7.4
深览指数
科技腾讯新闻·芯东西··AI 生成
比英伟达A100快478倍，北大、中科院造的芯片，登上Science
北大杨玉超团队联合中科院上海微系统所，在《科学》发表基于相变忆阻器（PCRAM）的毫秒级神经动力学芯片。该芯片通过利用相变存储器电导的连续、可控漂移物理特性，将神经动力学系统的自适应积分步长搜索与神经网络矩阵运算统一映射到存内计算架构，首次将单步迭代时延压缩至2.12毫秒。在高保真脑皮层表面重建任务中，该芯片相比英伟达A100 GPU，速度提升高达478倍，功耗仅为后者的3.9%-7.8%。研究提出了不同于传统冯·诺依曼或纯数字加速的“物理驱动计算”新范式，但其40nm工艺、50MHz运行频率、总面积0.28mm²的专用原型芯片，与商用GPU在综合生态与通用性上不具备直接可比性。适合对存算一体、类脑计算、后摩尔时代新型计算架构有深度兴趣的技术读者。原文 ↗
核心观点
- ▍研究团队利用相变忆阻器的连续可控电导演化物理特性，将神经动力学系统中的自适应积分步长搜索和神经网络矩阵运算统一嵌入存内计算架构，从根本上绕过了冯·诺依曼瓶颈，首次将神经动力学硬件系统的迭代时延推进到毫秒级（2.12ms）。
- ▍该芯片在脑皮层表面重建等高保真脑建模任务中，相比英伟达A100 GPU实现了50.38到478.18倍的速度提升，同时功耗仅为后者的3.9%-7.8%。这标志着一种“物理驱动计算”新范式的硬件验证。
- 01论文发表在《科学》（Science）上，是该期刊在该研究领域内刊发的标志性成果之一。《科学》同期发表专题观点评述（Perspective），评价其“代表了一种物理驱动计算的理念转变”。
- 02团队采用40纳米工艺制造芯片，总面积0.28平方毫米，运行频率50 MHz，单次神经动力学迭代计算时延为2.12毫秒，这是业界首次将此类系统的运算速度推进至毫秒级。
- 03相比当前最先进的ASIC专用加速器，该芯片在执行相同神经动力学任务时速度提升3.82至36.27倍，功耗降低到7.8%至3.9%。
- 04该芯片已成功应用于大脑白质与灰质皮层表面的实时重建与三维流形网格生成，在对称表面平均距离与豪斯多夫距离等指标上优于传统神经网络方法，并有效抑制了自相交及非流形伪影。
- 05细粒度可控电导演化机制：将有效积分步长直接编码为相变存储器电导状态，利用器件自身物理变化完成自适应步长搜索，替代了传统数字电路的步长计算、判断与调整过程。
- 06论文由北京大学杨玉超团队与中科院上海微系统所宋志棠团队联合发表。杨玉超教授为新基石研究员，研究得到国家重点研发计划、国家自然科学基金等支持。
反方 / 局限
- — 文章未讨论该芯片在更广泛、通用AI计算任务（如大模型推理/训练）上的表现，其478倍A100的加速比严格限定在“高保真脑建模”这一特定神经动力学任务上，不可简单外推。
- — 芯片采用40nm成熟工艺、运行频率仅50MHz，这与A100采用的7nm工艺、极高频率和庞大生态形成鲜明对比。速度对比是在特定存内计算架构与专用任务规则下的结果，而非硬件本身晶体管或时钟性能的普遍优势。
- — 相变忆阻器在量产中仍面临耐久性、阻值漂移与热串扰等可靠性挑战。文章未详细说明原型芯片在长时间运行下的稳定性、良率或与数字工艺兼容性等技术成熟度问题。
8 分钟 · 4 卡片 · 12 资料
读原文 →