中国科学家突破模拟计算瓶颈：全新芯片技术深度测评

北京大学人工智能研究院孙中研究员团队在《自然·电子学》发表了一项标志性成果。他们成功研制出基于电阻式随机存取存储器的高精度、可扩展模拟矩阵计算芯片。该研究的核心突破在于，首次将模拟计算精度提升至与数字系统相当的水平，实现了相比传统模拟计算五个数量级的精度跃升。

性能基准测试验证了其颠覆性潜力。在解决大规模MIMO信号检测等复杂科学计算任务时，该芯片展现的计算吞吐量与能效，超越了当前顶级数字处理器数百至数千倍。这标志着一条全新的高性能计算技术路径已从原理层面得到验证。

这项成果为破解计算领域长期存在的“内存墙”与“功耗墙”难题提供了关键思路。在后摩尔时代，面对人工智能大模型训练与未来6G通信对算力的指数级需求，该技术有望开启计算范式转型的新赛道。

孙中研究员指出，该芯片架构具备广泛的应用前景。在6G通信系统中，它能使基站以极低功耗实时处理海量天线信号，从而大幅提升网络容量与能源效率。在人工智能领域，该技术可加速大模型训练中的二阶优化算法，显著缩短模型收敛时间。

“其低功耗特性更为关键，”孙中强调，“它使得复杂的信号处理算法与端侧AI训练-推理任务得以本地化执行，这将实质性降低对云端算力的依赖，推动边缘计算进入高智能、低延迟的新阶段。”

从技术原理分析，该芯片基于RRAM的模拟矩阵运算架构，成功攻克了长期制约模拟计算发展的噪声抑制、漂移控制与器件一致性问题。其创新在于直接利用电流、电阻等物理量执行矩阵乘法、加法及线性方程组求解，绕过了数字逻辑的串行处理瓶颈。研究证明，通过材料工程、器件设计、算法协同与系统优化的深度融合，模拟计算的精度与稳定性瓶颈是可被系统性突破的。

从实验室原型到产业落地仍需跨越工程化鸿沟。尽管目前处于科研验证阶段，其产业化路径已清晰可见。大规模制造与商业部署可能带来以下影响：

• 赋能边缘设备与通信基站，实现能效与处理能力的双重飞跃，加速AI与6G应用商业化进程；
• 变革数据中心依赖大型数字处理器的传统模式，引领高集成度、高效率的专用AI硬件发展潮流；
• 在全球计算架构竞争中，强化我国在先进计算技术领域的自主创新链与产业话语权。

产业化挑战依然明确。需持续攻克器件良率提升、温度稳定性优化、软硬件协同设计以及系统长期可靠性等核心工程问题。实现从原型到产品的跨越，需要跨学科团队的持续研发与产业链的紧密协作。

这项研究不仅是一次技术突破，更具战略前瞻性。它清晰表明，在数字计算面临物理极限的背景下，模拟计算正通过材料创新与架构革新，重新成为驱动计算性能与效率跨越的关键引擎。未来的计算演进，将是物理特性、新型器件与系统架构深度协同的融合创新。