RAMP“分析優先”邊緣架構可最小化數據處理量，最大限度地延長智能音箱、可穿戴設備和物聯網產品的電池壽命。

據麥姆斯咨詢報道，2019年6月25日，模擬神經形態芯片先驅Aspinity公司推出可重構模擬模塊化處理器（Reconfigurable Analog Modular Processor, RAMP）平臺，這款超低功耗的模擬處理平臺，可克服電池供電型永遠在線傳感設備的功耗和數據處理難題，特別適用于消費類、智能家居、物聯網（IoT）、工業和其他應用領域。

RAMP平臺將機器學習融入到模擬處理器中，該革命性技術能夠在數據被數字化之前，從背景噪聲中進行事件的檢測和分類，例如語音、警報、振動頻率或量級變化。通過直接分析傳感器原始模擬數據，RAMP平臺可以更有效地對永遠在線系統的能源和數據資源進行分配，從而避免高功耗的處理和無關數據的傳輸。與舊的“數字化優先”架構相比（即所有傳感器數據需不間斷地數字化來進行事件分析），基于RAMP的“分析優先”方案為邊緣傳感器帶來更多智能，使永遠在線設備所需功耗至少降低10倍，處理數據量至少減少100倍，比如語音優先的智能音箱和可穿戴設備/可聽戴設備，永遠監聽的智能家居安防設備和工業振動監控系統。

市場對永遠在線傳感設備的需求量正在飆升，短短幾年之間，已有數十億智能系統投入使用。根據Juniper Research預計，到2023年，數字語音助理的安裝量將增加三倍，達到80億臺。永遠在線的語音優先設備，如智能音箱和可穿戴設備/可聽戴設備，是最大且增長最快的細分市場。到2021年，智能音箱將達到4.82億臺（根據IHS Markit數據），到2022年可穿戴設備/可聽戴設備將達到4.17億臺（根據Juniper研究數據）。

隨著設備制造商對永遠在線便攜式傳感設備的大量投資，技術開發人員正在努力掃除此類設備的應用障礙。其中首要問題為電池壽命短，這正是許多永遠在線的傳感設備無法吸引終端用戶的主要因素。

Aspinity公司創始人兼首席執行官Tom Doyle表示：“我們正處于永遠監聽、不間歇運行設備大規模使用的風口浪尖。為了達到更高的規模水平，我們必須解決某些應用的體系構架問題。例如，語音優先的智能音箱和可穿戴設備/可聽戴設備，應該可以長時間運行而不需要電池充電，否則會使消費者焦慮充電問題。我們致力于通過智能架構方法解決這個問題。我們RAMP平臺能夠分析從麥克風邊緣接收的聲音，使喚醒口令引擎和其他數字處理器在80%沒有語音的時候，保持處于低功耗休眠狀態。這類設備（比如一年才更換一次電池的語音優先電視遙控器或者可以運行一整天不充電的智能耳塞）制造商，將在市場中獲得巨大的競爭優勢。”

RAMP平臺

Aspinity的RAMP專利技術可在緊湊型、超低功耗的模擬電路中重復復雜的數字處理任務，支持從非結構化的傳感器原始模擬數據中進行事件檢測和分類。利用少量晶體管的非線性特性，仿效大腦效率，RAMP采用結合了模塊化、并行和連續運行的模擬模塊。與傳統的模擬電路相比，每個模擬模塊都具有更小且更高效的可編程封裝。通過配置不同的模擬模塊，可實現典型的數字任務，如信號分析和數據壓縮，以及更復雜的任務，如特征提取、事件檢測和分類，從而幫助RAMP平臺支持眾多應用。

技術靈活，可編程、可擴展

RAMP平臺的模擬模塊可以使用特定應用的算法進行重新編程，以分析來自多種傳感器的原始模擬數據，例如用于工業振動監測的加速度計。傳統預測性維護系統需要不間斷處理數以千計的數據點來監控某些光譜峰值的變化趨勢，而RAMP則可以僅選擇最重要的數據點進行采樣，將振動的數據量壓縮100倍，并極大的減少分析需要收集和傳輸的數據量。對永遠在線應用而言，減少處理數據量是更容易部署電池供電型無線傳感器系統的關鍵。