资金更像是在为医疗器械产品化铺路

从现有信息看，敏能科技（MinoTec）这笔融资的重点并不是开发一颗与 GPU 进行通用算力竞争的芯片，而是推动医疗端侧类脑方案进入工程化和量产阶段。公司称，资金将用于医疗级模块的量产与迭代、闭环生理调控的工程化，以及与医疗器械厂商的集成合作。值得注意的是，所提供报道将其称为“数千万元股权融资”，并未明确标注为 A 轮；报道也没有提供足以独立验证“功耗降低约 1000 倍”说法的基准测试细节。15

它要做的不是单一芯片，而是一套医疗端侧技术栈

敏能科技描述的路线可概括为“生理感知 → 事件计算 → 安全调控”：

• 采集多模态生理信号；
• 将波形转为脉冲或事件；
• 交由混合信号 SNN（脉冲神经网络）计算核心处理；
• 再通过带有硬件安全校验的、可编程医疗级干预单元执行调控。15

其商业定位也更接近医疗器械产业链的技术供应商：向设备厂商提供芯片、模块、SDK、工程支持及注册支持，而不是以销售自有成品设备为主。15

SNN 为什么不同于 GPU 或 NPU？

传统 GPU、NPU 的推理流程，通常会按固定频率对数据采样，并持续进行密集的数值与张量运算。对于心电、脑电等长时间连续生理信号而言，很多时段未必存在具有临床意义的明显变化，但系统仍可能持续消耗计算和传输资源。

SNN 的思路不同：它把显著的波形变化编码为离散“脉冲”，只有出现相关事件时才启动相应计算；没有显著事件时，系统可以进入深度低功耗状态。这种设计模仿的是生物神经元以稀疏、异步脉冲通信的方式，而非在统一时钟下不断传递连续浮点数。15

这种机制潜在的优势包括：

• 减少不必要的计算及数据搬运；
• 更自然地保留信号发生的时间信息；
• 对短暂异常变化作出低延迟反应；
• 更适合持续、微弱且含噪的生理时间序列处理。14

不过，省电幅度高度取决于具体模型、编码方式、芯片实现和工作负载，不能把它视为所有 SNN 都必然具备的固定优势。已有研究显示，事件驱动芯片可实现非常低的空闲功耗：例如，一款异步感存算芯片报告的处理器静息功耗为 0.42 mW；综述研究也指出，某些应用中的推理能耗可能实现数量级下降。但这些成果并不能直接验证敏能科技的具体“约 1000 倍”主张，除非公开模型、准确率目标、功耗统计边界和对照平台等测试条件。37

更适合处理哪些医疗信号？

敏能科技明确提及的场景包括脑电图（EEG）、心电图（ECG）和肌电图（EMG）波形监测，以及慢病家庭长期监测、非侵入式脑机交互、康复闭环调控、睡眠自主神经调控、运动康复和慢性疼痛的家庭干预等。15

其中，ECG 和 EEG 是较契合 SNN 特性的信号类型：它们本质上都包含重要的时序模式，适合在设备端持续进行分类，或对心律异常、癫痫发作风险等变化发出提醒。研究已展示基于脉冲驱动的可穿戴 ECG 分类，以及面向 EEG 癫痫预测、ECG 分析和 EMG 手势识别的类脑边缘计算框架。48

至于“医学影像预筛查”，作为更广义的边缘 AI 应用方向并非不可能，但它不是融资报道中敏能科技重点披露的产品目标。现有信息更明确支持的是生理信号感知、监测与闭环调控，而非医学影像诊断。15

为什么救护、野外或基层场景会重视端侧推理？

如果低功耗、低发热的芯片能在便携式监护设备内部完成初步告警或分诊模型推理，设备就不必依赖高功耗工作站、稳定云连接，或持续上传涉及隐私的生理数据。其潜在工程价值包括：

• 延长电池续航；
• 降低散热与设备体积压力；
• 在本地即时给出推理结果；
• 在带宽有限或网络不稳定时维持工作能力。23

但这解释的是端侧类脑计算的通用工程逻辑，并不等于敏能科技的设备已经在救护车、野外医院或偏远诊所完成临床验证。对于医疗产品，算法能耗只是一个环节，临床有效性和安全性仍需独立证据支撑。

放在类脑芯片赛道中，敏能科技处于什么位置？

敏能科技更适合被看作一家面向医疗场景的中国类脑技术参与者：其目标是利用事件驱动 SNN 硬件完成受能耗约束的端侧推理，而非成为通用 AI 加速器。

国际上，英特尔 Loihi 系列代表可编程、异步 SNN 研究硬件，并支持片上学习；IBM TrueNorth 则是标志性的数字化事件驱动架构，强调超低功耗推理。56 国内的天机（Tianjic）和 Darwin 等项目，也体现了中国在脑启发式和 SNN 硬件方向的研究积累。敏能科技试图突出的差异化，不只是神经元或突触规模，而是把生理编码、安全逻辑、标准化模块和医疗器械注册协同整合为一套面向行业客户的产品能力。15

真正的考验：不只看芯片功耗

即使事件驱动计算在理论上适合持续生理监测，商业化仍有多道门槛：SNN 训练工具和模型复现能力、医疗器械验证、临床证据、网络安全、制造良率，以及监管审批，都会与能效同等重要。敏能科技已披露营收和合作信息，但所引报道没有提供经独立审计的性能数据、临床结局、监管获批情况或芯片基准测试结果。15

因此，这笔融资的意义更应理解为：它为医疗类脑方案从原型走向模块化、量产和设备集成提供了资金支持；其最终竞争力，则仍要由可验证的功耗、准确率、安全性和临床价值共同决定。

