碾压英伟达478倍！中国芯片打出“王炸”，变致命缺陷为神级外挂

厨房里炒菜的老手都懂一个理儿：食材新鲜是好，可有些“边角料”扔了反倒可惜。萝卜皮腌一腌是道小菜，剩饭炒一炒成了扬州炒饭。真正的高手，从不跟“毛病”较劲，而是琢磨怎么把毛病顺过来用。

芯片这行，讲究的也是同一套心法。有一种存储器件，天生带着个“记性不好”的缺陷——存进去的数值会随着时间悄悄跑偏，业内管这叫“电导漂移”。搁在过去，工程师见了它就头疼，恨不得想尽办法把它摁住。

可偏偏有一支中国团队，反其道而行之，不但没摁，还把这个“捣蛋鬼”请上了主位，让它摇身一变成了整块芯片最亮眼的招牌。这波操作到底有多绝？咱们慢慢往下唠。这事的主角，是北京大学集成电路学院杨玉超教授团队。

他们联手中国科学院上海微系统与信息技术研究所宋志棠研究员团队，捣鼓出了一样新东西。

北京大学集成电路学院教授杨玉超团队联合中国科学院上海微系统与信息技术研究所研究员宋志棠团队，成功研制出全球首款基于相变忆阻器的神经动力学系统芯片，首次将这类复杂运算的单步时延压缩至2.12毫秒，在脑皮层重建等任务中较目前先进图形处理器（GPU）提速达50至478倍，一举突破了制约神经动力学长达半个世纪的实时计算瓶颈。

更硬核的是，这份成果发表在了国际顶级学术期刊《科学》上，含金量摆在明面上。想搞懂这块芯片牛在哪，得先弄明白它要解决的是个什么麻烦。

眼下最主流的计算方式，存储和运算是分家的，数据得从内存里搬到处理器里算完再搬回去，一来一回全耗在路上了。

杨玉超打了个特别形象的比方，传统计算架构存在一个核心瓶颈：存储与计算分离，求解过程中海量的中间变量在内存和处理器之间反复奔波，如同一个庞大的数据工厂，大量时间被浪费在搬运路途中，不仅延迟巨大，功耗也居高不下。

说白了，就像一个大厨天天在两个相隔老远的厨房之间跑腿端盘子，菜没炒几个，鞋底子先磨穿了。

那这块芯片处理的是什么活儿呢？名字听着玄乎，叫“神经动力学系统”。拆开看其实好理解，要让机器像大脑那样实时建模和理解物理世界，需要一种将神经网络与微分方程相结合的“神经动力学系统”。

它能在不完整、带噪声的数据中重建出平滑精确的三维脑结构，应用潜力巨大。拿最典型的场景来说，大脑皮层表面那层弯弯绕绕的褶皱沟回，想在电脑里高精度重建出来，过去得靠昂贵的大设备离线慢慢磨。

大脑皮层表面那层复杂的沟回褶皱，想要在计算机里实时重建，过去需要昂贵的大型计算设备离线运算良久。如今，这一局面被一颗拇指大小的芯片改写。关键的破局点，就藏在开头说的那个“缺陷”里。

团队选用的是相变忆阻器这种器件，它有个老毛病，存进去的电阻值会随时间漂移。可神经动力学计算恰好有个刚需——它得根据情况灵活调整计算的“步长”，变化平缓时迈大步走快点，变化剧烈时迈小步走稳点。

研究团队从忆阻器本身的物理特性里找到了破局答案，他们利用相变存储器独特的“电导漂移”现象——在一定时间窗口内，其电导变化是可预测、可精准调控的。

基于此，团队提出“可控存内计算”新范式，通俗地讲，原本需要复杂数字电路反复执行的运算、缓存访问、数据搬运等工作，现在交给了器件自身的物理规律去“跑”。原本那个恼人的漂移毛病，就这么被将计就计地盘活了。

一石二鸟的巧劲还不止于此。同一片相变存储器，一边负责调步长，另一边还兼职跑神经网络。团队还将神经网络权重映射到相变存储器的多级电导态上，在同一个阵列内同步完成矩阵乘加运算。

两大核心计算任务由此被统一集成在总面积仅0.28平方毫米的存算阵列中。这颗采用40纳米工艺的芯片实现了2.12毫秒的单次迭代时延，首次将神经动力学硬件推入毫秒时代。

