JawabanDipublikasikan23 sumber
Mengapa Chip AI Berbasis Peristiwa Mineng Bisa Cocok untuk Alat Medis
Mineng Technology dilaporkan meraih pendanaan ekuitas puluhan juta yuan untuk mengomersialkan platform chip spiking neural network (SNN) bagi perangkat medis. Peluang terbesarnya adalah inferensi AI hemat daya yang selalu aktif pada monitor portabel dan perangkat loop tertutup, bukan pengganti GPU untuk semua beban...
Diterbitkan olehDiedit dengan GPT-5.6 TerraGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Mineng Technology dilaporkan meraih pendanaan ekuitas puluhan juta yuan untuk mengomersialkan platform chip spiking neural network (SNN) bagi perangkat medis.
- Peluang terbesarnya adalah inferensi AI hemat daya yang selalu aktif pada monitor portabel dan perangkat loop tertutup, bukan pengganti GPU untuk semua beban kerja AI medis.
- Fokus yang paling jelas diungkap adalah penginderaan, pemantauan, dan regulasi sinyal fisiologis; skrining awal pencitraan serta penggunaan di ambulans atau klinik terpencil masih merupakan kemungkinan, bukan penerapa...
AI Perintah
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
Mineng Technology bertaruh bahwa AI medis tidak selalu membutuhkan GPU yang boros energi. Perusahaan ini dilaporkan telah menuntaskan pendanaan ekuitas senilai puluhan juta yuan untuk platform komputasi fisiologis yang terinspirasi dari cara kerja otak dan dibangun dengan spiking neural network (SNN). Satu laporan menyebut putaran tersebut sebagai Seri A, sedangkan laporan lain hanya menyebutnya pendanaan ekuitas; karena itu, tahap pendanaannya sebaiknya diperlakukan secara hati-hati. 13
24
Hal yang lebih penting adalah penggunaan dananya: pengembangan modul berstandar medis, pekerjaan integrasi, serta rantai pasok bagi produsen perangkat. Posisi ini membedakan Mineng dari vendor chip AI serba guna. Nilai jual yang ditawarkan adalah inferensi berdaya rendah dan selalu aktif, dilakukan dekat sensor fisiologis. 24
Apa yang dibangun Mineng
Mineng memosisikan diri sebagai pemasok teknologi hulu bagi produsen peralatan medis, bukan terutama penjual perangkat klinis jadi. Platform yang dilaporkan mencakup akuisisi sinyal fisiologis, pengodean kejadian atau lonjakan, inti komputasi SNN sinyal-campuran, serta komponen intervensi yang dapat diprogram dengan pemeriksaan keselamatan. Perusahaan juga menyediakan modul, perangkat pengembangan perangkat lunak, dukungan rekayasa, dan bantuan integrasi perangkat. 24
Penekanan yang diungkapkan ada pada data fisiologis dan regulasi closed-loop—sistem yang dapat merespons data sensor secara langsung. Area aplikasi yang dilaporkan mencakup pemantauan gelombang ECG (elektrokardiogram), EEG (elektroensefalogram), dan EMG (elektromiogram); pemantauan penyakit kronis di rumah; antarmuka otak-komputer noninvasif; rehabilitasi; regulasi saraf otonom terkait tidur; rehabilitasi olahraga; serta intervensi nyeri kronis di rumah. 24
Pembedaan ini penting. Bukti yang tersedia saat ini lebih langsung mendukung penginderaan, pemantauan, dan regulasi biosinyal ketimbang pencitraan diagnostik. Skrining awal berbasis pencitraan mungkin merupakan salah satu skenario edge AI, tetapi bukan sasaran Mineng yang paling menonjol dalam pemberitaan pendanaannya. 24
Bedanya SNN dengan pemrosesan GPU dan NPU
Akselerator AI konvensional seperti GPU dan NPU dirancang untuk menjalankan operasi numerik besar—terutama perkalian matriks—pada tensor bernilai kontinu. Sistem neuromorfik mengambil inspirasi dari dinamika saraf biologis: integrasi temporal, penentuan ambang, serta komunikasi diskret yang sering kali berbit rendah dan berbasis kejadian. 22
Dalam sistem SNN, sinyal sensor dapat dikodekan menjadi spike atau lonjakan: kejadian diskret yang merepresentasikan perubahan atau kondisi bermakna. Pemrosesan lalu dapat berlangsung ketika kejadian tiba, alih-alih perangkat harus mengerjakan beban komputasi yang sama pada setiap interval pengambilan sampel tetap. Pendekatan ini relevan untuk biosinyal yang berubah dari waktu ke waktu, karena waktu kemunculan dan perubahan bentuk gelombang dapat membawa informasi penting. Sebuah sistem riset ECG wearable, misalnya, memakai pengambilan sampel level-crossing untuk menghasilkan kejadian temporal satu bit yang langsung dikirim ke prosesor SNN. 4
Potensi keunggulannya meliputi:
- Aktivitas komputasi yang lebih selektif: masukan yang jarang berubah dapat menghasilkan lebih sedikit operasi komputasi dan perpindahan data.
