在2020年CCF GAIR（全球人工智能與機器人大會）上，清華大學高濱副教授團隊展示了一項前沿研究成果：基于憶阻器（Memristor）的存算一體（Computing-in-Memory）單芯片，其算力潛力可能高達1 POPS（Peta Operations Per Second，每秒千萬億次操作）。這一進展為突破傳統(tǒng)馮·諾依曼架構(gòu)瓶頸、實現(xiàn)下一代高能效人工智能計算提供了極具前景的硬件路徑。

傳統(tǒng)計算架構(gòu)中，數(shù)據(jù)需要在處理器和存儲器之間頻繁搬運，產(chǎn)生了巨大的能耗和延遲，即所謂的“內(nèi)存墻”問題。這在處理人工智能，特別是深度學習的海量矩陣乘加運算時，成為提升算力和能效的主要制約。存算一體技術(shù)旨在將計算功能直接嵌入存儲器單元，在數(shù)據(jù)存儲的位置完成計算，從而極大減少數(shù)據(jù)搬運，實現(xiàn)能效的飛躍。

憶阻器作為一種新興的非易失性存儲器器件，其電阻值能夠隨流經(jīng)的電荷量改變并保持，這一特性天然適合模擬突觸的權(quán)重，并直接在陣列中執(zhí)行并行的模擬域乘累加運算。高濱團隊的研究正是利用憶阻器交叉陣列，構(gòu)建了高效的存算一體硬件核心。他們所展示的芯片設計，通過高密度集成的憶阻器陣列和優(yōu)化的外圍電路，能夠在單個芯片上實現(xiàn)理論峰值算力達1 POPS的驚人水平。這相當于每秒執(zhí)行一千萬億次操作，為運行復雜神經(jīng)網(wǎng)絡模型提供了強大的本地化算力支撐。

該技術(shù)的意義不僅在于超高的理論算力，更在于其革命性的能效提升。由于減少了大量數(shù)據(jù)移動能耗，存算一體芯片在執(zhí)行AI推理任務時，能效比有望比現(xiàn)有GPU、TPU等傳統(tǒng)架構(gòu)高出數(shù)個數(shù)量級。這對于在邊緣設備、物聯(lián)網(wǎng)終端等對功耗極其敏感的場景中部署復雜AI模型至關(guān)重要，有望推動人工智能在更多領(lǐng)域的普及和實時化應用。

在CCF GAIR 2020的報告中，高濱團隊也探討了與此類新型硬件相匹配的人工智能基礎(chǔ)軟件開發(fā)所面臨的挑戰(zhàn)與機遇。存算一體芯片，尤其是基于模擬計算的憶阻器芯片，其計算范式與數(shù)字處理器有根本不同，需要全新的軟件工具鏈、編程模型、算法以及神經(jīng)網(wǎng)絡設計方法。這包括：

1. 軟硬件協(xié)同設計：需要開發(fā)編譯器、映射工具，將神經(jīng)網(wǎng)絡模型高效地映射到憶阻器交叉陣列的物理結(jié)構(gòu)上，并管理其非理想特性（如器件波動、噪聲）。
2. 算法與模型適配：設計適合存算一體模擬計算特性的神經(jīng)網(wǎng)絡模型與訓練算法，以充分發(fā)揮其并行性和能效優(yōu)勢，并克服模擬計算的精度限制。
3. 系統(tǒng)集成與優(yōu)化：探索存算一體核心與現(xiàn)有計算系統(tǒng)（如CPU、數(shù)字加速器）的異構(gòu)集成方案，以及與之配套的數(shù)據(jù)管理、任務調(diào)度等系統(tǒng)級軟件。

高濱團隊的工作標志著我國在存算一體這一顛覆性計算技術(shù)領(lǐng)域已處于國際前沿。將高達1 POPS的潛在單芯片算力從理論推向大規(guī)模實用化，仍需在憶阻器器件的一致性、可靠性、大規(guī)模集成工藝，以及上文所述的完整軟件生態(tài)建設上持續(xù)攻關(guān)。這條道路無疑為應對后摩爾時代挑戰(zhàn)、滿足未來人工智能對算力與能效的無限渴求，點亮了一盞關(guān)鍵的引路明燈。