中國儲能網(wǎng)訊：近日，北京大學人工智能研究院孫仲研究員團隊聯(lián)合集成電路學院研究團隊，成功研制出基于阻變存儲器的高精度、可擴展模擬矩陣計算芯片，首次實現(xiàn)了在精度上可與數(shù)字計算媲美的模擬計算系統(tǒng)，相關成果10月13日刊發(fā)于《自然·電子學》期刊。據(jù)報道，該款芯片在求解大規(guī)模MIMO信號檢測等關鍵科學問題時，計算吞吐量與能效較當前頂級數(shù)字處理器（GPU）提升百倍至千倍。
這樣一則技術性極強的新聞“刷屏”各大媒體平臺，其“破圈”背后不僅僅是芯片技術的重大突破，更因為它擊中了當前數(shù)字算力增長放緩、能耗激增的全球性痛點，為AI、自動駕駛等關鍵領域的算力困境提供了一個全新的解決思路。
從算不準到精準計算的復興
據(jù)了解，數(shù)字計算的統(tǒng)治地位并非與生俱來。在計算機的早期歲月里，模擬計算曾是絕對主流，它通過連續(xù)的物理量直接表達和處理信息。然而，隨著計算任務日益復雜，模擬計算在精度和擴展性上的局限日益凸顯，最終讓位于能夠提供絕對精確結果的數(shù)字計算。孫仲談到：“如何讓模擬計算兼具高精度與可擴展性，從而在現(xiàn)代計算任務中發(fā)揮先天優(yōu)勢，一直是困擾全球科學界的‘世紀難題’?！?
對于大多數(shù)習慣數(shù)字計算機（二進制）的公眾而言，模擬計算是一個既古老又新奇的概念。孫仲用生動的比喻對其進行解釋：“現(xiàn)在的所有芯片都是數(shù)字計算，數(shù)據(jù)需先轉換成0和1的符號串。比如，數(shù)字‘十’，需要轉譯成‘1’和‘0’，計為‘1010’。”同樣地，如果用二進制來表示“1＋1=2”，則應記作“1＋1=10”。
模擬計算則無需這層“轉譯”，它是一種“類比計算”。一位模擬芯片企業(yè)相關負責人對記者解釋說，傳統(tǒng)模擬芯片的“模擬”，是將自然界的物理常量信號（例如聲、光、熱等），模擬成同樣是常量的電信號（電壓、電流）。也就是說，數(shù)字“十”，可以直接用10伏或10毫伏的電壓來表示。模擬芯片通常處理的都是這種電信號，然后通過模擬數(shù)字轉換器（ADC）將之轉換為數(shù)字信號，傳輸至CPU/MCU進行計算處理。
模擬計算機在計算機發(fā)展早期（上世紀30～60年代）曾被廣泛應用，但隨著計算任務日益復雜，其精度瓶頸凸顯，逐漸被數(shù)字計算取代。孫仲指出，此次研究的核心正是要解決模擬計算“算不準”這一痛點。
據(jù)悉，研究團隊在試驗中成功實現(xiàn)了16×16矩陣的24比特定點數(shù)精度求逆，矩陣方程求解經(jīng)過10次迭代后，相對誤差可低至10<sup>﹣7</sup>量級。這種精度水平足以滿足絕大多數(shù)科學計算和人工智能訓練的需求。更令人驚嘆的是研究成果的性能表現(xiàn)：在求解32×32矩陣求逆問題時，其算力已超越高端GPU的單核性能；當問題規(guī)模擴大至128×128矩陣時，計算吞吐量達到頂級數(shù)字處理器的1000倍以上。這意味著傳統(tǒng)GPU需要處理1天的任務，這款模擬計算芯片僅需1分鐘即可完成。
這種性能飛躍源于模擬計算的本質優(yōu)勢。當前的CPU和GPU均采用馮·諾依曼架構，將計算和存儲單元分離，形成了著名的“內(nèi)存墻”問題——數(shù)據(jù)需要在存儲器和處理器間頻繁搬運，消耗了大量時間和能量。而基于阻變存儲器的模擬計算芯片，實現(xiàn)了真正的“存算一體”，取消了將數(shù)據(jù)轉化為二進制數(shù)字流的過程，直接利用物理規(guī)律進行運算，從根本上消除了數(shù)據(jù)搬運的能耗。一位芯片工程師向記者介紹說：“阻變存儲最大的特點就是既能存儲又能計算。現(xiàn)在，計算的很大瓶頸在于帶寬，而用阻變存儲結構計算就不用搬運數(shù)據(jù)，也就不受帶寬限制了?！?