- Pemrosesan waktu yang alami: waktu terjadinya lonjakan menjadi bagian dari representasi, sesuai untuk sinyal dinamis dari jantung, otak, dan otot.
- Inferensi lokal yang responsif: analisis dapat dilakukan dekat sensor tanpa bergantung sepenuhnya pada server jarak jauh.
Namun, ini adalah keunggulan rancangan, bukan hasil yang otomatis terjadi. Konsumsi energi SNN bergantung pada sensor, metode pengodean, implementasi chip, model, beban kerja, dan tingkat akurasi yang dibutuhkan. Sebuah chip riset penginderaan-komputasi asinkron sepenuhnya melaporkan daya siaga prosesor 0,42 mW dan daya waktu nyata 0,70 mW pada implementasi tertentu. Angka itu menunjukkan kemampuan perangkat keras berbasis kejadian dalam beban kerja spesifik, bukan hasil universal untuk seluruh chip neuromorfik. 17
23
Klaim “1.000 kali lebih hemat daya” perlu konteks
Pemberitaan mengenai pendanaan Mineng menyebut pendekatannya dapat menggunakan sekitar seperseribu daya GPU tradisional. 13 Ini merupakan perbandingan yang dilaporkan perusahaan atau media, bukan tolok ukur publik yang dapat direproduksi secara independen.
Perbandingan yang bermakna seharusnya menjelaskan model, tugas, sumber sinyal, target akurasi, latensi, konfigurasi chip, batas pengukuran daya, serta apakah daya sensor, memori, dan input/output turut dihitung. Tanpa rincian tersebut, angka itu tidak dapat dibaca sebagai klaim umum bahwa SNN selalu 1.000 kali lebih efisien daripada GPU.
Premis teknologinya sendiri masuk akal. Riset neuromorfik telah menunjukkan pemrosesan biosinyal berdaya rendah, termasuk prediksi kejang berbasis EEG, deteksi aritmia dari ECG, dan pengenalan gestur berbasis EMG. 3 Pertanyaan komersialnya adalah apakah Mineng dapat menunjukkan hasil serupa dalam platform perangkat yang dapat diproduksi secara konsisten dan memenuhi kebutuhan medis.
Mengapa ECG, EEG, dan EMG cocok
Gelombang fisiologis bersifat kontinu di dunia nyata, tetapi perubahan yang bermakna secara klinis dapat muncul secara terputus-putus. Di sinilah sistem berbasis kejadian punya peluang: hemat energi ketika kondisi relatif stabil, lalu cepat merespons pola sementara yang penting.
Riset telah mengeksplorasi pendekatan ini untuk sejumlah tugas biosinyal. Kerangka NeuroCARE mengevaluasi pengodean lonjakan jarang dan klasifikasi SNN untuk prediksi kejang berbasis EEG, deteksi aritmia ECG, serta pengenalan gestur tangan berbasis EMG. 3 Tinjauan atas penggunaan SNN di bidang biomedis juga menempatkan EEG, ECG, dan EMG sebagai area utama untuk analisis sinyal di perangkat dengan kebutuhan energi rendah.
18
Bagi pembuat perangkat medis, daya tariknya bukan sekadar prosesor yang lebih kecil. Potensinya adalah menanamkan klasifikasi sinyal awal, peringatan, atau logika kendali ke dalam perangkat wearable maupun portabel yang dibatasi kapasitas baterai dan panas.
