随着连接到互联网的设备数量的不断增加，不同感官终端和计算单元之间的冗余数据传输量也随之增加。介入感觉网络附近或内部的计算方法，可以帮助更有效地处理不断增长的数据量，从而降低功耗，并有可能减少传感和处理单元之间的冗余数据传输。

香港理工大学的研究人员最近进行了一项研究，概述了近传感器和传感器内计算的概念。这是两种能够将计算任务部分转移到感官终端的计算方法，可以减少功耗并提高算法的性能。

进行这项研究的研究人员之一柴扬（Yang Chai）对TechXplore表示：“物联网上的感觉节点数量继续迅速增加。” “到2032年，传感器的数量将达到45万亿，传感器节点生成的信息相当于10 20位/秒。因此，有必要将部分计算任务从云计算中心转移到边缘设备为了减少能耗和时间延迟，节省通信带宽并增强数据安全性和隐私性。”

视觉传感器可以收集大量数据，因此通常需要大量的计算能力。在之前的一项研究中，Chai和他的同事试图在感官终端级别执行信息处理，并使用光电电阻式开关存储阵列来证明传感器收集的预处理图像可以提高图像识别的计算方法的性能。

柴说：“在这项研究之后，我建议使用新硬件平台的传感器内计算，可以消耗相同或更少的功率实现高性能和高能效。” “随着这个新兴领域的快速发展，有必要总结现有的成就并为未来的发展提供前景。我们最近在《自然电子》杂志上发表的观点论文提供了该领域挑战和机遇的及时概述。”

由于传感器和计算单元具有不同的功能，因此它们通常由不同的材料制成，并具有不同的设备结构，设计和处理系统。在传统的感觉计算架构中，传感器和计算单元在物理上是分开的，它们之间的距离很大。在近距离和传感器内部的计算体系结构中，传感单元和计算单元之间的距离显着减小或消除。

在近传感器计算系统中，处理单元或加速器位于传感器旁边。这意味着处理单元或加速器在传感器端点执行特定的操作，这可以提高系统的整体性能并最大程度地减少冗余数据的传输。

另一方面，在传感器内计算体系结构中，单个传感器或多个连接的传感器直接处理它们收集的信息。这消除了对将传感和计算功能合并在一起的处理单元或加速器的需求。

近传感器计算的一大挑战是感觉单元和计算单元之间的集成。例如，计算单元已经采用了非常先进的技术节点，而大多数传感设备可以基于大节距技术很好地执行其功能。尽管单片3-D集成提供了一种高密度和短距离的方法，复杂的工艺和散热仍然是巨大的挑战。

尽管到目前为止，传感器内计算架构已被证明是将计算和感测功能相结合的有前途的方法，但它们通常仅适用于特定场景。此外，只能使用仍处于开发初期的创新材料和设备结构来实现它们。

传感器内计算是一个跨学科的研究领域，涉及材料，设备，电路，体系结构，算法和集成技术。这些架构很复杂，因为它们需要在不同的情况下处理大量和各种类型的信号。近/传感器内部计算的成功部署需要传感器，设备和集成技术的共同开发和共同优化。

Chai和他的同事在最近发表在Nature Electronics上的论文中，为近传感器和传感器内计算提供了清晰的定义。这些定义将感觉计算分为低级处理（即，通过抑制不必要的噪声或失真或通过增强功能以进行进一步处理，从大量原始数据中初步和选择性地提取有用数据）和高级处理（也就是说，涉及认知过程的抽象表示可以识别“什么”或“哪里”输入信号。

除了提供近距离和传感器内计算的可靠定义外，研究人员还提出了实现集成式感应和处理单元的可能解决方案。将来，他们的工作可能会激发进一步的研究，目的是使用先进的制造技术来实现这些体系结构或其硬件组件。

到目前为止，Chai和他的同事的工作主要集中在视觉传感器上。但是，近传感器和传感器内计算方法也可以集成其他类型的传感器，例如那些检测声音，压力，污点，化学或什至生物信号的传感器。

柴说：“我们现在有兴趣将我们讨论的策略扩展到不同的应用场景。大多数现有报告仅限于相对较小的规模，但仍远未达到实际应用。将来，我们将探索通过增加设备数量并与外围电路连接以构建系统来扩大设计规模的机会。 ”