北大等团队研制相变忆阻器神经动力学芯片：脑皮层重建任务较先进GPU提速50至478倍

据新华社消息，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。相关成果已于3日凌晨发表于《科学》。来源显示，该芯片首次将神经动力学复杂运算的单步时延压缩至2.12毫秒，并在脑皮层重建等任务中，相比目前先进图形处理器（GPU）实现50至478倍提速，被认为突破了制约神经动力学领域长达半个世纪的实时计算瓶颈。

相变忆阻器为何适合神经动力学计算

神经动力学关注神经系统随时间演化的活动规律，涉及大量连续变化、强耦合、非线性的计算过程。对于脑机接口、脑皮层重建、神经疾病研究以及类脑智能系统来说，能否以足够低的时延模拟或处理这些动态过程，是技术能否走向实时应用的关键。

传统GPU擅长大规模并行计算，也是当前AI训练和推理的重要硬件基础。但在某些神经动力学任务中，计算往往不只是简单矩阵乘法，还包含状态随时间递推、事件驱动响应和复杂物理过程模拟。来源显示，此次团队采用相变忆阻器构建神经动力学系统芯片，意味着计算不再完全依赖传统数字电路的逐步搬运与运算，而是利用器件自身物理特性参与状态表达和演化。

从AI硬件发展角度看，这类路线属于“存算融合”“类脑计算”以及新型器件计算的交叉方向。其核心价值不只是提升峰值算力，而是尝试让硬件结构更接近任务本身的计算形态，从而在时延、能效和实时响应方面获得优势。

关键突破：把复杂运算单步时延压缩到毫秒级

本次成果最值得关注的指标，是将这类复杂运算的单步时延压缩至2.12毫秒。在脑机接口等场景中，时延往往不是附属指标，而是决定系统可用性的基础条件。若神经信号处理、脑区活动重建或反馈控制无法实时完成，系统就难以支撑闭环交互。

来源摘要提到，在脑皮层重建等任务中，该芯片较目前先进GPU提速50至478倍。这一结果说明，在特定神经动力学工作负载上，专用硬件可能显著优于通用并行计算平台。对于长期依赖GPU加速的AI与计算神经科学领域，这提供了一个重要信号：下一阶段的性能突破，未必只来自更大规模GPU集群，也可能来自面向特定模型与物理过程的专用芯片。

• 研发主体：北京大学集成电路学院杨玉超团队与中国科学院上海微系统与信息技术研究所宋志棠团队联合完成。
• 技术路线：基于相变忆阻器构建神经动力学系统芯片。
• 性能表现：复杂运算单步时延压缩至2.12毫秒。
• 任务效果：在脑皮层重建等任务中，相比目前先进GPU提速50至478倍。
• 学术发布：相关成果发表于《科学》。

对脑机接口与AI硬件产业的影响

脑机接口需要从脑信号采集、解码、重建到反馈控制形成完整链路，其中实时性和稳定性是产业化难点之一。如果神经动力学计算能够在芯片层面实现毫秒级响应，将有助于提升脑皮层活动重建、神经调控和智能假肢控制等方向的系统性能。当然，从科研成果到工程产品仍需要经历可靠性、规模化制造、软件生态、接口标准和应用验证等多个环节。

对AI产业而言，这项成果也提示了硬件创新的另一条路径。当前大模型推动GPU需求持续增长，但并非所有智能计算任务都适合用同一类硬件解决。面向神经动力学、机器人实时控制、边缘智能感知等低时延场景，未来可能出现更多专用计算架构，与GPU、CPU和传统AI加速器形成互补。

总体来看，这款基于相变忆阻器的神经动力学芯片，是中国科研团队在新型计算芯片与类脑智能方向上的一次重要进展。其意义不仅在于刷新某一类任务的速度指标，更在于证明复杂神经动态过程有望通过新器件和新架构实现实时处理，为脑机接口、神经科学计算和下一代AI硬件打开新的想象空间。