Chips neuromórficos: La próxima frontera para rendimiento IA

Tim Cook de Apple proclamó que el iPhone X «marcaría el camino tecnológico para la próxima década» al debutar. Su motor neural integrado – el primer ASIC comercial de reconocimiento facial – presagió el auge de redes neuronales profundas. Hoy, los procesadores neuromórficos emergen como única vía viable para sostener las demandas aceleradas de la IA.

Frente a cuellos de botella de ancho de banda de datos y necesidades computacionales crecientes, un informe reciente de Yole Développement (Lyon, Francia) argumenta que sensado y computación deben emular arquitecturas neuro‑biológicas para avanzar.

En entrevista con EE Times, Pierre Cambou, Analista Principal de Imaging en Yole, dijo que sensado y computación neuromórficos podrían resolver la mayoría de retos actuales de la IA y desbloquear nuevos horizontes de aplicación en próximas décadas. «La ingeniería neuromórfica es el siguiente paso hacia biomímesis y motor del progreso IA», explicó.

¿Por qué ahora?

Setenta años después de que Alan Turing preguntara «¿Pueden pensar las máquinas?» y treinta años tras Carver Mead introducir ingeniería neuromórfica, máquinas prácticas brain‑like permanecieron elusivas. La marea cambió con array neural field‑programmable de Georgia Tech 2006 y chip MIT 2011 que emula comportamiento neuronal adaptativo.

El verdadero breakthrough llegó cuando equipo Universidad Toronto publicó «ImageNet Classification with Deep Convolutional Neural Networks». La arquitectura AlexNet – red neuronal convolucional profunda ocho capas – permitió primera clasificación exitosa de 1,2 M imágenes alta resolución en 1 000 categorías (gatos, perros). «AlexNet probó que deep learning es más poderoso y desató ascenso meteórico IA», anotó Cambou.

La mayoría de implementaciones deep‑learning actuales cabalgan sobre Ley Moore, y eso «ha funcionado bien». Pero a medida que campo crece, demanda chips high‑performance, low‑power superará lo que escalado tradicional puede entregar. Cambou advierte que deep learning «fallará» si permanece atado a paradigma actual.

Cita tres obstáculos clave. Primero, economía Ley Moore: solo handful players pueden continuar más allá 7 nm, risking monopolio que sofoca innovación. Segundo, volúmenes datos superan tecnologías memoria, creando bottleneck. Tercero, muro calor: chip 7 nm entrega ~1 teraflop/vatio, pero alimentar vehículo autónomo requeriría ~1 kilovatio – mil teraflops – hazaña que tecnología actual no alcanza. Hardware neuromórfico, con superior eficiencia energética, ofrece camino adelante.

Cambou insta a shift disruptivo que aproveche tecnologías memoria emergentes para boost bandwidth y power efficiency – esencia computación neuromórfica. «IA seguirá avanzando, próximo salto es neuromórfico», dice.

En años recientes, múltiples iniciativas han construido neuronas silicio que emulan cognición. Según Yole, mercado neuromórfico podría crecer de $69 M 2024 a $5 B 2029 y $21,3 B 2034 si se superan obstáculos técnicos. Ecosistema abarca majors como Samsung, Intel, SK Hynix, junto a startups Brainchip, Nepes, Vicarious, General Vision.

Crédito: Yole

Neuronas y sinapsis

Hardware neuromórfico sale del lab, impulsado por colaboración cross sensing, computing, memory. Joint ventures, alianzas estratégicas, proyectos EU long‑term como Human Brain Project aceleran progreso.

Aunque productos comerciales improbables antes 2024, escala potencial vasta. Chip Loihi 2017 Intel – 130 k neuronas artificiales – y sistema Pohoiki Beach 8 M neuronas ilustran ritmo rápido. TrueNorth IBM ofrece 1 M neuronas y 256 M sinapsis, mientras Akida Brainchip entrega 1,2 M neuronas y 10 B sinapsis.

«Sinapsis importan más que neuronas», dijo Cambou. «Próximos pasos involucran construir aplicaciones sobre actuales híbridos Von Neumann asíncronos, seguidos por soluciones RRAM‑based que añadan miles millones sinapsis».

Líderes memoria Micron, Western Digital, SK Hynix persiguen diseños neuromórficos, pero true breakthroughs pueden venir de startups enfocadas Weebit, Robosensing, Knowm, Memry, Symetrix. Sus enfoques memristor y phase‑change memory apuntan emular plasticidad sináptica, mientras MRAM poised complementar stacks neuromórficos.

Ecosistema sensado neuromórfico también madura, arraigado en Silicon Neuron 1991 Misha Mahowald. Hoy, menos diez empresas ofrecen cámaras y sensores event‑based, incluyendo Prophesee, Samsung, Insightness, Inivation, Celepixel. Imagery frame‑based no captura movimiento tan naturalmente como ojo humano; dispositivos event‑based proveen pattern recognition tiempo real para escenas dinámicas.

Cambou anotó: «Cine engaña cerebros, pero computadoras necesitan mismo stream información visual». Mismo principio aplica a sensores auditivos, imaging, conductuales, críticos para inteligencia general.

Yole proyecta revenues sensado neuromórfico desde $43 M 2024 a $2 B 2029 y $4,7 B 2034.

Automotriz, pero no solo

Mientras sector automotriz es early adopter obvio, sensado y computación neuromórficos primero potenciarán aplicaciones industriales y móviles – robótica, percepción tiempo real, logística. «Deep learning demanda massive datasets, pero sistemas neuromórficos aprenden de pocas imágenes o palabras y capturan dinámicas temporales», explicó Cambou.

Dentro década, chips hybrid in‑memory computing podrían desbloquear conducción autónoma mass‑market, permitiendo computadoras interpretar entornos unstructured con agudeza human‑like.