國產模擬計算芯片實現重大突破 能效比提升超228倍

北京大學人工智能學院孫仲研究員團隊近期在專用計算芯片領域斬獲重大成果，一款面向高維數據處理的新型模擬計算芯片成功研發。該芯片專門針對非負矩陣分解這一核心數據處理技術設計，在性能上實現突破性飛躍——相較于當前主流先進數字芯片，計算速度提升近12倍，能效比更是創下超228倍的驚人增幅。

作為一種高效的“數據降維解讀”技術，非負矩陣分解能從海量繁雜的用戶行為、圖像像素、基因序列等信息中，精準提煉潛在規律與核心特征，廣泛支撐著個性化推薦、生物信息分析、高清圖像處理等諸多場景的智能應用。不過，面對如今動輒百 萬級乃至更大規模的數據集，傳統數字芯片受限于串行計算模式與內存瓶頸，不僅運算流程繁瑣，能耗居高不下，更難以滿足實時處理的實際需求，成為制約智能應用升級的關鍵短板。

為突破這一困境，孫仲團隊摒棄傳統數字計算路徑，轉而深耕模擬計算技術領域，成功研發出基于阻變存儲器（RRAM）的非負矩陣分解模擬計算求解器。團隊的核心創新點的在于一款原創性可重構緊湊型廣義逆電路，依托電導補償技術原理，用最精簡的計算單元完成同等復雜的運算任務，將非負矩陣分解流程中最為關鍵的計算環節優化為“一步直達”的高效模式，從架構層面大幅縮減了芯片的面積占用，同時實現了能耗的根本性降低。

為充分驗證芯片的實際性能與穩定性，研究團隊搭建了專屬測試驗證平臺，在兩大典型應用場景中開展全面測試。在圖像壓縮任務中，該芯片處理后的圖像信噪比損失微乎其微，與全精度數字計算機處理結果基本一致，同時還能將存儲空間壓縮至原來的一半；在個性化推薦系統測試中，其預測誤差率與傳統數字芯片計算結果高度契合，展現出優異的運算精準度與穩定性。

在網飛（Netflix）規模的推薦系統訓練任務中，這款國產芯片的性能優勢得到極 致釋放。測試數據顯示，其計算速度較現有先進數字芯片提升約12倍，能效比更是實現超228倍的跨越式提升，為大規模數據的高效、低耗處理提供了全新技術方案，破解了傳統算力架構的核心痛點。

“這項成果為約束優化問題的實時求解開辟了全新路徑，彰顯了模擬計算在處理復雜現實數據中的巨大潛力。”孫仲指出，該芯片可廣泛適配實時推薦系統、高清圖像處理、基因數據分析等多元場景，為人工智能應用向高效化、低功耗化轉型提供核心支撐，同時也為國產專用計算芯片突破技術壁壘、搶占國際競爭高地開辟了新賽道。