La ricerca di soluzioni efficienti per l’Intelligenza Artificiale a basso consumo sta portando startup e aziende consolidate verso architetture sempre più innovative. Tra i principali players del settore si distingue SemiQa, che ha presentato un processore neuromorfico analogico dedicato alla pre-elaborazione dei dati sensoriali. La tecnologia, mostrata al Computex 2025, ha attirato l’attenzione degli esperti grazie ad una memoria analogica sviluppata su misura e ad un’architettura progettata per garantire elaborazioni rapide ed a bassissimo consumo energetico.
Il settore delle reti neurali digitali si trova da tempo di fronte a limiti strutturali: l’aumento dei dati provenienti da sensori complessi costringe i processori tradizionali a gestire conversioni continue tra segnali analogici e digitali, un’operazione costosa in termini energetici e poco adatta a dispositivi edge. Gli ingegneri di SemiQa hanno evidenziato che il vero collo di bottiglia non si trova nei calcoli, ma nello spostamento e nella conversione dei dati. Eliminando la necessità di un passaggio nel dominio digitale, l’elaborazione rimane completamente analogica ed i vantaggi si traducono in maggiore efficienza e riduzione della latenza.
L’elemento che rende distintivo il progetto non è soltanto la struttura del chip, ma soprattutto il materiale di memoria sviluppato internamente. La memoria analogica, più semplice da produrre rispetto ai tradizionali memristori, permette una scalabilità industriale superiore ed una riduzione dei costi di fabbricazione. L’unione tra calcolo e archiviazione nello stesso dominio consente al processore di gestire simultaneamente i pesi della rete neurale ed i dati provenienti dai sensori, mantenendo un’elevata densità di elaborazione. Il funzionamento del chip neuromorfico si basa su matrici di celle capaci di immagazzinare e processare segnali analogici provenienti da fonti eterogenee come voce, vibrazioni o immagini video. L’assenza di conversione digitale elimina l’impiego di ADC, riducendo consumi energetici e tempi di risposta.
In applicazioni pratiche ciò significa classificazione diretta dei dati in ingresso o pre-elaborazioni a bassissimo assorbimento, ideali per supportare successivamente reti neurali digitali più complesse.
Secondo le analisi presentate, l’utilizzo di questa tecnologia risulta particolarmente adatto a dispositivi edge che devono funzionare in modo continuo con risorse limitate, ad esempio sistemi come telecamere intelligenti a risveglio selettivo, droni con capacità di riconoscimento visivo integrato e sensori industriali sempre attivi, che potrebbero trarre enormi benefici dall’adozione del chip. Inoltre, la programmabilità rende possibile la riconfigurazione sul campo, trasformando l’hardware ottimizzato in una valida alternativa ai microcontrollori tradizionali. Le dimostrazioni dal vivo al Computex 2025 hanno evidenziato scritture e letture real-time delle memorie analogiche, suggerendo una tecnologia ormai vicina alla produzione di massa. Per i progettisti impegnati nello sviluppo di chip AI edge di nuova generazione, SemiQa potrebbe diventare il vero punto di svolta nel garantire una maggiore durata delle batterie, una riduzione della latenza ed una nuova prospettiva nell’evoluzione dell’Intelligenza Artificiale distribuita.
