La tecnologia Computing-in-Memory di Microchip risolve le sfide dell'elaborazione vocale. La soluzione di memoria integrata SuperFlash memBrain di Microchip consente al System on Chip (SoC) di WITINMEN di soddisfare i più elevati requisiti di costo, bassa potenza e prestazioni di elaborazione neurale.
Microchip progetta e distribuisce soluzioni innovative rivolte ai mercati industriale, automobilistico, consumer, aerospaziale e della difesa, delle comunicazioni e dell'informatica. La tecnologia Computing-in-Memory è pronta ad eliminare i massicci colli di bottiglia delle comunicazioni dati solitamente associati all'esecuzione dell'elaborazione vocale nelle applicazioni di Intelligenza Artificiale (AI), ma richiede una soluzione di memoria incorporata che esegua simultaneamente il calcolo della rete neurale e memorizzi i dati. Microchip Technology, tramite la Silicon Storage Technology (SST), ha annunciato che la sua soluzione di memoria neuromorfica memBrain SuperFlash ha risolto questo problema per il SoC di elaborazione neurale WITINMEM, al fine di ridurre il rumore del parlato e riconoscere centinaia di parole di comando, in tempo reale e subito dopo l'accensione. SST è stata fondata nel lontano 1989 ed è stata acquisita da Microchip nell'aprile 2010.
Microchip ha collaborato con WITINMEM per incorporare la sua soluzione di Computing-in-Memory analogica memBrain, basata sulla tecnologia SuperFlash, nel SoC a bassissima potenza di WITINMEM. WITINMEM, con sede a Pechino, Cina, è un fornitore leader di chip di calcolo in memoria e soluzioni di sistema. Progetta la tecnologia di calcolo in memoria per l'elaborazione dell'IA ad alta efficienza. I suoi SoC aiutano i clienti a sviluppare sistemi a bassa potenza basati sull'Intelligenza Artificiale ed a ridurre ulteriormente la potenza di dispersione in contesti IoT impegnativi. Il SoC è dotato della tecnologia di calcolo in memoria per l'elaborazione delle reti neurali, tra cui riconoscimento vocale, riconoscimento dell'impronta vocale, riduzione profonda del rumore del parlato, rilevamento di scene e monitoraggio dello stato di salute. La soluzione rispecchia pienamente i requisiti di bassissima potenza dell'ecosistema IoT e le prestazioni ad alta intensità di elaborazione neurale tipiche dell'AI.