उत्तरप्रकाशित23 स्रोत
मिनेंग का न्यूरोमॉर्फिक चिप दांव: मेडिकल डिवाइसों में इवेंट-ड्रिवन AI की संभावनाएं
मिनेंग टेक्नोलॉजी ने कथित तौर पर मेडिकल डिवाइस केंद्रित स्पाइकिंग न्यूरल नेटवर्क प्लेटफॉर्म के व्यावसायीकरण के लिए करोड़ों युआन के स्तर की इक्विटी फंडिंग जुटाई है। इसका संभावित उपयोग पोर्टेबल मॉनिटर और क्लोज्ड लूप उपकरणों में लगातार चलने वाले एज इन्फरेंस में है; यह हर मेडिकल AI काम के लिए GPU का सिद्ध विकल्प नहीं है...
प्रकाशितकर्ताGPT-5.6 Terra से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- मिनेंग टेक्नोलॉजी ने कथित तौर पर मेडिकल डिवाइस केंद्रित स्पाइकिंग न्यूरल नेटवर्क प्लेटफॉर्म के व्यावसायीकरण के लिए करोड़ों युआन के स्तर की इक्विटी फंडिंग जुटाई है।
- इसका संभावित उपयोग पोर्टेबल मॉनिटर और क्लोज्ड लूप उपकरणों में लगातार चलने वाले एज इन्फरेंस में है; यह हर मेडिकल AI काम के लिए GPU का सिद्ध विकल्प नहीं है।
- कंपनी का स्पष्ट रूप से बताया गया फोकस शारीरिक संकेतों की सेंसिंग, मॉनिटरिंग और नियंत्रण पर है; इमेजिंग प्री स्क्रीनिंग या एम्बुलेंस में तैनाती अभी संभावित उपयोग हैं, पुष्टि किए गए मिनेंग परिनियोजन नहीं।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Chinese startup Mineng Technology’s tens-of-millions-yuan Series A financing support development of its self-designed spiking neural. Article summary: The reported financing appears to fund commercialization rather than a conventional GPU-like chip program: Mineng/MinoTec says the proceeds will support mass production and iteration of medical-grade modules, closed-loop. Topic tags: general, government, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
मेडिकल AI का अर्थ हर बार बिजली-खपत वाले GPU पर निर्भर रहना नहीं है। मिनेंग टेक्नोलॉजी ने कथित तौर पर शरीर-विज्ञान आधारित, मस्तिष्क-प्रेरित कंप्यूटिंग प्लेटफॉर्म के लिए करोड़ों युआन के स्तर की इक्विटी फंडिंग पूरी की है। एक रिपोर्ट इसे सीरीज़ A बताती है, जबकि दूसरी केवल इक्विटी फंडिंग कहती है; इसलिए राउंड के चरण को लेकर सावधानी बरतनी चाहिए। 13
24
असल कहानी यह है कि इस पूंजी को किस दिशा में लगाया जा रहा है: विशेषीकृत न्यूरोमॉर्फिक आर्किटेक्चर को मेडिकल-ग्रेड मॉड्यूल, इंटीग्रेशन इंजीनियरिंग और उपकरण-निर्माताओं के लिए सप्लाई स्टैक में बदलना। यही बात मिनेंग को सामान्य प्रयोजन वाले AI-चिप विक्रेताओं से अलग करती है। इसका प्रस्तावित मूल्य है—फिजियोलॉजिकल सेंसर के पास, बहुत कम ऊर्जा पर, लगातार चलने वाला इन्फरेंस। 24
मिनेंग क्या बना रही है?
मिनेंग खुद को तैयार क्लिनिकल उपकरण बेचने वाली कंपनी से अधिक मेडिकल उपकरणों के लिए अपस्ट्रीम टेक्नोलॉजी सप्लायर के तौर पर पेश करती है। रिपोर्टेड प्लेटफॉर्म में फिजियोलॉजिकल-सिग्नल अधिग्रहण, इवेंट या स्पाइक एन्कोडिंग, मिश्रित-सिग्नल SNN कंप्यूट कोर और सुरक्षा जांच के साथ प्रोग्रामेबल हस्तक्षेप घटक शामिल हैं। कंपनी मॉड्यूल, सॉफ्टवेयर डेवलपमेंट टूल, इंजीनियरिंग सहायता और डिवाइस इंटीग्रेशन में मदद भी देती है। 24
सार्वजनिक रिपोर्टिंग में जोर शारीरिक डेटा और क्लोज्ड-लूप रेगुलेशन पर है। बताए गए उपयोगों में ECG, EEG और EMG वेवफॉर्म मॉनिटरिंग; पुरानी बीमारियों की घर पर निगरानी; गैर-आक्रामक ब्रेन-कंप्यूटर इंटरैक्शन; पुनर्वास; नींद से जुड़ा ऑटोनॉमिक रेगुलेशन; खेल पुनर्वास; और क्रॉनिक पेन के लिए घरेलू हस्तक्षेप शामिल हैं। 24
यह अंतर महत्वपूर्ण है। उपलब्ध साक्ष्य डायग्नोस्टिक इमेजिंग की तुलना में बायोसिग्नल सेंसिंग, मॉनिटरिंग और रेगुलेशन को अधिक सीधे तौर पर समर्थन देते हैं। इमेजिंग प्री-स्क्रीनिंग एज AI का एक संभावित उपयोग हो सकता है, लेकिन उपलब्ध फंडिंग कवरेज में यह मिनेंग का प्रमुख घोषित लक्ष्य नहीं है। 24
GPU और NPU से स्पाइक-आधारित इन्फरेंस कैसे अलग है?
