ABR专利US12688397：让AI在设备端以35mW运行语音助手
💡 Applied Brain Research Inc.于2026年7月21日获得的美国专利US12688397，保护一种可分区芯片架构，该架构以低于35mW的功耗运行状态空间神经网络，比竞争方案高效达100倍。商业产品TSP1（时序处理器1代）是全球首款无需云连接即可完成全词汇量语音识别的单芯片。这项专利标志着脑启发计算已从研究探索跨入商业硬件现实。
US12688397究竟保护了什么？
2026年7月21日，美国专利商标局将专利US12688397授予Applied Brain Research Inc.（ABR），这是一家由计算神经科学家Christopher Eliasmith及其滑铁卢大学同事创立的加拿大边缘AI公司。三位发明人，Gurshaant Singh Malik、Aaron Russell Voelker和Eliasmith，描述了一种"用于实现循环神经网络的可分区数字硬件系统"。
用通俗语言来说，该专利保护一种可以划分为独立处理单元的芯片架构，每个单元可同时运行各自的神经网络任务。需要语音识别时，部分单元处理音频，同时需要手势识别时，其他单元负责处理，全部运行在总功耗不超过35毫瓦的单一芯片上。下表汇总了本专利的核心信息，这类跨司法管辖区的事实摘要正是专利翻译服务的核心价值所在。
| 字段 | 详情 |
|---|---|
| 专利号 | US 12,688,397 |
| 名称 | 用于实现循环神经网络的可分区数字硬件系统 |
| 专利权人 | Applied Brain Research Inc.（加拿大安大略省滑铁卢市） |
| 发明人 | Gurshaant Singh Malik、Aaron Russell Voelker、Christopher David Eliasmith |
| 授权日期 | 2026年7月21日 |
| 司法管辖区 | 美国（USPTO） |
| 技术类别 | 神经形态计算 / 边缘AI硬件 |
| 商业产品 | TSP1（时序处理器1代），开发者套件已于2026年上市 |
AI为何困于云端？
每次对着智能设备说话却看到它停顿后才响应，都是"内存墙"在发挥作用。现代AI语音助手运行基于Transformer的模型，其注意力机制要求输入序列的每个部分与其他所有部分进行比对，内存需求随序列长度的平方增长。这对于电池供电的芯片而言，在实用词汇量规模下根本无法承受。结果是，几乎所有语音AI都将复杂计算推送至云端，增加了100-500毫秒延迟，带来隐私风险，并要求持续联网。
对于助听器、AR眼镜或工业传感器而言，这是根本性的障碍。助听器必须在10毫秒内完成语音处理，否则将产生可感知的延迟，等待云端响应根本不可行。整个"设备端AI"愿景都被Transformer的内存胃口所阻拦。这不是工程限制，而是数学限制，因此解决方案也必须是数学层面的。而这正是勒让德记忆单元的用武之地。
勒让德记忆单元：专利背后的数学突破
勒让德记忆单元（LMU）是ABR的基础发明，由Aaron Voelker和Chris Eliasmith在滑铁卢大学开发，并于2019年NeurIPS大会上发表。LMU不像注意力机制那样将过去的上下文存储为原始激活值，而是将信号的整个历史压缩为一组小型、固定大小的勒让德多项式系数。内存复杂度从O(n²)降至每时间步O(1)，无论序列有多长，内存占用保持不变。
LMU属于更广泛的状态空间模型（SSM）家族。自2023年Mamba架构证明SSM能以极少计算量匹配Transformer语言基准后，SSM受到了极大的研究关注。ABR的专利将这一数学洞见转化为硅芯片：可分区单元架构专为在硬件上高效实现LMU的循环更新而设计，可在同一芯片上并行运行多个SSM任务，且无需共享状态冲突。"可分区"在实践中究竟意味着什么？
"可分区"：US12688397的核心权利要求
"可分区"这个词在专利名称中并非偶然，它是核心创新所在。大多数神经网络芯片，从谷歌TPU到BrainChip的Akida，都是整块芯片在同一时间只运行一个任务。ABR的架构允许芯片在运行时动态逻辑分区，将不同的单元组分配给不同的神经网络任务，实现真正的并行处理。这带来两个直接结果。
第一，可在单颗毫瓦级芯片上实现实时多任务推理：语音识别和声学事件检测可并行运行，无需时间复用，从而降低延迟。第二，实现模块化部署：设备厂商可根据模型复杂度为每项任务分配不同数量的单元，而无需为每个应用单独配备芯片。对于正在进入碎片化可穿戴、医疗和汽车传感器市场的初创公司而言，这种架构灵活性与原始能效同等重要。专利将这种分区方案锁定为ABR的核心知识产权护城河。
这项专利在创新生态系统中的位置
US12688397处于三股并发浪潮的交汇点。第一是边缘AI推进：随着云端AI成本上升、医疗和金融领域隐私法规收紧，从苹果到高通的众多企业都在竞相将推理移至设备端。第二是SSM革命：状态空间架构已成为处理顺序任务的可行Transformer替代方案，并具有固定内存占用的硬件优势。第三是神经形态知识产权加速：仅2025年，神经形态计算芯片专利数量就激增了401%（Patsnap，数据年份2025年），各大芯片公司纷纷布局脑启发计算IP。
ABR并非孤军奋战。英特尔Loihi 2平台在桑迪亚国家实验室以"Hala Point"形式部署，拥有11.5亿个模拟神经元，采用脉冲神经网络（SNN）方法。BrainChip的Akida已商用于边缘设备，同样基于SNN。ABR的差异化在于SSM方法：TSP1通过LMU实现平滑循环更新，与从标准神经网络模型训练而来的已有模型兼容性更好，部署流程比SNN转换更简单。分区专利将这条模型到芯片的流水线保护为专有知识产权。