资金更像是在为医疗器械产品化铺路

从现有信息看，敏能科技（MinoTec）这笔融资的重点并不是开发一颗与 GPU 进行通用算力竞争的芯片，而是推动医疗端侧类脑方案进入工程化和量产阶段。公司称，资金将用于医疗级模块的量产与迭代、闭环生理调控的工程化，以及与医疗器械厂商的集成合作。值得注意的是，所提供报道将其称为“数千万元股权融资”，并未明确标注为 A 轮；报道也没有提供足以独立验证“功耗降低约 1000 倍”说法的基准测试细节。15

它要做的不是单一芯片，而是一套医疗端侧技术栈

敏能科技描述的路线可概括为“生理感知 → 事件计算 → 安全调控”：

• 采集多模态生理信号；
• 将波形转为脉冲或事件；
• 交由混合信号 SNN（脉冲神经网络）计算核心处理；
• 再通过带有硬件安全校验的、可编程医疗级干预单元执行调控。15

其商业定位也更接近医疗器械产业链的技术供应商：向设备厂商提供芯片、模块、SDK、工程支持及注册支持，而不是以销售自有成品设备为主。15

SNN 为什么不同于 GPU 或 NPU？

传统 GPU、NPU 的推理流程，通常会按固定频率对数据采样，并持续进行密集的数值与张量运算。对于心电、脑电等长时间连续生理信号而言，很多时段未必存在具有临床意义的明显变化，但系统仍可能持续消耗计算和传输资源。

SNN 的思路不同：它把显著的波形变化编码为离散“脉冲”，只有出现相关事件时才启动相应计算；没有显著事件时，系统可以进入深度低功耗状态。这种设计模仿的是生物神经元以稀疏、异步脉冲通信的方式，而非在统一时钟下不断传递连续浮点数。15

这种机制潜在的优势包括：

• 减少不必要的计算及数据搬运；
• 更自然地保留信号发生的时间信息；
• 对短暂异常变化作出低延迟反应；
• 更适合持续、微弱且含噪的生理时间序列处理。14

不过，省电幅度高度取决于具体模型、编码方式、芯片实现和工作负载，不能把它视为所有 SNN 都必然具备的固定优势。已有研究显示，事件驱动芯片可实现非常低的空闲功耗：例如，一款异步感存算芯片报告的处理器静息功耗为 0.42 mW；综述研究也指出，某些应用中的推理能耗可能实现数量级下降。但这些成果并不能直接验证敏能科技的具体“约 1000 倍”主张，除非公开模型、准确率目标、功耗统计边界和对照平台等测试条件。37

更适合处理哪些医疗信号？

敏能科技明确提及的场景包括脑电图（EEG）、心电图（ECG）和肌电图（EMG）波形监测，以及慢病家庭长期监测、非侵入式脑机交互、康复闭环调控、睡眠自主神经调控、运动康复和慢性疼痛的家庭干预等。15

其中，ECG 和 EEG 是较契合 SNN 特性的信号类型：它们本质上都包含重要的时序模式，适合在设备端持续进行分类，或对心律异常、癫痫发作风险等变化发出提醒。研究已展示基于脉冲驱动的可穿戴 ECG 分类，以及面向 EEG 癫痫预测、ECG 分析和 EMG 手势识别的类脑边缘计算框架。48

至于“医学影像预筛查”，作为更广义的边缘 AI 应用方向并非不可能，但它不是融资报道中敏能科技重点披露的产品目标。现有信息更明确支持的是生理信号感知、监测与闭环调控，而非医学影像诊断。15

为什么救护、野外或基层场景会重视端侧推理？

如果低功耗、低发热的芯片能在便携式监护设备内部完成初步告警或分诊模型推理，设备就不必依赖高功耗工作站、稳定云连接，或持续上传涉及隐私的生理数据。其潜在工程价值包括：

• 延长电池续航；
• 降低散热与设备体积压力；
• 在本地即时给出推理结果；
• 在带宽有限或网络不稳定时维持工作能力。23

但这解释的是端侧类脑计算的通用工程逻辑，并不等于敏能科技的设备已经在救护车、野外医院或偏远诊所完成临床验证。对于医疗产品，算法能耗只是一个环节，临床有效性和安全性仍需独立证据支撑。

放在类脑芯片赛道中，敏能科技处于什么位置？

敏能科技更适合被看作一家面向医疗场景的中国类脑技术参与者：其目标是利用事件驱动 SNN 硬件完成受能耗约束的端侧推理，而非成为通用 AI 加速器。

国际上，英特尔 Loihi 系列代表可编程、异步 SNN 研究硬件，并支持片上学习；IBM TrueNorth 则是标志性的数字化事件驱动架构，强调超低功耗推理。56 国内的天机（Tianjic）和 Darwin 等项目，也体现了中国在脑启发式和 SNN 硬件方向的研究积累。敏能科技试图突出的差异化，不只是神经元或突触规模，而是把生理编码、安全逻辑、标准化模块和医疗器械注册协同整合为一套面向行业客户的产品能力。15

真正的考验：不只看芯片功耗

即使事件驱动计算在理论上适合持续生理监测，商业化仍有多道门槛：SNN 训练工具和模型复现能力、医疗器械验证、临床证据、网络安全、制造良率，以及监管审批，都会与能效同等重要。敏能科技已披露营收和合作信息，但所引报道没有提供经独立审计的性能数据、临床结局、监管获批情况或芯片基准测试结果。15

因此，这笔融资的意义更应理解为：它为医疗类脑方案从原型走向模块化、量产和设备集成提供了资金支持；其最终竞争力，则仍要由可验证的功耗、准确率、安全性和临床价值共同决定。