在数字经济时代，数据处理能力已成为衡量国家科技竞争力的重要指标。
北京大学孙仲研究员团队的最新研究成果，为解决当前计算硬件的能效瓶颈提供了突破性方案。
面对百万级规模数据集的实时处理需求，传统数字芯片受限于冯·诺依曼架构的计算-存储分离模式，存在显著的效率天花板。
特别是在非负矩阵分解这一核心算法上，现有硬件需要反复调用内存单元，导致90%以上能耗用于数据搬运而非实际运算。
研究团队另辟蹊径，从模拟计算的物理特性入手，创新性地将阻变存储器的电导调制特性与矩阵运算相结合，实现了"存算一体"的硬件设计突破。
该芯片采用三大核心技术：基于电导补偿原理的可重构逆电路将计算单元减少76%，自主研发的并行求解架构使核心运算步骤从传统算法的迭代千次压缩为单步完成，动态精度调节技术则在保证98.7%计算准确率的前提下降低功耗达两个数量级。
实测数据表明，在网飞数据集推荐系统训练中，其每焦耳能量可完成228倍于数字芯片的计算量；在图像压缩任务中，不仅保持同等视觉质量，还节省50%存储空间。
业内专家指出，这项研究标志着我国在新型计算架构领域取得重要进展。
模拟计算芯片的能效优势，对实现"碳达峰"背景下的绿色计算具有战略意义。
据国际数据公司预测，到2027年全球边缘计算市场规模将突破4000亿美元，此类低功耗芯片有望在智能终端、工业物联网等领域形成规模化应用。
目前研究团队已与国内头部企业启动产业化合作，首批测试芯片预计将于2025年完成流片。
从“算得快”到“算得省”，算力竞争正在从单一性能指标迈向综合效益比拼。
面向大规模数据处理的关键算法，若能在器件、架构与算法层面实现协同创新，就可能打开新的增长空间。
此次面向非负矩阵分解的模拟计算芯片探索，体现了以需求牵引、以方法创新破题的科研路径，也为我国在新型计算架构与高能效计算领域持续迈进提供了值得关注的方向。