谁打造了它，又威胁到谁？
Applied Brain Research是Christopher Eliasmith计算神经科学研究小组从加拿大滑铁卢大学孵化的创业公司。Eliasmith团队于2012年构建了"Spaun"，当时是全球最复杂的功能性大脑模型。ABR首席执行官Kevin Conley直接点出商业命题：语音正在成为下一波边缘设备的默认界面，但依赖云端的语音AI体验极差。2026年1月，种子轮融资超额认购完成，由Two Small Fish Ventures领投，Eva Lau加入董事会。TSP1开发者套件现已正式发售。
这项专利对多家现有巨头形成实质性压力。高通和ARM为几乎所有智能手机提供AI加速器，面临架构层面的挑战：如果SSM芯片能以35mW在独立硅片上处理常亮语音和传感器融合，集成在应用处理器中的常亮NPU的必要性就会减弱。云端AI服务商（亚马逊、谷歌、微软）若语音查询从不离开设备，将失去推理收入。而传统助听器厂商的高端产品虽然功耗低至1-2mW，却无法运行现代AI，若ABR持续缩小功耗差距，将面临颠覆风险。2025年神经形态专利数量激增401%，是各方巨头已经注意到这一趋势的最清晰信号。
这对我们意味着什么？
US12688397是一项低调的专利：没有爆炸性的晶体管数量记录，没有超级智能宣言。但它代表了一个脑启发计算商业化的重要里程碑：一种数学上严格的Transformer替代方案，不仅实现了硅芯片化，更以开发者套件的形式于2026年上市，获得超额认购资金支持，并拥有清晰的产品路线图，指向助听器、AR眼镜、工业传感器和汽车语音界面。神经形态芯片市场预计将从2026年的5.1亿美元增长至2031年的40.8亿美元，复合年增长率51.57%（MarketsandMarkets，数据年份2026年），ABR的专利是这一增长的知识产权基石之一。
对于翻译和知识产权本地化行业，US12688397清楚地说明了为何前沿硬件专利对译者要求极高。权利要求同时涉及勒让德多项式数学、循环状态动态、可分区计算架构和边缘推理流水线。不理解"有状态单元"含义或为何"可分区"是关键词的译者，无法准确传达权利要求的保护范围，而翻译不准确的权利要求在该管辖区形同虚设。随着ABR寻求国际保护，每一份技术翻译的精确度将直接决定该司法管辖区知识产权护城河的宽度。
常见问题
什么是状态空间模型，它与Transformer有何不同？
Transformer的注意力机制将输入序列的每个部分与其他所有部分进行比较，导致内存需求随序列长度的平方增长。状态空间模型（如LMU）将全部历史压缩为一个固定大小的小向量，每时间步更新，无论序列多长内存占用保持不变。这使SSM更适合内存带宽有限的低功耗边缘芯片。
"可分区"在本专利中是什么意思？
"可分区"意味着芯片的计算架构可以在运行时逻辑划分为独立的单元组，每组同时运行不同的神经网络任务。一个分区负责语音识别，另一个负责手势检测，全部在同一芯片上完成。大多数竞争芯片一次只能在整块硬件上运行一个任务，要么浪费资源，要么通过时间复用增加延迟。
TSP1芯片面向哪些应用？
TSP1是ABR的首款商业芯片，实现了专利中的可分区SSM架构。它以低于35mW的功耗完成全词汇量语音识别，无需云连接，效率比同类方案高10至100倍。开发者套件已于2026年初上市。目标应用包括助听器、AR眼镜、可穿戴设备、机器人、医疗设备以及对延迟和功耗要求严格的汽车语音界面。
ABR与英特尔Loihi或BrainChip Akida有何区别？
三者都是针对低功耗AI的神经形态芯片，但架构不同。Loihi 2和Akida采用脉冲神经网络（SNN），仅在信号变化时触发计算。ABR的TSP1通过平滑循环更新实现状态空间模型，与标准训练的神经网络模型兼容性更好，部署流程比SNN转换更简便。ABR的专利专门保护可分区SSM硬件架构，是一种独特且受保护的技术路线。
为什么US12688397这类芯片专利的专利翻译如此重要？
这项专利同时涉及勒让德多项式数学、硬件架构术语（可分区单元架构）和法律权利要求语言。精确的专利翻译和技术翻译对于国际申请和执法至关重要。关键权利要求术语的翻译错误可能收窄该管辖区的法律保护范围，使竞争对手更易绕过专利设计。
来源
Open Neuromorphic：TSP1时序处理器 - Applied Brain Research（2026年） | Newswire：ABR完成种子轮融资，2026年1月 | EE Times：ABR展示状态空间模型首款硅芯片（2025年） | MarketsandMarkets：神经形态芯片市场报告（数据年份2026年） | Patsnap：2025年神经形态计算芯片专利激增401%
关于作者
Dao Huy（Lucas）是一位拥有七年以上专业经验的专利翻译与技术翻译专家，专注于英语、中文、法语与越南语之间的技术文件、知识产权和专利翻译。他长期从事半导体、AI硬件和工程领域的文件翻译，深知精确术语对专利权利要求可执行性的决定性作用。
如果您的机构需要将专利、AI硬件规格或技术文件进行越南语专利翻译或技术本地化，欢迎访问daohuy.com获取报价。芯片架构专利、AI硬件申请及跨司法管辖区知识产权文件均在专业服务范围之内。
Written by Dao Huy (Lucas), Vietnamese translator & localization specialist (EN · ZH · FR → Vietnamese). See translation services →