每刻深思智能科技(北京)有限责任公司 （MakeSens）是一家拥有自研核心技术的“感算共融” 智能芯片设计公司，致力于为客户提供边缘端可持续智能感知的超低功耗芯片，提高产品的智能化水平和续航能力。目前是国内首家专注于模拟领域智能感知芯片设计的公司，采用模拟信息转换技术解决能量效率瓶颈，利用模拟计算的高能效特性，降低持续智能视觉感知计算系统的能耗，技术水平具有国际竞争力。同时每刻深思提前布局元宇宙，接轨现实又超越现实的智能世界。公司技术布局覆盖AI、AR/VR、高性能、高扩展、边缘计算以及半导体芯片设备六大品类，依靠夯实的技术提高边缘设备的感知能力。团队来自清华大学电子系在高能效混合电路计算领域深耕数年，发表了数十篇相关领域的文章，申请了多个关键技术专利，在人工智能及模拟信号计算领域处于领先地位。本公司将依托电子系强大的科研力量，提出持续智能视觉感知计算技术及系统的解决方案并保持领先优势。
愿景
“引领下一代低功耗技术，成为中国高端穿戴式平台，打造全球集成电路领域受人尊敬的一流企业”
发展历程
2012年：清华大学电子系集成智能感知（iVip）实验室成立
2015年：首创提出“感算共融”架构
2016年：完成全球首颗感算一体芯片流片验证
2017年：全球最低功耗语音AI加速器流片成功
2018年：μW级视觉AI芯片流片成功
2019年：首颗融合感知芯片流片成功
2020年：每刻深思正式成立
2021年：语音SoC流片成功
核心技术
随着人工智能和物联网技术的快速发展，物联网设备已深入到人们的社会生活当中，应用十分广泛。“边缘智能”这一概念应运而生。基于边缘计算这一新型的计算模式，边缘智能在更加靠近用户和数据源头的网络边缘侧这一位置训练和部署深度学习模型，从而改善AI应用的性能、成本和隐私性。智能物联网设备大规模的部署也带来了包括视频信息在内的数据爆炸的问题。未来几年，全球范围内链接的物联网终端设备数量将突破上百亿至千亿台。物联网系统通常采用电池或环境能量采集系统供电，并且物联网系统通常是多传感器节点系统，对能量供给系统工作时间要求较高。然而，近几十年来电池能量密度的增长十分缓慢，远远跟不上视觉信息感知应用爆炸式增长的速度。因此快速的传感数据处理需求增长与缓慢的能源技术发展构成了智能感知终端处理的主要矛盾，而发展高能效集成感知处理技术是解决这一主要矛盾的关键。
模拟计算
模拟计算提供了终极的内存计算处理元素。术语“存内计算”的使用非常广泛，可能意味着许多事情。我们的模拟计算将内存计算推向了极致，我们直接在内存阵列内部进行计算。这可以通过将存储器元件用作可调谐电阻器，将输入作为电压提供，并将输出收集为电流来实现。我们使用模拟计算进行核心神经网络矩阵运算，我们将输入向量乘以权重矩阵。
模拟计算为我们做了几件事。首先，它非常高效；它消除了神经网络权重的内存移动，因为它们被用作电阻器。二是高性能；当我们执行其中一个向量运算时，有成千上万的乘法累加运算并行发生。鉴于这两个特性，模拟计算是我们高性能但高效的系统的核心。
感存算一体
当今最常见的计算架构是建立在关于如何访问和使用内存的假设之上的。这些系统假设完整的内存空间太大，无法在处理器附近的芯片上安装，并且我们不知道在什么时间需要什么内存。为了解决空间问题和不确定性问题，这些架构构建了内存层次结构。
内存计算是使用不同的假设构建的：我们有大量需要访问的数据，但我们确切地知道何时需要它。这些假设对于AI推理应用程序是可能的，因为神经网络的执行流是确定性的 - 它不像许多其他应用程序那样依赖于输入数据。利用这些知识，我们可以战略性地控制数据在内存中的位置，而不是构建缓存层次结构来弥补我们缺乏知识的情况。存内计算还会将本地计算添加到每个内存阵列，允许它直接在每个内存旁边处理数据。