汽車產(chǎn)業(yè)計算革命新引擎
作為早期計算機的核心技術，模擬計算通過物理定律直接運算，具有高并行、低延時、低功耗的先天優(yōu)勢。然而，由于傳統(tǒng)模擬計算精度低、難擴展，逐漸被高精度、可編程的數(shù)字計算取代，成為存于教科書中的“老舊技術”。尤其隨著人工智能、互聯(lián)網(wǎng)、大數(shù)據(jù)拓展至更多應用領域，對數(shù)據(jù)、算力、算法的需求成倍增長，高性能芯片成為重要的硬件載體。
以往，數(shù)字芯片負責思考和計算，模擬芯片負責感知和執(zhí)行。如今，隨著科學研究的進展，這一格局或發(fā)生改變。關于應用前景，孫仲認為，模擬計算在未來AI領域的定位是強大的補充，最有可能快速落地的場景是計算智能領域，如機器人和人工智能模型的訓練。
在汽車產(chǎn)業(yè)加速邁向電動化、智能化的今天，模擬計算技術的突破也具有特別意義。隨著自動駕駛等級提升和智能座艙功能豐富，汽車對算力的需求正呈指數(shù)級增長。傳統(tǒng)的數(shù)字芯片雖然能夠提供可靠的算力基礎，但功耗和散熱問題逐漸成為制約因素。
樂觀派人士認為，模擬計算芯片的低功耗、高能效特性，恰好契合了電動汽車的能效管理需求。當解決128×128矩陣求逆問題時，模擬計算芯片的計算吞吐量達到頂級數(shù)字處理器的1000倍以上，而能耗僅為傳統(tǒng)方案的千分之一。這種能效優(yōu)勢直接轉化為電動汽車的續(xù)駛里程提升，也為配裝更復雜的感知與決策系統(tǒng)提供了可能。
孫仲特別指出，與其他“存算一體”方案相比，他們團隊的特色在于專注于更具挑戰(zhàn)性的矩陣方程求解——這正是AI二階訓練的核心。在自動駕駛領域，這意味著車輛能夠更快地處理多傳感器融合數(shù)據(jù)，實時完成復雜的環(huán)境感知和決策計算。傳統(tǒng)GPU需要數(shù)小時完成的訓練任務，在新款模擬計算芯片上可能僅需幾分鐘，有望大幅縮短自動駕駛算法的迭代周期。
然而，產(chǎn)業(yè)界的看法更為審慎。一位就職于智能芯片企業(yè)的工程師劉峰（化名）告訴記者：“我研究生階段的課題，就是圍繞阻變存儲器展開的。而該項技術在我涉足之前的10多年便已啟動研究，至今仍未能實現(xiàn)規(guī)模化落地。因此，我對這一模擬計算技術的應用持觀望態(tài)度?！痹谒磥恚亲枳兇鎯ζ髂軌蛟谌萘可贤黄芓B級別，否則難以支撐芯片的大規(guī)模實際應用。
另一位汽車芯片企業(yè)負責人則從概念層面進行了辨析：“研究成果應被歸類為模擬計算芯片，而非廣義上的模擬芯片。我認為，就本質而言，它更接近數(shù)字芯片的范疇，因其對標的是CPU與GPU這類數(shù)字處理器?！边@位汽車芯片企業(yè)負責人表示，這一研究在學術界可能受關注程度不低，但在產(chǎn)業(yè)領域還是一個新事物。
實驗室到產(chǎn)業(yè)化長路漫漫
盡管應用前景值得期待，但模擬計算芯片從實驗室走向產(chǎn)業(yè)化，特別是應用于要求嚴格的汽車領域仍面臨多重挑戰(zhàn)?？煽啃允鞘滓P卡，汽車電子需要承受-40℃～125℃的溫度變化、高強度振動和電磁干擾，而阻變存儲器件的耐久性和穩(wěn)定性在復雜車載環(huán)境下尚待驗證。劉峰直言：“現(xiàn)在數(shù)字芯片夠用了，而且汽車工況更復雜，模擬芯片對電磁的干擾問題并沒解決，其落地的實用性可能不大?！?
成本與供應鏈是另一大挑戰(zhàn)。數(shù)字芯片經(jīng)過數(shù)十年發(fā)展，已形成成熟的規(guī)?；圃旌凸滙w系。相比之下，模擬計算芯片特別是基于新型阻變存儲器的芯片，仍處于實驗室到產(chǎn)業(yè)化過渡的早期階段。劉峰強調：“產(chǎn)品要談規(guī)模，數(shù)字芯片經(jīng)過多年發(fā)展，以規(guī)模平攤了成本，但新型模擬數(shù)字芯片量產(chǎn)還早，恐怕短期內(nèi)成本無法降下來?！边@種成本劣勢在價格敏感的汽車行業(yè)無疑是一大短板。
技術成熟度同樣不容樂觀。據(jù)悉，阻變存儲的基礎材料體系仍未完全確定，器件的一致性和可靠性距離車規(guī)級要求的“零失效”標準還有相當距離。正如劉峰透露的：“阻變存儲的材料都還沒確定到底用啥，目前還是在實驗室階段?！边@意味著從材料選擇到制造工藝，整個技術鏈條都需要重新建立和完善。
面對這些挑戰(zhàn)，孫仲保持了理性的期待。他強調，模擬計算在未來AI領域的定位是強大的補充，而非替代。“因成熟度與經(jīng)濟性，CPU作為通用‘總指揮’難以被淘汰。GPU則專注于加速矩陣乘法計算。我們的模擬計算芯片，旨在更高效地處理AI等領域最耗能的矩陣逆運算，是對現(xiàn)有算力體系的有力補充?！边@種互補共存的思路，或許是最為現(xiàn)實的發(fā)展路徑。
