每经记者：张蕊 每经裁剪：廖丹

当AI（东说念主工智能）期间算力集群范围正渐渐从万卡向十万卡、百万卡致使千万卡升级时，一支中国团队悄然别有肺肠。

2025年10月，北京大学东说念主工智能磋商院/集成电路学院双聘助理训导孙仲与北京大学集成电路学院蔡一茂训导、王宗巍助理训导指令的团队告捷研制出基于阻变存储器的高精度、可延长模拟矩阵计较芯片，在大家范围内初次将模拟计较的精度进步至24位定点精度，让异日同等任务下使用更少的计较卡成为可能。

视觉中国图

这是一种透顶不同于目下悉数商用量产芯片的新式芯片，计较精度从1%跃升至千万分之一；不错撑执6G、具身智能及AI大模子锤真金不怕火等多个前沿场景；更伏击的是，它可在28纳米及以上老练工艺量产，绕开光刻机“卡脖子”设施。

事实上，AI大模子、具身智能、6G等应用背后齐是矩阵计较，AI推理是作念矩阵乘法，AI锤真金不怕火是在贬责矩阵方程。而的崛起恰是收获于GPU（图形处理器）很擅长作念矩阵计较。

行为北京大学东说念主工智能磋商院的磋商员，“可爱且擅长”让孙仲深耕模拟计较范畴多年。从聚焦AI算法底层通用矩阵计较加快磋商，到在《当然·电子学》《当然·通讯》等顶刊发表系列效果，他永恒锚定模拟计较——这个上世纪30至60年代曾风靡一时却因精度瓶颈被数字计较取代的技巧，在他眼中恰是浮松算力困局的重要。

新式芯片研制告捷关于应付AI范畴的算力与能耗挑战有何真谛？跟着摩尔定律渐趋闭幕、数字计较堕入能耗困局，GPU还能否一直“称王”？近日，《逐日经济新闻》记者（以下简称NBD）对孙仲进行了长远专访。

谈技巧：为何要重返“落后”的模拟计较

NBD：芯片研制告捷的真谛是什么？有不雅点合计，它为算力范畴提供了新的技巧阶梯，有助于减少对单一计较范式的依赖，是否如斯？

孙仲：如实如斯。计较范式唯独两种：模拟（类比）计较与数字计较。现时主流芯片——不管是GPU、TPU（张量处理器）、CPU（中央处理器）如故NPU（神经网罗处理器）——齐是数字芯片，底层齐是硅基器件，基于逻辑门（逻辑函数）、晶体管，齐要二进制化。以先进GPU为例，一张卡可能集成杰出1000亿个晶体管，因此能提供很大的算力。但如果搜根剔齿，会发现数字计较其实并非一种很高效的计较神气。

例如来说，思要完成一次绵薄的“1+1”需要28个晶体管，思完成两个10位数的乘法需要约1万个晶体管。但正因为目下晶体管不错作念得很小，才调在芯片上容纳千亿级的晶体管，是以它不错“以量换算”——一次操作要浪费1万个晶体管，它不在乎，因为它富足多，1000亿除以1万还有1000万，这意味着它还有很大算力。

而一个芯片里能有这样多晶体管，在于摩尔定律（摩尔定律是由英特尔公司长入首创东说念主戈登·摩尔建议。该定律提到，当价钱不变时，集成电路上可容纳的晶体管数量每隔18至24个月增多一倍，性能也将进步一倍）。

我合计摩尔定律是让目下数字芯片如斯告捷的唯独推手。早先晶体管作念出来好像是5厘米×5厘米×5厘米这样大，因为有摩尔定律，5厘米变成5纳米，是以千亿级的晶体管也不错被塞进去，不然，1万个晶体管可能要铺满整间房子致使悉数这个词楼层。

如今，摩尔定律趋于闭幕，晶体管很难再微缩，是以业界目下只可横向堆计较卡：少则百卡，多则万卡、十万卡。但这样的神气我合计是不可执续的——能耗、碳排放均呈指数级飞腾，与国度“双碳”见解违反。因此，我合计需要探索一种不同的计较范式，即模拟（类比）计较。

模拟计较并非全新的计较范式，在上世纪30至60年代曾被世俗应用，但跟着计较任务日益复杂，其精度瓶颈突显，渐渐被数字计较取代。咱们此次磋商的中枢恰是要贬责模拟计较“算不准”这一痛点。

NBD：模拟（类比）计较是比数字计较更高效吗？

孙仲：是的。模拟计较也叫类比计较，东说念主类从小算“1+1”，并非动用28个晶体管，而是“一根筷子加一根筷子等于两根筷子”“一棵树加一棵树等于两棵树”的物理类比，一根筷子、一棵树齐是物理系统。若将“筷子”“树”缩至电子圭臬——1个电子加1个电子是2个电子，这永远成就，要作念计较的时辰，就不错径直通过物理定律来作念计较——相较于28个晶体管，电子级类比在硬件资源支出与能耗上均下落数个量级。