पारंपरिक AI एक्सेलरेटर बड़े संख्यात्मक ऑपरेशन—खासकर लगातार मान वाले टेंसरों पर मैट्रिक्स गुणा—चलाने के लिए बनाए जाते हैं। इसके उलट, न्यूरोमॉर्फिक सिस्टम जैविक न्यूरॉन्स की गतिशीलता से प्रेरित कंप्यूटिंग एलिमेंट इस्तेमाल करते हैं: समय के साथ संकेत का एकीकरण, थ्रेशहोल्डिंग और अलग-अलग, अक्सर लो-बिट, इवेंट कम्युनिकेशन। 22
SNN सिस्टम में सेंसर सिग्नल को स्पाइक्स में एन्कोड किया जा सकता है—अलग-अलग इवेंट जो किसी महत्वपूर्ण बदलाव या स्थिति को दर्शाते हैं। तब प्रोसेसिंग इवेंट आने पर होती है; सिस्टम को हर निश्चित सैंपलिंग अंतराल पर समान मात्रा में काम नहीं करना पड़ता। बदलते रहने वाले बायोसिग्नल में यह खास तौर पर उपयोगी है, क्योंकि वेवफॉर्म में समय और बदलाव दोनों मायने रखते हैं। उदाहरण के लिए, पहनने योग्य ECG पर एक शोध प्रणाली ने सिंगल-बिट टेम्पोरल इवेंट बनाने के लिए लेवल-क्रॉसिंग सैंपलिंग का उपयोग किया, जिन्हें सीधे SNN प्रोसेसर तक भेजा गया। 4
इस तरीके के संभावित लाभ सीधे हैं:
- अनावश्यक गतिविधि कम: विरल इनपुट में कंप्यूट और डेटा-मूवमेंट ऑपरेशन कम हो सकते हैं।
- समय-संवेदनशीलता: स्पाइक का समय स्वयं डेटा प्रस्तुति का हिस्सा है, जो हृदय, मस्तिष्क और मांसपेशियों के गतिशील संकेतों के अनुकूल है।
- सेंसर के पास तेज इन्फरेंस: विश्लेषण रिमोट सर्वर पर निर्भर हुए बिना डिवाइस में या उसके बहुत करीब चल सकता है।
हालांकि ये डिजाइन लाभ हैं, अपने-आप मिलने वाले नतीजे नहीं। SNN की ऊर्जा खपत सेंसर, एन्कोडिंग पद्धति, चिप के क्रियान्वयन, मॉडल, वर्कलोड और अपेक्षित सटीकता पर निर्भर करती है। एक शोध क्रियान्वयन में पूरी तरह असिंक्रोनस सेंसिंग-कंप्यूटिंग चिप ने 0.42 mW प्रोसेसर रेस्टिंग पावर और 0.70 mW रियल-टाइम पावर रिपोर्ट की थी। यह किसी विशेष वर्कलोड में इवेंट-ड्रिवन हार्डवेयर की क्षमता का उदाहरण है, सभी न्यूरोमॉर्फिक चिपों के लिए सार्वभौमिक आंकड़ा नहीं। 17
23
“1,000 गुना कम बिजली” वाले दावे को संदर्भ में क्यों देखना चाहिए?
