全球首颗！我国芯片领域取得重大突破

一种新型的人工智能计算芯片。

如今，人工智能确实已经成为了热门关键词和新财富密码，但是，随着人工智能等应用对数据存储和计算需求的不断提升，数据来回“搬运”处理，耗时长，功耗大，还可能存在“交通堵塞”的风险。

所以不得不考虑一个问题：AI的计算能力和能源消耗是否能够跟上其蓬勃发展的需求?

目前，AI的计算主要依赖于传统的冯·诺伊曼体系结构，即将数据存储在存储器中，然后通过总线传输到处理器中进行计算。这种方式不仅速度慢，而且能耗高，限制了AI的发展。

为了解决这个问题，科学家们提出了一种新型的计算芯片——忆阻器存算一体芯片。

这里要先搞清楚两个问题：什么是忆阻器?什么是存算一体?

忆阻器，全称记忆电阻器(Memristor)。

忆阻器这个概念最早是在1971年由Leon Chua描述和命名的，他完成了基本电气元件的理论四重奏，其中包括电阻器、电容器和电感器。

电阻器可以阻止电流流动，电容器可以储存电荷，电感器可以储存磁场。而忆阻器则有记忆功能。

当电流流经忆阻器时，它会形成一种特殊的电阻，这个电阻的大小取决于电流的方向和大小。而且，当电流停止时，忆阻器会“记住”最后的电阻值，即使电流已经停止流动。

简单点来说，忆阻器是一种有记忆功能的非线性电阻，也就是说它能够“记住”流经它的电流的方向。

存算一体(Computing in Memory)。

就是指在存储器中嵌入计算能力，以新的运算架构进行二维和三维矩阵乘法/加法运算。

在过去二十年，处理器性能以每年大约55%的速度提升，内存性能的提升速度每年只有10%左右。结果长期下来，不均衡的发展速度造成了当前的存储速度严重滞后于处理器的计算速度。

在传统计算机的设定里，存储模块是为计算服务的，因此设计上会考虑存储与计算的分离与优先级。但是如今，存储和计算不得不整体考虑，以最佳的配合方式为数据采集、传输和处理服务。

存算一体系统架构

忆阻器存算一体芯片

忆阻器存算一体芯片是一种集成了存储和计算功能的新型芯片。

它采用了忆阻器(memristor)作为基本元件，忆阻器具有自身的存储能力和可调节的电阻性质。这种芯片结合了传统计算和存储单元，能够在同一芯片上完成数据存储和计算操作。

实现数据的存储和计算的一体化，一方面可以大大提高计算的速度和能效，另一方面还可以支持类似人脑的自主学习功能，适用于人工智能、边缘计算等领域。

近日，清华大学集成电路学院教授吴华强、副教授高滨团队基于存算一体计算范式，研制出全球首颗全系统集成的、支持高效片上学习(机器学习能在硬件端直接完成)的忆阻器存算一体芯片。

忆阻器存算一体学习芯片及测试系统

本次在支持片上学习的忆阻器存算一体芯片领域取得重大突破，有望促进人工智能、自动驾驶可穿戴设备等领域发展。相关成果在线发表于最新一期的《科学》。

清华大学集成电路学院副教授高滨接受记者采访时表示，“该款芯片揭示了人工智能时代下边缘学习的新范式，为突破冯·诺依曼传统计算架构下的能效、算力瓶颈提供了一种创新发展路径。”

存算一体并不属于冯·诺依曼架构，在相同任务下，这颗芯片实现片上学习的能耗仅为先进工艺下专用集成电路(ASIC)系统的1/35，且有望实现75倍的能效提升，明显超越了现有的ASIC算力芯片。

基于忆阻器存算一体

实现高效片上学习的通用算法和架构

“存算一体片上学习在实现更低延迟和更小能耗的同时，能够有效保护用户隐私和数据。”博士后姚鹏介绍，该芯片参照仿生类脑处理方式，可实现不同任务的快速“片上训练”与“片上识别”，能够有效完成边缘计算场景下的增量学习任务，以极低的耗电适应新场景、学习新知识，以满足用户的个性化需求。

“我们研发的这款存算一体芯片，展示出高适应性、高能效、高通用性、高准确率等特点，能有效强化智能设备在实际应用场景下的学习适应能力。”

“路不好走，却意义非凡，它是当前全球高科技领域较量的重要战场。”高滨认为，芯片研究是一件久久为功的事情，前方找不到的突破口，却能在日积月累的研究学习中获得。

【免责声明】：本站部分文章为转载或网友发布，目的在于传递和分享信息，并不代表本网赞同其观点和对其真实性负责；文章版权归原作者及原出处所有，如涉及作品内容、版权和其它问题，我们将根据著作权人的要求，第一时间更正或删除。