AI 晶片／邊緣視覺
ETHEREAL 以時空事件快取處理 VGA 事件視覺，每事件推論量測為 25.6 微秒
28 奈米 ETHEREAL 晶片把不規則事件圖存取與規則 spline convolution 分開處理，並支援逐層 4／8 位元精度。DAGr-GNN 量測達每事件 25.6 微秒、1.6 微焦耳，但最後三層偵測頭仍在晶片外評估。
8 月 18 日上線的 ETHEREAL 預印本，提出一顆專為事件驅動圖神經網路設計的 28 奈米處理器。事件相機不輸出完整影格，而在像素亮度改變時產生帶時間戳的事件，能保留微秒級時間解析度；問題是其圖結構同時包含稀疏、不規則的鄰居存取，以及規則而密集的神經網路運算，一般 CNN 加速器不容易同時有效利用兩者。
ETHEREAL 以鄰居並行的 spline-convolution 資料路徑處理圖卷積，並把 1.25 MB 記憶體分成保存三維時空事件與二維特徵的兩部分。區域式時空快取可在三維階段最多減少 60% 外部記憶體存取，二維階段則避免外部存取；相較逐鄰居序列處理，並行卷積平均最多縮短 3.8 倍執行時間。晶片亦能按運算元切換 4 或 8 位元，讓精度、能耗與延遲在部署時調整。
作者在 640×480 DSEC 汽車事件資料及 DAGr-GNN 上，選用 YOLO-like head 8b／8b、其餘層 4b／4b 的組合，報告每事件端到端延遲 25.6 微秒、能耗 1.6 微焦耳。不同精度配置的範圍約為 20.1 至 40.1 微秒及 1.2 至 2.5 微焦耳。ESSERC 2026 的已接受論文頁面列出相同延遲，但能耗寫作 1.7 微焦耳，顯示版本或四捨五入差異。
這項成果證明高解析度事件圖可以直接由專用矽晶片處理，而不必先壓成傳統影格。不過系統量測只涵蓋十段、每段一千個事件，而且 YOLO-like head 最後三層在晶片外以完整精度評估；因此數字不能直接等同完整感測器到偵測結果的延遲或能源。預印本仍在投稿 IEEE JSSC，亦未公布可供外部驗證的晶片或完整硬體實作。