FlexMan：面向低功耗神经网络的硬件加速器设计与实现

FlexMan是CONVOLVE项目开发的硬件加速器，专为低功耗脉冲神经网络（SNN）和人工神经网络（ANN）设计，探索边缘AI计算的能效优化方案。其核心创新在于灵活的计算单元设计与双模调度机制，可在单一架构上高效支持两种网络类型，为边缘设备提供高能效计算解决方案。

随着AI应用普及，神经网络计算需求指数增长，但CPU/GPU在边缘设备上能效比不足，电池续航和散热成为瓶颈。SNN因事件驱动特性天然低功耗，但异步计算特性给硬件加速带来挑战。

采用分层存储结构（片上SRAM缓冲区、权重存储单元、神经元状态寄存器组）减少外部存储器访问能耗；并行乘加阵列支持定点/浮点运算，配备脉冲检测逻辑处理SNN异步事件；双模调度器：SNN按时间戳排序处理脉冲事件，ANN采用层间流水线策略。

电路层面：时钟门控、电源门控技术，SNN模式下细粒度动态电压频率调节（DVFS）；存储层面：数据压缩和稀疏编码减少存储传输数据量；支持部分推理模式，达到置信度时提前终止计算以节省能耗。

智能家居：本地完成语音/手势识别，保护隐私并降低带宽需求；工业物联网：设备状态监测与预测性维护，本地实时分析快速响应；机器人：电池供电平台运行复杂感知决策算法，助力无人机、服务机器人等应用。

挑战：SNN编程范式与传统框架差异大，缺乏友好编程接口；算法与硬件协同优化不足，现有模型多为GPU设计；制程技术：摩尔定律放缓，需探索忆阻器、相变存储器等新型器件。

FlexMan代表神经网络硬件加速的重要探索方向，融合SNN与ANN为边缘AI提供灵活高效方案。其开源特性为学术界和工业界进一步创新提供基础，值得边缘计算与神经形态工程开发者深入研究。