英特尔最近描述了其与转变计算体验相关的芯片研究，重点是运行在系统边缘、核心和端点的数据。

英特尔研究员、英特尔实验室电路技术研究主管Vivek De表示，新方法将是英特尔将重心从硬件和程序转向数据和信息的一种手段。这就要求图像传感器等产生数据的设备具有更高的能效和高度的处理能力。

这项研究的主要目标是确保有效的计算技术，重点是视频分析、机器视觉、增强现实和机器人技术。它必须克服各种端点和其他位置面临的带宽、功率和内存限制。

据报道，这项研究的发现很少能用于新芯片的生产。2020年超大规模集成电路技术和电路研讨会公布了英特尔博客中涵盖的研究论文讲座。

该公司的11名研究人员在技术论文中展示了基于FinFET互补金属氧化物10nm设计的全数字BNN(二进制神经网络)加速器芯片-半导体(CMOS)的应用。传统上，BNN已经成为一些功率有限的边缘设备中的模拟设备。然而，与数字加速器相比，BNN模拟在预测的准确性和容忍度方面较低。

在研究论文中，英特尔通过数字方式提供了类似于模拟内存的能效。它还为高级处理提供了增强的规模。通过使用CNM(计算近内存)、内积计算和近阈值电压操作，617 TOPS/watt(每秒万亿次操作)实现了高能效。

其中一篇研究论文包括针对AI、ML和深度学习应用的本地内存带宽加倍。该研究论文还包括一种基于深度学习减少视频流分析所需功能的方法，包括如何采用芯片和新算法来处理视觉输入。