明能科技獲數千萬元融資，押注醫療級脈衝神經網絡晶片

融資實際上幫到乜？

明能科技（MinoTec）今次獲得嘅係「數千萬元人民幣股權融資」，現有資料未有明確界定為 A 輪。資金用途亦似乎唔係走傳統通用 AI 晶片路線，而係加速商業化：包括醫療級模組量產及迭代、閉環生理調控工程，以及同醫療器械製造商做整合。至於坊間所講嘅「1,000 倍」功耗優勢，報道未有披露測試基準、模型、準確率目標或功耗計算範圍，暫時無法獨立驗證。15

佢唔係單賣一粒晶片，而係做醫療裝置底層平台

明能科技描述嘅產品鏈，係由「生理感知 → 事件計算 → 安全調控」構成：

• 多模態生理訊號採集；
• 將波形轉換成脈衝／事件編碼；
• 混合訊號 SNN（脈衝神經網絡）計算核心；
• 具備硬件安全檢查嘅可編程醫療級干預單元。

即係話，佢嘅客戶定位主要係醫療器械廠商：提供晶片、模組、SDK、工程支援同註冊支援，而唔係以銷售完成品醫療裝置為主。15

SNN 同 GPU／NPU 做推論，有咩根本分別？

一般 GPU 或 NPU 推論，往往按固定節奏持續抽樣，並進行密集嘅數值張量運算；即使生理訊號一段時間冇明顯、具臨床意義嘅變化，系統仍可能要搬運同處理大量數據。

明能科技提出嘅做法係：將波形中有意義嘅變化編碼成離散「脈衝」，只喺有事件時先啟動運算；冇明顯事件時，系統可以維持喺深度低功耗狀態。呢種設計模仿生物神經元嘅溝通方式——神經元以稀疏、非同步嘅脈衝傳遞訊息，而唔係靠全局時鐘不斷傳送連續浮點數值。15

對持續監察、訊號微弱而且夾雜雜訊嘅生理時間序列，呢種架構理論上有幾個吸引力：

• 減少不必要嘅計算同資料搬運；
• 較自然保留訊號發生時間；
• 對短暫變化可作低延遲反應；
• 適合長時間、裝置端運作嘅 AI 分析。14

不過，慳電唔係 SNN 嘅「自動附送」效果。實際表現好睇晶片設計、輸入資料、模型大小同準確率要求。已有研究展示異步事件驅動晶片可以做到極低待機功耗，例如 Speck 感知—計算晶片報告嘅處理器靜止功耗為 0.42 mW；綜述研究亦指出，某些應用嘅推論能耗可有數個數量級下降嘅潛力。但呢啲結果唔等於已證實明能科技嘅特定晶片有約 1,000 倍優勢。37

醫療上最適合邊類訊號？

明能科技明確提及嘅場景包括腦電圖（EEG）、心電圖（ECG）及肌電圖（EMG）波形監測、慢性病長期居家監察、非侵入式腦機介面、康復閉環調控、睡眠自主神經調控、運動康復同慢性痛症居家干預。15

當中 ECG 同 EEG 同 SNN 特別夾：兩者都係時間性強、需要長時間觀察嘅訊號。SNN 可用於裝置端持續分類，例如偵測心律異常或癲癇發作風險。相關研究已展示以脈衝驅動方式做可穿戴 ECG 分類，亦有神經形態框架應用於 EEG 癲癇發作預測、ECG 心律異常分析及 EMG 手勢辨識。48

至於「醫學影像預篩」，作為廣義邊緣 AI 應用係可以想像，但融資相關資料唔見得係明能科技已重點披露嘅產品方向。現階段更有依據嘅定位，仍然係生理訊號感知、監測同閉環調控。15

點解救護車、野外醫療同偏遠診所會關注？

如果晶片真係可以用低功耗、低發熱方式喺便攜監測器內完成初步預警或分流推論，理論上就毋須依賴耗電較高嘅工作站、穩定雲端連線，亦可減少持續上傳敏感生理訊號嘅需要。

工程層面可能帶來：

• 電池續航更長；
• 散熱要求更低；
• 本地即時推論；
• 喺網絡頻寬有限時仍可維持基本運作。

神經形態生醫研究支持低能耗、動態裝置端處理嘅一般理據。23 不過，呢啲係技術潛力，唔代表明能科技裝置已經喺救護車、野外醫療或偏遠診所完成臨床驗證。

放返喺全球神經形態晶片賽道睇

明能科技可視為中國神經形態運算賽道中、較聚焦醫療器械嘅參與者。佢並非以通用 AI 加速為主要方向，而係針對受電量、體積及發熱限制嘅邊緣推論。

國際上，Intel Loihi 系列係可編程、非同步 SNN 研究硬件，支援晶片上學習；IBM TrueNorth 則係具代表性嘅數碼事件驅動架構，主打極低功耗推論。56 中國亦有天機（Tianjic）與 Darwin 等腦啟發／SNN 硬件研究成果。明能科技聲稱嘅差異化，係把生理訊號編碼、安全邏輯、標準化模組同醫療器械監管整合放入同一套產品方案，而唔單止比較神經元或突觸數量。15

真正考驗：唔只係慳幾多電

要由概念走到醫療市場，能耗只係其中一關。SNN 訓練工具、結果可重現性、醫療器械驗證、臨床證據、網絡安全、晶片良率同監管審批，全部都可能決定商業成敗。

明能科技已提及收入及合作進展，但現有引述報道未有提供經獨立審計嘅性能數據、臨床結果、監管許可，或者可比較嘅晶片基準測試。因此，今次融資較合理嘅解讀係：公司正嘗試將醫療 SNN 概念推向量產與器械整合階段；至於技術效能同臨床價值，仍要等更完整數據驗證。15