问AI · 仿脑芯片的存算一体架构如何突破传统计算瓶颈？
中国科研团队推出一款模仿人脑工作机制的神经形态芯片，在特定脑动力学仿真任务中，其运算速度最高达到英伟达A100 GPU的478倍，同时功耗大幅降低。
这款由北京大学杨玉超团队联合中科院上海微系统所共同研制的相变忆阻器神经动力学芯片，体积仅0.28平方毫米，实现了10毫秒以内的高速神经动力学计算。
传统GPU采用“存算分离”架构，数据需要在内存与计算单元之间反复搬运，在高精度大脑皮层三维重建、神经仿真这类任务上，延迟高、能耗大，很难做到实时运算。
研究团队刊发于《Science》主刊的论文《基于相变忆阻器的亚10毫秒级神经动力学系统》显示，在脑皮层高保真重建场景下，该芯片相比英伟达A100提速50478倍。
对比当前最先进的专用ASIC加速器，速度提升3.836倍，功耗降至后者的约1/24。
研究人员解释，这款芯片并非用来替代通用大模型训练GPU，而是面向类脑计算、脑机接口、脑疾病实时诊疗、脉冲神经网络推理等专用场景。
它以忆阻器实现存算一体，模仿大脑神经元与突触并行处理信号的方式，摆脱传统冯·诺依曼架构瓶颈。
该成果打破了半个世纪以来神经动力学实时高精度仿真的算力瓶颈，为低功耗端侧类脑AI、植入式脑机芯片打开了新路线。