仔细想想，这可能是一个有趣的旧世界。我记得当我还是一名年轻的工程师时，行业专家们预言模拟电子学将会过时，这导致学生们不想学习一个垂死的领域，这导致大学懒得提供课程。也许不足为奇的是，模拟技术不断发展壮大的事实让所有相关人员都感到有点尴尬，尤其是由于研究它的人太少，很快就会缺乏掌握模拟技术的工程师。

我认为可以这么说，我对模拟的了解和下一个数字工程师一样多;也就是说，不是很多。我发现数字领域的逻辑确定性令人安心。在《魂斗罗》中，模拟游戏的摇摆不定给我的灵魂带来了些许安慰。在某种程度上，这很可悲，因为如果你知道你在做什么，一点点模拟就可以走很长一段路。

说句题外话，当我1975年开始攻读学位时，我们工程系的唯一一台计算机是一台很棒的模拟设备。据我回忆，它与下面照片中展现的大胆之美并没有什么不同。

1949年路易斯飞行推进实验室的模拟计算机(图片来源:NASA)

这台机器由大量模拟模块组成——乘法器(放大器)、除法器、加法器、减法器、积分器、分分器、比较器等等。我们使用让人联想到老式电话交换机的飞行导线，将一些模块的输出连接到另一些模块的输入，然后我们转动旋钮，拨动开关，交叉手指，喃喃低语着神秘的誓言，如果命运对我们的努力微笑，我们还模拟了一些事情，比如打开冰箱门时人们可能会看到的温度变化。激动人心的时刻!

现在回想起来，我真希望当时能拍一张自己站在那个小流氓旁边的照片，但是——当然——我不知道有一天我会写这个专栏。

我们还可以使用一台非常大、非常慢的数字主机计算机，但它位于城市另一边的大楼里。我们使用工程大楼里的电传打字终端机在穿孔卡片上捕获我们的程序，然后我们穿过城镇，把这些卡片套在接待处的柜台上递给他们，然后被简短地告知“下周二再来”。当我们真的回来的时候，只发现一张用橡皮筋绑在我们的纸牌上的纸片上写着一条信息，“缺少逗号，第2行，”在这一点上，我们将重新开始循环。正如你可以想象的那样，让一个“Hello World”程序启动并运行很容易需要一个学期的时间。

基于我上大学时缺乏数字计算资源，没有人谈论数字信号处理(DSP)可能并不太令人惊讶。最近，我惊奇地发现，使用数字计算机处理信号的概念早在20世纪60年代就出现了。事实上，早在1961年，TI就发明了一种晶体管计算机，用于地震数据的数字信号处理。

真正改变游戏规则的是20世纪60年代中期快速傅里叶变换(FFT)的发现，随后是20世纪70年代早期微处理器的引入。肯定是在这之后不久，人们对所有数字化的东西都充满了热情，随之而来的是对模拟时代消亡的悲观预测，因为我刚刚看到了1984年的一份报告，《Still Without Fear》，开头写道:“这份报告是1977年发布的一份报告的更新，该报告预测模拟电路(也称为线性电路)的死亡不会发生……”

我必须承认，我花了一点时间来理解这句话，但最终我意识到，1977年的报告说，之前预测的模拟的死亡实际上不会发生。哇!很长一段时间以来，人们对可怜的老类比——对我可怜的老脑袋——都有不满，不是吗?如果他们当时知道我现在知道的，以及我现在要告诉你的(如果我不能像1984年更新的1977年报告那样重复夸张的话，那么我的名字就不是伟大的马克斯)。我们稍后将回到模拟难题，但首先……

不要掉下(聪明的)边缘

如果我们回到5到10年前，我们会发现每个人都在谈论将数据和处理推向云端。然而，在过去的五年里，有一种趋势在不断增加，即尽可能多地将处理推到边缘。在捕获和/或生成数据的现场分析数据和做出决策也可被称为“智能边缘”(参见“边缘”和“远边缘”的常见问题是什么?)．

这很重要的原因是，根据国际数据公司(IDC)在其报告全球物联网设备和数据预测美国，2019 - 2023年(doc #US45066919, 2019年6月)，到2025年，将有416亿台联网物联网(IoT)设备欢快地生成79.4 ZB的数据，其中前缀zetta表示乘以1000的七次方或10的次方21在国际单位制(SI)中。无论你怎么看，这都是很多字节!

另外，当我们谈论对未来五年的预测时，你是否觉得像79.4这样的数字有点太精确了?由于命运的一些奇怪的怪癖，今天早些时候，当我写下这些话的时候，我正在和我的朋友聊天，他是模拟专家比尔Schweber他指出，他经常看到一些预测既能做到极度精确，又能做到高度不准确。但我们离题了……

目前，增长最快的物联网领域之一是永远在线的电池供电设备，其主要挑战是提供复杂的处理，同时使用很少的电力和维护用户隐私。问题是，如今的架构在处理无关数据时浪费了70%到90%的电池寿命。

换句话说，2025年正在处理的79.4 ZB数据中，有多达50 ZB的数据将被不必要地处理。对于16亿台电池驱动的语音优先设备来说，这相当于每天浪费3600万节AA电池!

