隨著 AI 大模型及各類復雜算法的爆發，硬件層面的能效比挑戰日益凸顯。北京大學人工智能學院孫仲研究員團隊在高效能計算芯片領域取得重大突破。該團隊成功研發出一款專為“非負矩陣分解”（NMF）設計的模擬計算芯片，為處理海量數據提供了更高效、更低功耗的新路徑。
“非負矩陣分解”是圖像分析、推薦系統及生物信息學等領域的核心技術。然而，傳統的數字芯片在實時處理大規模數據時，常面臨計算復雜度高和內存訪問受限的“墻”。為了打破這一困境，北大團隊選擇了模擬計算技術路線，利用物理規律直接進行并行運算，從底層邏輯上降低了延遲與功耗。
實驗測試數據顯示，這款新型芯片在典型應用場景下的表現令人驚嘆。相較于目前主流的先進數字芯片，其計算速度提升了約 12倍，而能效比的提升更是超過了 228倍。這意味著在消耗極低能量的情況下，該芯片能完成遠超傳統硬件的工作量。
據了解，該研究成果已于1月19日正式發表在國際頂級期刊《自然·通訊》上。在實際測試中，該芯片在圖像壓縮任務中不僅保持了極高的精度，還節省了約一半的存儲空間;在商業數據集的推薦系統訓練中，其性能同樣顯著優于傳統硬件。孫仲研究員表示，這項工作展示了模擬計算在處理現實復雜數據方面的巨大潛力，未來有望在實時推薦、高清圖像處理等領域大規模應用。