数字计较是二进制，齐以0和1来暗示信息，例如“5”被编码为“101”，任何运算齐需通过逻辑门对二进制信息进行操作；模拟计较则无需编码，“5”可径直对应物理量（如5V、5000Ω），加法与乘法齐不错径直通过物理定律瞬时完成。

换句话说，数字计较中间有一个“翻译”设施，而这个设施把正本的信息“翻译”多礼量更为广漠，计较过程需要去逐一处理这些更广漠的信息，才调获取针对原始问题的解。而模拟计较则省去了这个中间设施，是以速率更快，能耗也大幅裁汰。

NBD：既然数字计较经由如斯繁琐，为什么要联想成这样？为什么早期计较机仍然铁心模拟计较而转向数字？

孙仲：根底原因在于可靠性。转成0和1，就只需要远隔0和1，这是最可靠的。数字计较的鲁棒性（系统的健壮性、刚毅性）更好，抗搅扰才略更强；而早期模拟计较追求聚会函数输出，极易受噪声影响，导致收尾漂移，加之那时也枯竭目下的踏实器件，模拟精度难以保证，因此业界普遍转向数字范式。

NBD：便是说模拟计较持久受困于精度瓶颈，而你们的磋商恰巧贬责了这一难题？

孙仲：是的。精度问题一直是“如鲠在喉”的重要痛点，咱们将相对谬误大幅压降至千万分之一（10^-7）量级，相配于把这个“鲠”拿出来了，这亦然咱们的效果受到世俗存眷的中枢原因。

谈浮松：新式芯片精度进步5个数量级

NBD：将相对谬误压降至千万分之一，是若何作念到的？

孙仲：早先需要强调一个前提，进步精度不不错就义能效或速率为代价，不然莫得真谛。也便是说，不可精度进步了，能效反而下落或者计较速率比数字芯片还慢了。

为了进步精度，咱们沿用了计较机范畴的经典迭代优化算法。绵薄来说，便是基于2019年建议的低精度电路来解方程，解方程的过程就好比在一派山谷中找最低点，能量函数最低点便是方程的最优解。2019年的这个电路，一上来就会告诉你最低点在某个盆地，它不是精准的最低点，但口舌常接近。之后再以高精度模拟计较电路反复修正，如果精准点是1，初次迭代得0.9，二次得0.99，三次得0.999……仅需数次迭代就能把精度进步格外多，况且能效仍比数字计较高数个量级。

NBD：能否具体先容一下这款芯片？

孙仲：咱们的磋商以阻变存储器为介质，放手传统硅基晶体管与逻辑门，摄取类比神气完成计较。具体而言，便是将待解的矩阵方程映射至电路物理量，使电路自愿求解矩阵方程，而非由逻辑门一步步推算。

2019年，咱们用联想的第一个电路类比求解时，不错求解告捷，但精度相比低——1%量级的谬误，准确度可达99%，听起来还好，但关于需要级联千步乃至万步的大范围计较任务而言，谬误将呈指数级积蓄——在半导体范畴，如果每一步工艺告捷率是99%，就意味着这个芯片作念出来的告捷率是0。同理，在计较设施若每步保留1%谬误，千步之后收尾将涣然一新。因此，必须把单步谬误压得富足低，降至千万分之一乃至亿分之一（10^-8）量级，才调抖擞AI锤真金不怕火等场景对FP16（浮点16位）精度的刚性需求。咱们的磋商，恰是将相对谬误从1%降至千万分之一，将精度进步至24位定点精度，进步了5个数量级，使模拟计较初次具备与主流数字精度接轨的才略，24位定点精度相配于数字计较的浮点32位（FP32），从而展现出广泛的应用远景。

NBD：在研制告捷的过程中，有莫得遭逢一些艰巨？

孙仲：严格真谛上的艰巨，蚁合在分解层面。模拟计较持久被贴上“低精度”标签。早期，咱们我方也接受这个设定，是以在2019年到2022年间，咱们接续联想了多款电路，解种种矩阵方程，但齐停留在低精度（1%阁下的相对谬误）。每当向外推介时，对方一句“精度问题若何贬责”便足以让参谋拒绝，低精度应用的局限性了然于目。着实要应用的话，高精度确定是一个基本需求，唯独浮松了精度瓶颈，才调谈范围应用。上世纪，模拟计较便是因为精度瓶颈才被数字计较取代。但从科学探索和原始更正的角度来看，低精度阶段必不可少。

NBD：这款新式芯片的更正点，主若是什么？

孙仲：归纳起来，主要更正有三点。第一，器件层面：上世纪的模拟计较齐是基于传统硅基电路，多用于求解微分方程；咱们则初次摄取已可量产的、富足老练的阻变存储器行为中枢器件，面向矩阵方程求解，酿成“当代模拟计较”范式。第二，电路层面：2019年，咱们建议一种全新的反应电路，这是中枢。不错在不显耀增多能耗与延时的前提下，将计较谬误由1%裁汰至千万分之一量级，使模拟计较初次具备与FP32等同的数值可靠性。第三，算法层面：引入了经典的迭代优化及“位切片”算法——将24位定点数拆分为8组3位并行或串行处理，再通过移位相加获取全精度收尾，从而高效终了高精度矩阵乘法。

