北京大学科研团队成功研发高精度芯片，或可提升千倍算力

北京大学集成电路学院团队成功研制出一款基于阻变存储器的高精度模拟矩阵计算芯片。这项突破的核心在于，它首次将基于阻变存储器的模拟计算精度提升到了24位定点精度，在处理一些关键任务时，其计算吞吐量和能效比，较目前顶级的GPU提升了百倍至千倍。

孙仲课题组合影

这项技术突破的详细解读

1. 它是什么？——“模拟计算” vs “数字计算”

要理解这项突破，首先要明白两种不同的计算范式：

数字计算（我们目前使用的CPU/GPU）：处理的是“0”和“1”的二进制数字信号。优点是精度高、抗干扰能力强，但执行矩阵乘法等AI核心运算时，需要在内存和处理器之间来回搬运数据，非常耗时耗能（这就是“内存墙”问题）。

模拟计算（北大这款芯片）：利用物理定律（如欧姆定律、基尔霍夫定律）直接在存储器内部进行计算。它通过调节阻变存储器单元的电导 来代表不同的权重值，输入电压，输出的电流就是乘积累加的结果。这种 “存算一体” 的方式极大地减少了数据搬运，从而实现了超高的能效和速度。

2. 核心突破点是什么？

基于阻变存储器的模拟计算概念虽好，但长期以来面临一个致命问题：精度不足。器件的固有噪声、非理想特性等使得计算误差很大，难以应用于需要高精度的复杂任务。

北大团队的突破在于：

高精度突破：他们通过一系列创新的芯片设计、电路技术和编码方案，成功地抑制了噪声，将模拟计算的有效精度稳定在了24位定点数的水平。这个精度足以应对绝大多数复杂的AI推理和科学计算任务。

高精度全模拟矩阵计算求解矩阵方程

验证成功：研究团队在芯片上成功运行了：

大规模卷积神经网络：高精度完成了图像分类任务。

无线通信仿真：求解了复杂度极高的“矩阵特征值问题”。

3. 为什么如此重要？（百倍至千倍提升从何而来？）

这主要得益于模拟“存算一体”架构的根本性优势：

打破“内存墙”：数据无需在存储器和处理器之间长途跋涉，计算在原地发生，节省了超过95%的数据搬运能耗和时间。

高度并行：一个芯片上的成千上万个阻变存储器单元可以同时进行计算，实现极大规模的并行矩阵运算。

因此，在执行其擅长的矩阵乘法、卷积等任务时，其计算吞吐量和能效比相比需要串行处理且不断搬运数据的顶级GPU，自然能够实现数量级（百倍至千倍）的提升。

潜在影响与应用前景

边缘计算与终端设备：如此高的能效比，使得运行复杂AI模型的门槛和功耗大大降低。未来，智能手机、自动驾驶汽车、无人机、物联网传感器等设备可以直接在本地高效处理高负载AI任务，而不必完全依赖云端。

科学计算：在计算流体力学、天体物理、药物研发等领域，许多问题最终都归结为求解大型线性方程组，这款芯片可以极大地加速这些科学发现的过程。

推动后摩尔时代算力发展：在晶体管尺寸微缩逐渐逼近物理极限的“后摩尔时代”，这种基于新架构的“架构胜出” 方案，为持续提升算力提供了全新的、极具潜力的技术路径。

总结

北京大学这款新型AI芯片的突破，不仅仅是实验室里的一项性能纪录。它成功地解决了模拟计算走向实用化的最大障碍——精度问题，证明了基于阻变存储器的存算一体架构在处理复杂、高精度任务上的可行性。这是一项从底层硬件层面，为未来AI和整个信息产业发展的“破局”之举，标志着我们向更高能效、更强算力的未来又迈出了坚实的一步。