全球首枚神经动力学处理芯片发布

大脑皮层表面的复杂褶皱，过去想要在计算机中实时重建，通常依赖昂贵的大型设备进行长时间运算。现在，一颗只有拇指大小的芯片彻底改变了这一状况。北京大学集成电路学院教授杨玉超带领的团队，与中国科学院上海微系统与信息技术研究所的宋志棠研究员团队合作，推出了全球首款基于相变忆阻器的神经动力学系统芯片。首次将这类计算的单步延迟压缩到2.舆情网12毫秒，使大脑皮层重建等复杂任务速度比现有最先进GPU快了50到478倍，直接突破了神经动力学领域半个世纪以来关于实时计算的技术瓶颈。这项研究成果已于3日凌晨发表在《科学》期刊上。

据杨玉超介绍，如果机器要像大脑一样，实时理解和模拟真实世界，就需要一种能结合神经网络和微分方程的“神经动力学系统”。这种系统可以在杂乱、缺失的数据中还原平滑且精确的三维脑结构，有着广阔应用前景。然而，传统计算模式一直有一个最大短板：计算和存储分离，运算中大量中间数据在内存和处理器之间频繁来回，像是在大型工厂里频繁倒运原料，既拖慢效率又耗能惊人。

为了解决这一问题，研究团队从忆阻器自身的物理规律入手。他们利用相变存储器特殊的“电导漂移”特性——在特定时间内，电导的变化可以预测并精确控制。基于这一点，团队发展出全新的“可控存内计算”模式。用通俗的话来说，传统依赖复杂数字电路的多次运算和数据搬运，如今直接交给物理器件自然完成，大幅简化计算流程。

更重要的是，研究团队还把神经网络的权重分配到了相变存储器的不同导电状态上，在同一个硬件阵列中与矩阵运算同步完成。两项关键计算功能就这样集成在仅0.28平方毫米大小的存算结构里面。采用40纳米工艺的这枚芯片实现单次迭代延迟为2.12毫秒，将神经动力学系统真正带进了毫秒级的实时运算时代。

“这枚芯片的表现非常亮眼。”杨玉超介绍，在同样的计算任务下，该芯片比起目前国际最先进的专用加速器速度提升在3.82到36.27倍之间，同时大幅降低功耗。而在高精度大脑皮层重建任务上，速度比国外的最强GPU还快了478.18倍。芯片重建出来的脑皮层网格细腻平滑、结构准确，不但能还原复杂的细节，还有效克服了传统方法容易出现的“伪影”和自相交等问题。

杨玉超表示，这项突破让脑机接口和脑疾病诊疗技术迎来了想象不到的新空间。将来实现个性化、可动态调整的“脑数字孪生”会变得可行。无论是手术中的神经导航，还是老年痴呆病的早筛和定制化干预治疗，都有望获得高效的硬件基础支持，实现真正的实时应用。

●新知解码

“可控存内计算”究竟是什么？

假如把传统计算机比成一间办公室，处理器就像是负责计算的人员，存储器则是墙上排列的文件柜。每次要算账，计算员就得不断走去文件柜取资料，算完再放回去——绝大部分时间都浪费在路上。这就是有名的“冯·诺依曼瓶颈”：存储和计算分离，数据搬运效率低下导致运算速度受限。

“存内计算”提出了一个很直接的思路：让档案柜（存储单元）自己把账算了，数据不用来回搬动，就在原地完成处理。理论上很美好，可真正实现并不容易，尤其是存储单元天生只会记，不会算，要让它们算得准、算得稳，需要突破不少技术难题。

更大的挑战还在“可控”上。因为计算过程中有很多操作需要灵活应对和实时调整。怎样让一大堆物理元件具备动态反应能力，是让存内计算成为现实的关键环节。

突破的灵感其实来自一个不那么直观的物理现象：这些器件的电导会规律性地漂移，过去被认为是“缺陷”，但如果能掌握并利用这种变化轨迹，漂移反倒能成为自然的计算单元——传统需要反复指令和读写的数据，直接让物理过程自己完成。

这就是“可控存内计算”的思想核心：存储单元既能保存信息，也能在设定的约束下主动运算，整个流程都可以被精准把控。这类芯片的诞生，让复杂计算可以被压缩在毫秒级内完成，能效比传统技术提升几十倍甚至数百倍。