Mineng satser på hjerneinspireret chip til medicinsk AI ved kanten

Mineng Technology – også omtalt som MinoTec – beskriver finansieringen som et skridt mod kommercialisering snarere end udviklingen af en traditionel, GPU-lignende AI-chip. Kapitalen skal efter selskabets oplysninger bruges til masseproduktion og iteration af medicinske moduler, teknik til fysiologisk regulering i lukkede kredsløb samt integration med producenter af medicinsk udstyr. Den tilgængelige omtale kalder runden egenkapitalfinansiering på et tocifret millionbeløb i yuan; den dokumenterer ikke specifikt, at der er tale om en serie A-runde. Den underbygger heller ikke selvstændigt en energipåstand på cirka 1.000 gange. 15

Fra biosignal til sikker regulering

Minengs erklærede mål er en vertikalt integreret platform, der går fra fysiologisk måling til hændelsesbaseret beregning og sikker regulering. Den omfatter indsamling af flere typer signaler, kodning af puls- eller hændelsesdata, en mixed-signal-beregningskerne med spiking neural network (SNN) og en programmerbar medicinsk interventionsenhed med sikkerhedskontroller i hardwaren. 15

Forretningsmodellen er dermed ikke først og fremmest salg af færdige forbrugerprodukter. Mineng vil levere chips, moduler, softwareudviklingssæt (SDK'er), teknisk bistand og støtte til registrering til producenter af medicinsk udstyr. 15

Hvorfor en SNN-chip adskiller sig fra GPU- og NPU-inferens

I en konventionel GPU- eller NPU-pipeline samples data ofte i et fast interval, og processoren udfører løbende tætte numeriske tensorberegninger – også i perioder, hvor et biosignal ikke ændrer sig på en klinisk relevant måde.

Minengs foreslåede design skal i stedet omsætte betydningsfulde ændringer i en kurveform til diskrete spikes. Beregningen aktiveres, når sådanne hændelser opstår; uden en væsentlig hændelse kan systemet forblive i en dyb lavenergitilstand. Det er inspireret af biologiske neuroner, som kommunikerer sparsomt og asynkront frem for at sende kontinuerlige tal i takt med et fælles ur. 15

Det kan i princippet give tre fordele:

• mindre beregning og mindre flytning af data,
• naturlig bevaring af præcis tidsinformation i signalet,
• hurtig reaktion på korte eller pludselige ændringer.

Det passer særligt godt til kontinuerlige, svage og støjfyldte fysiologiske tidsserier. 14

Energigevinsten er dog altid afhængig af arbejdsbelastning, chipimplementering, model og den ønskede nøjagtighed. Et eksempel fra forskningen er den asynkrone sensing- og beregningschip Speck, der rapporterede et hvileforbrug i processoren på 0,42 mW. Faglige oversigter peger på, at neuromorfe systemer i visse anvendelser kan reducere inferensenergien med størrelsesordener. Det beviser ikke Minengs konkrete tal uden åbenlyse benchmarks, herunder model, nøjagtighedsmål og afgrænsning af strømforbruget. 37

Anvendelser: EEG, EKG og muskelmålinger

Mineng nævner overvågning af EEG, EKG og EMG, langvarig hjemmemonitorering af kroniske sygdomme, ikke-invasiv hjerne-computer-interaktion, rehabilitering med regulering i lukket kredsløb, regulering af det autonome nervesystem under søvn, sportsrehabilitering og hjemmebehandling af kroniske smerter. 15

Netop EKG og EEG er teknisk oplagte områder for SNN'er, fordi netværkene er bygget til at behandle mønstre over tid. Forskningen har blandt andet vist spike-drevet EKG-klassifikation i bærbare løsninger samt neuromorfe rammer til forudsigelse af epileptiske anfald ud fra EEG, analyse af hjerterytmer og EMG-baseret genkendelse af håndbevægelser. 48

Billedscreening kan være en mulig, bredere edge-AI-anvendelse, men den fremstår ikke som et centralt, offentligt dokumenteret Mineng-produktmål i finansieringsomtalen. Det stærkeste kildegrundlag handler om fysiologisk måling, monitorering og regulering i lukket kredsløb. 15

Hvad lokal AI kan betyde i mobile og fjerntliggende sundhedsmiljøer

En chip med lavt strømforbrug og begrænset varmeudvikling kan i teorien lade en transportabel monitor udføre en foreløbig alarm- eller triagemodel lokalt. Det kan mindske behovet for en strømslugende arbejdsstation, konstant cloudforbindelse eller løbende upload af følsomme biosignaler.

I ambulancer, felthospitaler eller klinikker med begrænset netforbindelse kan det betyde længere batteritid, mindre behov for køling, øjeblikkelig lokal inferens og større robusthed, hvis forbindelsen er ustabil. Det er tekniske potentialer – ikke dokumentation for, at Minengs løsninger er klinisk valideret i disse miljøer. Neuromorf forskning i biomedicin understøtter den generelle begrundelse for dynamisk behandling direkte på enheden med lavt energiforbrug. 23

En medicinsk specialisering i et større chipkapløb

Mineng bør ses som en kinesisk, medicinsk fokuseret aktør i den bredere neuromorfe udvikling. Fokus er hændelsesdrevet SNN-hardware til energibegrænset AI-inferens på enheden – ikke en universel accelerator til alle AI-opgaver.

Intels Loihi-familie er et eksempel på programmerbar, asynkron SNN-hardware med læring på chippen, mens IBM TrueNorth er en tidlig og markant digital, hændelsesdrevet arkitektur med fokus på meget strømbesparende inferens. 56 Også Kinas Tianjic- og Darwin-projekter viser, at der findes indenlandsk forskning i hjerneinspireret hardware og SNN'er.

Minengs påståede særkende er ikke alene antallet af neuroner eller synapser, men den medicinske systempakke: fysiologisk kodning, sikkerhedslogik, standardiserede moduler og integration med regulatoriske processer. 15

Den kommercielle usikkerhed er fortsat betydelig. Træningsværktøjer til SNN'er, reproducerbarhed, validering af medicinsk udstyr, klinisk evidens, cybersikkerhed, produktionsudbytte og myndighedsgodkendelser vil være mindst lige så afgørende som chipens energieffektivitet. Mineng har rapporteret omsætning og samarbejder, men den citerede omtale indeholder ikke uafhængigt reviderede ydelsestal, kliniske resultater, regulatoriske godkendelser eller chipbenchmarks. 15