要知道这块存算阵列还没指甲盖大，本事却塞得满满当当，运行频率50兆赫兹，单步积分只用9级流水线就跑完了。为了让器件既能装得下这么多状态，又能扛得住长期折腾，团队在工艺上没少下功夫。

研究人员在相变材料里掺了一些碳，碳的作用在于可以细化晶粒，能够让材料在反复相变之后仍能保持稳定的电学性能。

光耐用还不够，团队还动了点巧脑筋，研究人员还设计了一个时间交错机制，让步长漂移的工作轮流在不同的存储行上开展，每一行的工作负担都能均匀分布，整个阵列的寿命被大大延长。这么一调度，芯片的实际寿命远远超出了单个器件的极限，能稳稳当当用上好几年。

光说不练假把式，实测数据才是硬道理。杨玉超本人对结果相当满意，在同等运算下，该芯片较当前最先进的专用加速器速度提升3.82至36.27倍，功耗降低11.75至24.73倍；在脑皮层表面高保真重建任务中，甚至比NVIDIA A100 GPU提速高达50.38至478.18倍。

这不是自媒体拍脑袋喊出来的口号，而是白纸黑字写进《科学》论文里的成绩。

这478倍到底意味着什么，光看数字可能没啥概念，换成时间账就一目了然了。用传统工具跑一次大脑皮层重建，即便是16核的服务器也得两个半小时才能跑完。

而假如换上普通的GPU，使用同样的神经动力系统算法，最快也要花费将近两秒才能算完一次。本次新芯片只用了426毫秒，比GPU快了50倍之多。过去要等两三个小时的活儿，如今眨个眼的工夫就办妥了，这中间隔着的可不是一星半点的差距。

更让人服气的是，快了这么多，活儿还没糙。重建出来的大脑皮层的表面误差非常小，灰质和白质的平均距离误差分别仅有0.245和0.376毫米，既没有破洞也没有交叉，能被直接拿去3D打印做脑科手术的导航模型。

重建出的脑皮层网格平滑、拓扑一致，能精准刻画复杂的褶皱结构，并有效抑制传统方法中的伪影和自相交缺陷。说人话就是，画出来的大脑模型不打折、不穿帮、不破洞，医学上要的就是这份精细。

省电这块同样让人眼前一亮。进行一次完整的表面重建，这颗芯片消耗的能量大约是给手机充一次电的千分之一。功耗低了，发热就少，散热方案自然也简单，往整机里塞的时候省心不少。

这种从实验室走向真实产品的工程考量，也说明团队打一开始就没打算只发一篇论文交差。这块芯片真正的价值，还在于它给一大片前沿领域打开了想象空间。

它的落地场景相当广泛，既能搭配脑机接口实时解析大脑信号，也能用于手术神经导航、脑部疾病早期筛查，给阿尔茨海默、帕金森这类病症提供全新检测手段。能实时读懂大脑、还能跟着反馈动态调整的硬件，恰恰是脑机接口这个行当最缺的那块拼图。

当然，这块芯片眼下还替代不了英伟达的GPU，两者压根不是一个打法。它更像是一位专攻某项绝活的“特种兵”，专治那些涉及连续变化、需要反复求解微分方程的硬骨头任务。这套思路的分量，业界也给足了认可。

《科学》杂志同期针对该工作发表专题观点评述文章，高度评价该工作“代表了一种物理驱动计算的理念转变”。能让顶级期刊专门撰文点评，这本身就说明问题。值得多说一句的是，这支队伍里藏着不少年轻面孔。

论文的第一作者是北京大学博士后蔡磊，杨玉超教授团队核心成员，现任职于北京化工大学，以第一作者发表Science、Nature Electronics等国际顶级期刊。

一群中国的青年学者，用一套“变废为宝”的巧思，在后摩尔时代的芯片竞赛里蹚出了一条自己的路，这本身就是件挺提气的事。回头再品这块芯片的故事，最耐人寻味的其实不是那个478倍的数字，而是背后那种“换个脑子看世界”的智慧。

别人眼里避之不及的毛病，到了肯琢磨的人手里，反倒成了独一份的本钱。搞科研如此，做事做人又何尝不是。中国的芯片突围，从来不只是比谁的制程更先进、谁的堆料更豪华，

更在于敢不敢跳出别人划好的圈子，去趟一条没人走过的新路。这颗指甲盖大小的芯片提醒着大家：真正的硬实力，往往诞生于旁人看不上眼的犄角旮旯里，就看有没有那份把缺陷盘活成外挂的巧劲与定力。

#上头条 聊热点#