近传感模拟芯片架构
每刻深思架构下，通过对模拟域的信息与处理，加上对信息的压缩，可以大大降低功耗和运算效率。
1、将部分数字信号处理（DSP）任务前置预处理，精简处理信息；
2、ADC被移到模拟计算模块之后，仅在有效需求时被唤醒，降低无效功耗；
3、原始信号中不必要的信息已被去除，主芯片只需计算精简信息，提高计算效率；
4、采用与传感器深度融合的模拟域计算技术，充分利用模拟计算的高能效特性以及感知算法的容错性，在模拟域进行信息提取和筛选，减轻后级系统的处理复杂度，以此降低系统的处理能耗。
软件功能规划
从长远来看，每刻深思设想了一套强大工具软件，以帮助开发人员评估权衡以及与快速发展的深度神经网络世界的良好兼容性。与其他平台相比，每刻深思的平台和模拟计算技术提供了完整的确定性执行和巨大的灵活性，可以进行权衡。我们相信，最好的软件平台提供了自动工具，用于探索精度，模型大小和修剪，性能和功率的设计空间。这使开发人员能够在功耗和成本的限制下快速确定最佳解决方案。
我们还认为，最好的软件平台应该是模块化的，并且很容易与流行的工具集成。随着新的新技术的发展，软件和硬件支持会越来越简单通用。我们的平台通过软件的模块化设计确保了这一点，利用了大量的通用矩阵计算功能，而不是特定于架构的加速器。总而言之，我们对软件的愿景和路线图确保选择每刻深思作为平台将是未来许多年的有效选择。
主要产品
首次提出感存算一体架构
每刻深思依托于深厚的科研背景，创新性地提出了基于模拟计算的近传感存算一体计算架构，即采用模拟信息转换技术解决能量效率瓶颈，并利用模拟计算的高能效特性降低持续智能感知计算系统的能耗。相比传统方案，其超低功耗近传感AI芯片能耗降低了两到三个数量级。每刻深思凭借有向心力的团队和扎实的技术沉淀，逐步将听觉、视觉和多模态融合感知芯片落地，打造出一流的低功耗、高能效、高性能芯片，争做智能芯片行业“开拓者”。
极佳的通用性
我们融合了三个IP平台：连续时间信号（听觉、心率等）——TDSP、稀疏阵列信号（视觉、雷达等）——SDSP、融合感知Fusion。
此外，我们支持DNN与传统ML算法，更大程度提高芯片通用性。在末端则覆盖主流传感器智能应用，支持音视频、加速度计、位姿等多种传感，算力从0.2TOPS覆盖至3TOPS，支持可穿戴、无人机、机器人等多场景。
超低功耗下的无限感知
针对传统常开感知的高功耗痛点，每刻深思提出全新的模拟架构以实现低功耗基础下实现多种感知任务。已有数据表明我们的芯片功耗在待机(standby)状态下功耗 < 10 nW；常开(always-on)状态下功耗 10 uW；唤醒（wake-up)状态下功耗 < 1mW。
MKS系列芯片在能实现低功耗的基础下拥有智能穿戴、智能体感、光电系统、智能楼宇、工业物联网等领域广阔的应用前景。
现有难题
数字计算受限，计算的未来是模拟
随着数字芯片技术的高速发展，摩尔定律的发展已经遇到了瓶颈。不同于大部分数字芯片，模拟芯片技术发展不依赖于摩尔定律，而主要以实验的次数、对材料等的技术经验的积累为主。物联网的爆炸式增长和人工智能应用的增长重新激发了人们对开发模拟计算新方法的兴趣，以解决与工作负荷相关的一些挑战。计算机领域的下一次革命的标志将是模拟系统的崛起。
边缘计算面临难题
边缘段设备感知和AI推理是使神经网络在遇到新数据时能够在现实生活中执行的原因。当今数字处理器上的边缘推理是一项巨大的技术挑战。运行 AI 的边缘智能设备必须满足对尺寸、性能和功耗的苛刻要求。传统的数字架构无法达到未来实现边缘计算的相关要求。
高制程依赖