NBD：在这个过程中，阻变存储器上演什么变装？

孙仲：阻变存储器是终了高速、低功耗矩阵方程求解的硬件载体，咱们期骗它终澄清最中枢的矩阵方程求解的电路，能够终了快速访佛求解，然后再用高精度的模拟计较系统迭代，终了高精度的方程求解。但这样的载体，其实并不一定非若是阻变存储器，是因为我一直从事阻变存储器的磋商，原则上，其他的存储器（比如相变、磁性、铁电存储器等）齐不错承载该电路。换句话说，类比计较的中枢是数学到物理的映射，物理系统不错是多元的，不局限于阻变存储器。

谈应用：新式芯片更适用于中等范围场景

NBD：目下，这款芯片的磋商处于什么阶段？

孙仲：目下，还处在实验室阶段。假定异日，6G大范围MIMO（天线阵列）的某类任务由咱们的芯片实践，并给出相应的性能评估，属于旨趣性考据，并非现网实测。

由于实验室范围相比小，尚无法与高端数字芯片抗衡。晶体管还是可作念到纳米圭臬况且动手频率极高，在小范围任务上上风显著。咱们的芯片更适用于中等范围场景，也便是在中等范围才调阐明出上风。太小则性能不足，超大范围则暂时够不着。

目下，悉数主流AI锤真金不怕火均为一阶要领，二阶锤真金不怕火要领速率会更快，迭代次数会更少，然而每次迭代齐要解一次矩阵方程，单次计较量巨大，这关于数字芯片来说是很难的。但咱们的技巧恰巧不错去作念快速矩阵方程求解，因此表面上格外允洽来作念二阶锤真金不怕火的加快。

NBD：二阶锤真金不怕火，是否专指大模子的锤真金不怕火？

孙仲：并非唯独大模子才是AI，小范围的神经网罗亦然AI，是以无所谓大模子小模子，小至传统神经网罗，大至千亿参数模子，齐不错使用二阶锤真金不怕火，其见解是为了让AI锤真金不怕火得更快。

NBD：除AI锤真金不怕火、6G外，还有哪些潜在应用？

孙仲：具身智能、超等计较。像征象预告、量子力学、热扩散模拟等超等计较齐是解微分方程，而微分方程在数字计较机上需转成矩阵方程后才调求解。因此，超算中心的绝大部分算力践诺上齐是用于解矩阵方程。是以，超算范畴致使不错是一个更大的、更契合的应用场景。

NBD：在超算范畴应用，还需要作念什么？

孙仲：需要扩大芯片的矩阵范围（指数据范围，即矩阵行列数），因为超算要解的齐是很大的问题，波及的矩阵范围可能是“百万×百万”级别的。如果需求是解“百万×百万”的方程，硬件也需要对应延长。诚然，咱们不会径直去作念“百万×百万”的阵列，而是通过算法联想终了“以小博大”——例如以512×512硬件求解1024×1024方程，以1024×1024硬件求解2048×2048方程，依此类推。

NBD：这个范围要作念大，依靠什么？

孙仲：要流片，要去代工场作念。跟数字芯片的经由是雷同的，咱们的芯片也能在现存的代工场产线上作念出来，这是相较于量子计较、光计较的显耀上风——它们因材料与工艺条目互异，无法沿用现时分娩线。

NBD：预测多久能够落地到消费端？若面向消费端，还需完成哪些重要设施？

孙仲：这没办法准确预估。早先咱们要扩大芯片的阵列范围；其次必须干涉大宗工程资源，包括流片、测试、可靠性考据等量产前使命；终末还需生意鼓吹——劝服产业链伙伴消灭现存决策、摄取新技巧，这齐属于典型的商场活动。

NBD：下一步有什么筹算？

孙仲：就团队里面而言，咱们设定的使命节点是：两年内把阵列从16×16进步至128×128，并力求延长至512×512。达到这样的范围后，就能够在具身智能、6G通讯等中等范围矩阵场景产生践诺效力。

NBD：要在两年内完成16×16到512×512的跃升，技巧难度如何？

孙仲：芯片范围扩大势必陪同寄见效应、良率戒指、功耗漫衍等工程挑战，是以确定是有难度的，需要在器件、电路与工艺层面同步优化。

需要强调的是，新式芯片问世，阐述了一条新旅途的可行性。咱们需要提前作念技巧储备：当某类计较任务（如超等AI）紧急需要作念矩阵方程求解时，中国要有现成决策和团队站在那儿，可能不是咱们，是其他团队，但要有这样的储备。GPU畴前仅用于游戏，2012年因AI 需求爆发而一飞冲天；同理，中国必须储备多种先进技巧，以恭候属于我方的“2012时刻”。当窗口开启，技巧储备将决定咱们能否收拢下一波波涛。