如果这看起来有点极端，可以考虑一个随时监听的设备，等待一个唤醒词来触发它立即行动。问题是，这个世界充满了周围的声音——狗叫、猫呕吐(这是我的经验之谈)、鸟叫、系统在房子里“轰鸣”、汽车和卡车在房子外面轰鸣、风、雷、雨……等等。不幸的是，大功率唤醒字处理器一直处于开启状态，它会处理所有传入的声音，以确定该声音是否是人类语音，如果是，则判断该声音是否与唤醒字对应。结果，95%以上的声音数据在执行高功率处理后被丢弃。

典型的随时监听设备(图片来源:Aspinity)

有句老话说，如果你唯一的工具是锤子，那么所有问题看起来都像钉子。同样的事情也适用于处理信号的问题——如果你唯一熟悉的工具是DSP，那么每个信号处理问题看起来都像是DSP解决方案的候选。人们很少想到模拟信号处理(ASP)，因为很少有人真正了解模拟领域。

作为一个主要的例子，大多数时候，当我们在人工神经网络(ann)的背景下听到人工智能(AI)和机器学习(ML)之类的东西时，我们会想到神经元以数字实现的形式形成网络AI, ann, ML, DL和dnn的常见问题是什么?)．聪明的男生和女生在Aspinity已经从一个完全不同的方向——模拟人工神经网络(我们敢称它们为人工神经网络吗，还是会把事情推得有点太远?)

我们在这里谈论的是Aspinity的可重构模拟模块处理器(RAMP)系列设备。这些小美女监控来自音频(麦克风)或振动(加速度计)传感器的信号，并执行基于AI/ ml的特征提取和分类(推理)，所有这些都在模拟领域。例如，在始终监听设备的情况下，添加RAMP芯片可以大大提高解决方案的效率。

更高效的监听设备(图片来源:Aspinity)

长话短说，在这个更有效的实现中，更高功率的唤醒字处理器大部分时间都在休眠，在此期间它几乎不消耗任何能量。与此同时，始终开启的RAMP监听每个声音，使用其模拟AI/ML神经网络来确定该声音是否是人类语音，并且仅消耗25微安(μ A)的功率。一旦RAMP检测到人类语音，它就会唤醒更高功率的唤醒文字处理器。

“等一下，”我听到你叫道，“这是不是意味着当更高功率的唤醒字处理器被唤醒时，唤醒词本身已经来了又去了?”这是个好问题。我很高兴你问这个问题，因为这表明你自己是清醒的。事实上，除了唤醒词本身，唤醒字处理器还需要大约500毫秒的前声(这被称为“预滚动”)。为了解决这个问题，RAMP芯片不断地记录和存储(以压缩形式)预卷。当它检测到人类语音并唤醒唤醒文字处理器时，它会解压预卷并将实时音频缝合在背面，将其送入唤醒文字处理器。

现在，你可能想知道RAMP的模拟人工神经网络是如何提供如此节能的解决方案的。你是否还记得在本专栏的开头，我提到过“如果你知道自己在做什么，那么一点点模拟就可以走很长的路。”作为一个简单的例子，很大一部分信号处理(包括AI和ML)涉及大量的乘法-累加操作，每个操作都由乘法和加法组成，结果存储在累加器寄存器中。执行这种操作的硬件单元被称为乘数-累加器(MAC)，而像ann这样的东西可以包含大量这样的小流氓。

我们这些早上穿着数字裤子的人已经习惯了有大量的逻辑门和功能供我们使用。我们为晶体管的体积和功耗感到自豪，结果我们把它们像五彩纸屑一样扔来扔去。问题是使用数字技术实现的MAC需要消耗大量晶体管，而人工神经网络需要消耗大量MAC。即使这些晶体管单独消耗的功率很小，但当你谈论成千上万个小晶体管时，整体功耗就会增加。相比之下，模拟MAC只需要几个晶体管就能实现它的魔力。

老实说，我们只看到了这项技术的开始。另一个例子是用于防盗报警器的电池供电的音频或振动传感器，其目的是检测玻璃破碎的声音。再一次，RAMP的模拟人工神经网络可以被训练来识别玻璃破碎的特征，然后它就可以把事情移交给更高功率、更强大的处理器。

我不知道你是怎么想的，但我对Aspinity公司的技术前景感到非常兴奋。我要指出的是，Aspinity的人自己也很兴奋，因为本月早些时候他们完成了530万美元的A轮融资，这听起来似乎很令人兴奋，如果我知道“A轮融资”是什么意思的话，但我不知道(我正努力不因为自己缺乏知识而失眠)。你呢，你对这一切有什么想法?

进一步的阅读

为了让你高兴和高兴，布莱恩·莫耶于2019年9月16日在他的专栏中为《电子期刊》写了关于Aspinity的文章:增强永远在线的AI: Aspinity的模拟探测器降低了功率．

• 
• 
• 
• 
•