数字计算芯片对高制程制造技术极其依赖，然而模拟计算芯片可使用较低制成技术在功耗、能效、算力上与高制程数字芯片相当。半导体产业以及集成电路产业是未来实现信息化、智能化的关键因素。掌握芯片的设计和加工技术是行业发展的必不可少的部分，掌握半导体产业发展的自主权，才能摆脱对高制程技术的依赖。
我们的优势
深厚的模拟背景
每刻深思从十年前开始布局模拟芯片赛道，目前是国内首家专注于模拟领域智能感知芯片设计的公司，采用模拟信息转换技术解决能量效率瓶颈，利用模拟计算的高能效特性，降低持续智能视觉感知计算系统的能耗，技术水平具有国际竞争力。
性能和经济性飞跃
每刻深思是一家拥有自研核心技术的“感算共融” 智能芯片设计公司，致力于为客户提供边缘端可持续智能感知的超低功耗芯片，提高产品的智能化水平和续航能力。
简易部署
可将深度学习模型高效地部署在资源受限的终端设备，从而使得智能更加贴近用户。AI 开发人员可以快速部署最复杂的深度神经网络，并能够对多种终端接口有效执行复杂指令。
应用场景
智能穿戴
智能可穿戴设备是由智能硬件和软件系统构成，行业按照产品形态可分为智能眼镜、智能手表、智能手环、智能头盔等。可穿戴设备通过连接互联网，同时与各类软件应用相结合，使用户能够感知和监测自身与周边环境的状况。智能可穿戴设备行业按照应用领域可以划分为医疗与保健、健身与健康、工业与军事及信息娱乐等。
智能家居
智能家居除能够满足居住需求外，借助立体化信息交互技术，还能为用户自主提供高效率、高品质、节约型、智能化的生活环境。而独立的智能家居主要由管理、通信、控制、维护四部分组成，通过各部分的合理配合，实现了给用户创设安全、舒适、便捷数字化居住环境的目标。
智能视觉
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。
机器人
机器人的应用场景和工作内容越来越多样和复杂，对智能性的要求越来越高。感知是机器人实现交互、作业、运动、认知等任务的重要前提，如何提高机器人感知的智能性是机器人研究的难点问题之一。机器人感知的智能性主要体现在“适应性、全面性、透彻性”。对非结构环境和复杂对象的适应能力，需要提高算法的泛化能力；单一传感器或算法往往具有局限性，只能满足某些场景下的需求；在“看得见”的基础上，还需具备一定的认知和理解能力。学习是提高机器人智能性的重要方式，也是机器人获得经验、知识和技能，实现智能持续增长和进化的重要手段。
产学研背景
在当今世界的经济成长中，科技立异日益主要，产学研合作是晋升自立立异能力，顺应科技经济一体化趋向的必然要求。
我们的实验室每刻深思背后拥有深厚的产学研背景，旨在探索可持续发展、良性循环的高科技成果转化体制及运营模式，吸引高水平的创新创业人才，构筑先进的电子信息技术与应用平台，孵化具有社会影响力的高科技科研成果，以推动低功耗模拟芯片领域的科技创新和产业发展。每刻深思背后拥有深厚的产学研背景，旨在探索可持续发展、良性循环的高科技成果转化体制及运营模式，吸引高水平的创新创业人才，构筑先进的电子信息技术与应用平台，孵化具有社会影响力的高科技科研成果，以推动低功耗模拟芯片领域的科技创新和产业发展。
我们的实验室
清华大学电子工程系智能感知集成电路与系统实验室
集成智能感知实验室（iVip Lab）研究团队（位于清华大学电子工程系罗姆楼）致力于研究高能效感知计算集成平台。
清华大学天津电子信息研究院
清华电子院由服务团队、支撑技术与应用平台的工程团队、若干个负责成果转化的项目团队组成。
北方工业大学集成电路工艺与封测实验室
北方工业大学集成电路工艺与封测实验室隶属于北方工业大学信息学院和北方工业大学高精尖创新研究院。
研究成果
原位自供能运动检测、超低功耗感算共融、近传感模拟域语音
