傳統芯片，類腦芯片在學習能力和功耗上具有更大優勢，可突破傳統馮·諾依曼計算架構，支持脈衝神經網絡和人工神經網絡（深度神經網絡），進行大規模神經元網絡的模擬，實現存儲與計算的深度融合，從而大幅提升計算性能、提高集成度、降低能耗。
“這有望改變人工智能的發展趨勢。”喬寧說。
他也坦言，早在2005年，類眼技術就已經出現，但由於單純憑借視覺維度很難構建完整解決方案，需要多個智能仿真技術與之組合，才能稱之為一個完整的視覺模組。
而這，正是SynSense正在做的事。
現階段，SynSense已初步打通類眼和類腦技術，通過智能仿真系統和多芯片解決方案的形式對外輸出，主要芯片研發包括專用脈衝卷積神經網絡（SCNN）芯片DYNAP-CNN、通用脈衝神經網絡（SNN）芯片DYNAP-SE，還包括針對公司硬體架構的脈衝神經網絡算法、模型的搭建及仿真，以及支持系列芯片應用的用戶軟體工具鏈開發。
細分業務可分為兩大方向，一個是視覺信號，以動態攝影頭為輸入的超低功耗、超低延時的實時動態圖像處理及智能應用，主要應用場景為智能家居、機器人及安防領域；第二個是身體信號、語音等自然信號的超低功耗實時處理，可用於手機、健康監測及工業機械領域。
落地方面，SynSense選擇從智能家居切入市場，經創業邦詢問後發現，這背後蘊含著一套喬寧自己的優先邏輯打法。
一方面，投資方在智能家居領域資源深厚，為SynSense加速落地奠定了堅實基礎；
另一方面，SynSense的SoC技術在智能家居領域的價值釋放更明確，其低功耗、低延遲、低成本優勢能夠為該領域直接帶來顛覆性革新，能有效輔助肢體語言行為解讀，並實現即時響應；
更重要的是，在用戶隱私保護方面，類腦技術路徑將數據信息從雲上遷移至邊緣處理，比攝影頭更契合家庭場景需求。
而在相同場景內，SynSense對比傳統攝影機加上一個超低功耗處理器，可以在功耗層面從10~100毫瓦降低為1毫瓦以下，延時從50毫秒縮短至10毫秒（接近實時處理）。
喬寧告訴創業邦，很多行業人士會稱類腦技術為深度學習的繼任技術，但在他看來，這兩者擅長領域不同，似乎更像是互補關係。
深度學習適合做雲端靜態大數據分析，根據時間序列進行批量存儲，再完成數據分類、處理等識別作業。而類腦技術更適合對動態數據分析，例如語音互動、心電檢測等，達到實時響應的效果。
成立僅三年，目前SynSense已在智能家居、機器人、智能安防、自動駕駛、無人機等諸多領域布局，其自主研發的首款基於類腦的視覺智能傳感器SoC樣片也已投片並測試成功，具備產品量產能力，預計將於明年完成迭代，正式對外銷售，同時推出硬體模組樣機，或有機會成為第一家實現類腦芯片商用的公司。
據悉，SynSense團隊已於2018年完成BV百度風投的數千萬元人民幣Pre-A輪融資，並於近日獲得和利資本領投，默克、中科創星、科沃斯、雲丁、亞昌投資等跟投的近億元A輪融資。
在談及投資邏輯時，該輪投資人表示：“在看過了市面上十幾個邊緣運算的項目後，我們從商業化、產品化、技術能力三個維度綜合考慮，最終選擇了SynSense。”這足以見得SynSense團隊的競爭優勢。
而A輪融資後，考慮到國內政策的大力支持，SynSense正在籌備於今年將母公司全面落地中國。
香港九龍灣馬來街興發大廈15樓D室