人工智能技术的发展浪潮极大地改变了人类的生产生活方式，对当前人类文明的所有的领域产生了深刻的影响，并且还将持续深入地影响下去。

  但人工智能技术依靠大算力的支撑，随技术的爆炸式发展，它对大算力的需求也节节高升。然而，现有的算力短缺与庞大的算力需求之间形成了越来越突出的矛盾。芯片作为算力的物质载体，面临着急需攻克的挑战。如何加快研制高算力、高能效的芯片，解决庞大的算力缺口，实现算力的大幅度的提高，是当前的硬件技术要解决的迫切问题，也是卡住人工智能技术发展速度“脖子”的核心问题。

  日前，清华大学集成电路学院教授吴华强、副教授高滨团队基于存算一体计算范式，研制出全球首颗全系统集成的、支持高效片上学习（机器学习能在硬件端直接完成）的忆阻器存算一体芯片，在支持片上学习的忆阻器存算一体芯片领域取得重大突破，有望促进人工智能、无人驾驶、可穿戴设备等领域发展。相关成果以“面向边缘学习的全集成类脑忆阻器芯片”（Edge Learning Using a Fully Integrated Neuro-Inspired Memristor Chip）为题在线发表在最新一期的《科学》上。

  什么是忆阻器芯片呢？据介绍，忆阻器（Memristor）是继电阻、电容、电感之后的第四种电路基本元件。

  在忆阻器芯片发明之前的传统芯片都是基于冯·诺依曼模型的，它将存储器和处理器分开，并通过数据总线进行连接，需要在处理器和内存之间来回移动数据。这种存算分离带来的高能耗和高延迟、低隐私和低安全性、低适应性和低鲁棒性，成为制约算力提升的一大挑战。

  为了解决这样一些问题和挑战，一种新的计算范式被提出，即存算一体计算范式。存算一体计算范式是指将存储器和处理器集成在一个芯片上，并利用存储器本身的物理特性来进行计算。这样就解决了传统计算架构范式的不足。

  存算一体计算范式的关键是存储器本身就具有计算功能，为实现这一点，一种新型的存储器件被发明，这就是忆阻器。忆阻器是一种像人脑神经元一样具有记忆功能的电阻器，在断电之后，它仍能“记忆”起之前通过的电荷。它是电子学领域的一项重大突破，在数据存储、计算、加密和通信方面都表现出了巨大的潜力。

  自 2012 年以来，清华大学钱鹤、吴华强、高滨团队从研发忆阻器件、原型芯片起步，一步步发展到系统集成、计算理论，研制出全球首颗全系统集成的、支持高效片上学习的忆阻器存算一体芯片，所有与学习相关的计算均在该芯片上完成。

  硬件实测结果为，该芯片包含支持完整片上学习所必需的全部电路模块，在涉及图像分类、语音识别、控制任务的多个片上学习任务中，该芯片的能耗仅为先进工艺下专用集成电路（ASIC）系统的3%，同时有望实现75倍的能效提升，还可以有明显效果地保护用户隐私和数据。展示出高适应性、高能效、高通用性、高准确率等特点，极具满足AI时代高算力需求的应用潜力。

  本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。