मिनेंग की फंडिंग पर आई कवरेज कहती है कि उसका तरीका पारंपरिक GPU की तुलना में लगभग एक-हज़ारवां बिजली उपयोग कर सकता है। 13 लेकिन यह कंपनी या मीडिया द्वारा रिपोर्ट की गई तुलना है, न कि सार्वजनिक रूप से उपलब्ध और स्वतंत्र रूप से दोहराया जा सकने वाला बेंचमार्क।
सार्थक तुलना के लिए मॉडल, कार्य, सिग्नल स्रोत, सटीकता लक्ष्य, लेटेंसी, चिप कॉन्फ़िगरेशन, पावर मापने की सीमा और सेंसर, मेमोरी व इनपुट/आउटपुट की ऊर्जा को शामिल करने जैसे विवरण जरूरी होंगे। इन जानकारियों के बिना इसे ऐसा सामान्य दावा नहीं मानना चाहिए कि SNN हर स्थिति में GPU से 1,000 गुना अधिक ऊर्जा-कुशल हैं।
फिर भी व्यापक तकनीकी आधार विश्वसनीय है। न्यूरोमॉर्फिक शोध में EEG से दौरे की भविष्यवाणी, ECG से एरिदमिया पहचान और EMG से जेस्चर पहचान जैसे बायोमेडिकल कार्यों में कम-ऊर्जा प्रोसेसिंग दिखाई गई है। 3 व्यावसायिक कसौटी यह होगी कि मिनेंग इन्हीं तरह के परिणामों को उत्पादन-योग्य और क्लिनिक के अनुकूल डिवाइस प्लेटफॉर्म पर दिखा पाती है या नहीं।
ECG, EEG और EMG इस तकनीक के अनुकूल क्यों हैं?
शारीरिक वेवफॉर्म वास्तविक दुनिया में सतत होते हैं, पर चिकित्सकीय रूप से महत्वपूर्ण बदलाव रुक-रुक कर हो सकते हैं। इवेंट-ड्रिवन सिस्टम के लिए यही अवसर है: अपेक्षाकृत स्थिर समय में किफायती ढंग से काम करना और किसी अस्थायी असामान्य पैटर्न पर तेज प्रतिक्रिया देना।
कई बायोसिग्नल कार्यों में इस मॉडल पर शोध हो चुका है। NeuroCARE फ्रेमवर्क ने EEG-आधारित दौरा पूर्वानुमान, ECG एरिदमिया पहचान और EMG हैंड-जेस्चर पहचान के लिए विरल स्पाइक एन्कोडिंग और SNN वर्गीकरण का मूल्यांकन किया। 3 बायोमेडिकल SNN पर समीक्षाएं भी EEG, ECG और EMG को डिवाइस पर कम-ऊर्जा सिग्नल विश्लेषण के प्रमुख उपयोग क्षेत्रों के रूप में बताती हैं।
18
मेडिकल-डिवाइस निर्माता के लिए आकर्षण केवल छोटा प्रोसेसर नहीं है। यह बैटरी और गर्मी की कड़ी सीमाओं वाले वियरेबल या पोर्टेबल उत्पाद में प्रारंभिक सिग्नल वर्गीकरण, अलर्ट या नियंत्रण लॉजिक जोड़ने की संभावना भी है।
एज-AI का मामला: पहले पोर्टेबल मॉनिटर, फिर रिमोट केयर की संभावना
कम-ऊर्जा न्यूरोमॉर्फिक प्रोसेसर पोर्टेबल मॉनिटरिंग उपकरण के भीतर स्थानीय प्रोसेसिंग सक्षम कर सकता है। सिद्धांततः इससे निरंतर क्लाउड कनेक्टिविटी की निर्भरता घट सकती है, संवेदनशील कच्चे बायोसिग्नल डेटा को भेजने की जरूरत कम हो सकती है और बड़े कंप्यूटिंग हार्डवेयर से जुड़ी गर्मी व बैटरी की चुनौती घट सकती है।
ये खूबियां बिजली या बैंडविड्थ की कमी वाले माहौल—जैसे परिवहन, अस्थायी उपचार केंद्र और दूरदराज के क्लिनिक—के लिए प्रासंगिक हैं। लेकिन उपलब्ध रिपोर्टों में ऐसा कोई प्रमाण नहीं है कि मिनेंग के उपकरण एम्बुलेंस, फील्ड हॉस्पिटल या रिमोट-केयर वातावरण में क्लिनिकली सत्यापित या तैनात हो चुके हैं। अधिक सटीक निष्कर्ष यही है कि कम-ऊर्जा ऑन-डिवाइस प्रोसेसिंग इन परिस्थितियों के तकनीकी रूप से अनुकूल है, जबकि मिनेंग-विशिष्ट क्लिनिकल साक्ष्य अभी सामने आना बाकी है। 2
3
वैश्विक न्यूरोमॉर्फिक परिदृश्य में मिनेंग की जगह
मिनेंग उस व्यापक प्रयास का हिस्सा है जिसका उद्देश्य विरल और समय-निर्भर वर्कलोड के लिए AI हार्डवेयर को अधिक ऊर्जा-कुशल बनाना है। Intel का Loihi परिवार असिंक्रोनस, इवेंट-आधारित स्पाइकिंग सिद्धांतों का उपयोग करता है, जबकि IBM का TrueNorth एक महत्वपूर्ण डिजिटल इवेंट-ड्रिवन SNN आर्किटेक्चर रहा है। 32
43 चीन में भी ब्रेन-इंस्पायर्ड चिप पर स्थापित शोध प्रयास हैं: Tianjic आर्टिफिशियल न्यूरल नेटवर्क और SNN क्षमताओं को जोड़ता है, जबकि Darwin SNN-केंद्रित न्यूरोमॉर्फिक श्रृंखला है।
31
42
मिनेंग का दावा किया गया अंतर केवल न्यूरॉन संख्या नहीं है। उसका प्रस्ताव मेडिकल-डिवाइस के लिए एक वर्टिकली इंटीग्रेटेड ढांचा है: फिजियोलॉजिकल एन्कोडिंग, इवेंट कंप्यूटिंग, सुरक्षा-केंद्रित रेगुलेशन मॉड्यूल और उपकरण निर्माताओं के लिए इंटीग्रेशन सहायता। 24
आगे किन संकेतों पर नजर रखनी चाहिए?