Peluang edge AI: monitor portabel lebih dulu
Prosesor neuromorfik berdaya rendah berpotensi memungkinkan pemrosesan lokal di dalam alat pemantau portabel. Pada prinsipnya, pendekatan ini dapat mengurangi ketergantungan pada konektivitas cloud terus-menerus, membatasi jumlah biosinyal mentah sensitif yang perlu dikirim, serta mengurangi beban panas dan baterai dari perangkat komputasi yang lebih besar.
Kemampuan seperti itu relevan untuk lingkungan dengan keterbatasan daya atau bandwidth, misalnya selama transportasi pasien, lokasi layanan sementara, dan klinik terpencil. Namun, laporan yang tersedia belum membuktikan perangkat Mineng telah divalidasi secara klinis atau digunakan di ambulans, rumah sakit lapangan, maupun layanan kesehatan jarak jauh. Kesimpulan yang lebih tepat: pemrosesan lokal berenergi rendah secara teknis cocok untuk lingkungan tersebut, sementara bukti klinis khusus Mineng masih perlu ditunjukkan. 2
3
Posisi Mineng dalam tren neuromorfik
Mineng berada dalam arus yang lebih luas untuk membuat perangkat keras AI lebih efisien bagi beban kerja yang jarang, berbasis kejadian, dan sensitif terhadap waktu. Keluarga Loihi dari Intel menggunakan prinsip lonjakan asinkron berbasis kejadian, sedangkan IBM TrueNorth merupakan salah satu arsitektur SNN digital berbasis kejadian yang penting dalam perkembangan bidang ini. 32
43 Di Tiongkok, riset chip terinspirasi otak juga telah berkembang: Tianjic menggabungkan kemampuan jaringan saraf artifisial dan SNN, sementara Darwin merupakan lini neuromorfik berorientasi SNN.
31
42
Pembeda yang diklaim Mineng bukan jumlah neuron mentah, melainkan tawaran yang terintegrasi secara vertikal untuk perangkat medis: pengodean fisiologis, komputasi berbasis kejadian, modul regulasi berorientasi keselamatan, dan dukungan integrasi bagi produsen perangkat. 24
Hal yang perlu diperhatikan berikutnya
Pendanaan dapat mempercepat rekayasa produksi dan kemitraan, tetapi tidak dengan sendirinya memvalidasi platform AI medis. Bukti penting berikutnya adalah:
- Tolok ukur chip yang dipublikasikan dengan batas daya, latensi, dan akurasi yang jelas.
- Validasi perangkat medis yang menunjukkan keandalan pada sinyal fisiologis dunia nyata.
- Kemajuan regulasi dan keamanan siber untuk produk yang memantau atau memengaruhi perawatan pasien.
- Bukti manufaktur bahwa modul dapat dibuat konsisten dalam skala besar.
- Penerapan pelanggan yang jelas bersama produsen perangkat medis.
Pendanaan Mineng menunjukkan upaya mengomersialkan komputasi neuromorfik di area yang paling masuk akal bagi kekuatannya: biosinyal kontinu yang peka terhadap waktu dan diproses di perangkat tepi. Janjinya menarik, tetapi bukti penentunya nanti adalah performa berstandar klinis dan tolok ukur yang transparan—bukan label arsitektur atau rasio daya dalam tajuk berita semata. 13
24
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Mengapa Chip AI Berbasis Peristiwa Mineng Bisa Cocok untuk Alat Medis"?
Mineng Technology dilaporkan meraih pendanaan ekuitas puluhan juta yuan untuk mengomersialkan platform chip spiking neural network (SNN) bagi perangkat medis.
Apa poin penting yang harus divalidasi terlebih dahulu?
Mineng Technology dilaporkan meraih pendanaan ekuitas puluhan juta yuan untuk mengomersialkan platform chip spiking neural network (SNN) bagi perangkat medis. Peluang terbesarnya adalah inferensi AI hemat daya yang selalu aktif pada monitor portabel dan perangkat loop tertutup, bukan pengganti GPU untuk semua beban kerja AI medis.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Fokus yang paling jelas diungkap adalah penginderaan, pemantauan, dan regulasi sinyal fisiologis; skrining awal pencitraan serta penggunaan di ambulans atau klinik terpencil masih merupakan kemungkinan, bukan penerapa...
Sumber
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