फंडिंग प्रोडक्शन इंजीनियरिंग और साझेदारियों को गति दे सकती है, लेकिन वह अपने-आप किसी मेडिकल AI प्लेटफॉर्म को मान्य नहीं करती। अहम अगले प्रमाण-बिंदु ये होंगे:
- प्रकाशित चिप बेंचमार्क, जिनमें पावर, लेटेंसी और सटीकता की सीमाएं स्पष्ट हों।
- मेडिकल-डिवाइस वैलिडेशन, जो वास्तविक दुनिया के फिजियोलॉजिकल संकेतों पर भरोसेमंदी दिखाए।
- रोगी-देखभाल की निगरानी या उसे प्रभावित करने वाले उत्पादों के लिए नियामकीय और साइबर सुरक्षा प्रगति।
- मैन्युफैक्चरिंग प्रमाण, जिससे मॉड्यूल के बड़े पैमाने पर एकरूप उत्पादन का पता चले।
- डिवाइस निर्माताओं के साथ स्पष्ट ग्राहक तैनाती।
मिनेंग की फंडिंग से संकेत मिलता है कि कंपनी न्यूरोमॉर्फिक कंप्यूटिंग को उसके सबसे संभावित उपयोग क्षेत्र में व्यावसायिक रूप देना चाहती है: एज पर चलने वाले, लगातार बदलते और समय-संवेदनशील बायोसिग्नल। संभावना आकर्षक है, लेकिन निर्णायक कसौटी आर्किटेक्चर का नाम या बिजली-खपत का सुर्खियों वाला अनुपात नहीं, बल्कि क्लिनिकल-ग्रेड प्रदर्शन और पारदर्शी बेंचमार्क होंगे। 13
24
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"मिनेंग का न्यूरोमॉर्फिक चिप दांव: मेडिकल डिवाइसों में इवेंट-ड्रिवन AI की संभावनाएं" का संक्षिप्त उत्तर क्या है?
मिनेंग टेक्नोलॉजी ने कथित तौर पर मेडिकल डिवाइस केंद्रित स्पाइकिंग न्यूरल नेटवर्क प्लेटफॉर्म के व्यावसायीकरण के लिए करोड़ों युआन के स्तर की इक्विटी फंडिंग जुटाई है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
मिनेंग टेक्नोलॉजी ने कथित तौर पर मेडिकल डिवाइस केंद्रित स्पाइकिंग न्यूरल नेटवर्क प्लेटफॉर्म के व्यावसायीकरण के लिए करोड़ों युआन के स्तर की इक्विटी फंडिंग जुटाई है। इसका संभावित उपयोग पोर्टेबल मॉनिटर और क्लोज्ड लूप उपकरणों में लगातार चलने वाले एज इन्फरेंस में है; यह हर मेडिकल AI काम के लिए GPU का सिद्ध विकल्प नहीं है।
मुझे अभ्यास में आगे क्या करना चाहिए?
कंपनी का स्पष्ट रूप से बताया गया फोकस शारीरिक संकेतों की सेंसिंग, मॉनिटरिंग और नियंत्रण पर है; इमेजिंग प्री स्क्रीनिंग या एम्बुलेंस में तैनाती अभी संभावित उपयोग हैं, पुष्टि किए गए मिनेंग परिनियोजन नहीं।
सूत्र
pandaily.comMineng Technology Raises Tens of Millions for SNN Brain ...
eu.36kr.com36Kr Exclusive: Menergy Technology, Developer of Self ... - 36氪
nature.comThe road to commercial success for neuromorphic technologies
pubmed.ncbi.nlm.nih.govA Neuromorphic Processing System With Spike-Driven SNN Processor for Wearable ECG Classification - PubMed
pmc.ncbi.nlm.nih.govSpike-based dynamic computing with asynchronous sensing ... - PMC