在2020年CCF GAIR（全球人工智能與機(jī)器人大會(huì)）上，清華大學(xué)高濱副教授團(tuán)隊(duì)展示了一項(xiàng)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(dá)1 POPS（Peta Operations Per Second，每秒千萬億次操作）。這一進(jìn)展為突破傳統(tǒng)馮·諾依曼架構(gòu)瓶頸、實(shí)現(xiàn)下一代高能效人工智能計(jì)算提供了極具前景的硬件路徑。

傳統(tǒng)計(jì)算架構(gòu)中，數(shù)據(jù)需要在處理器和存儲(chǔ)器之間頻繁搬運(yùn)，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(xué)習(xí)的海量矩陣乘加運(yùn)算時(shí)，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(jì)算功能直接嵌入存儲(chǔ)器單元，在數(shù)據(jù)存儲(chǔ)的位置完成計(jì)算，從而極大減少數(shù)據(jù)搬運(yùn)，實(shí)現(xiàn)能效的飛躍。

憶阻器作為一種新興的非易失性存儲(chǔ)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(yùn)算。高濱團(tuán)隊(duì)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(shè)計(jì)，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(gè)芯片上實(shí)現(xiàn)理論峰值算力達(dá)1 POPS的驚人水平。這相當(dāng)于每秒執(zhí)行一千萬億次操作，為運(yùn)行復(fù)雜神經(jīng)網(wǎng)絡(luò)模型提供了強(qiáng)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(dòng)能耗，存算一體芯片在執(zhí)行AI推理任務(wù)時(shí)，能效比有望比現(xiàn)有GPU、TPU等傳統(tǒng)架構(gòu)高出數(shù)個(gè)數(shù)量級(jí)。這對(duì)于在邊緣設(shè)備、物聯(lián)網(wǎng)終端等對(duì)功耗極其敏感的場景中部署復(fù)雜AI模型至關(guān)重要，有望推動(dòng)人工智能在更多領(lǐng)域的普及和實(shí)時(shí)化應(yīng)用。

在CCF GAIR 2020的報(bào)告中，高濱團(tuán)隊(duì)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(jī)遇。存算一體芯片，尤其是基于模擬計(jì)算的憶阻器芯片，其計(jì)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(luò)設(shè)計(jì)方法。這包括：

1. 軟硬件協(xié)同設(shè)計(jì)：需要開發(fā)編譯器、映射工具，將神經(jīng)網(wǎng)絡(luò)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(dòng)、噪聲）。
2. 算法與模型適配：設(shè)計(jì)適合存算一體模擬計(jì)算特性的神經(jīng)網(wǎng)絡(luò)模型與訓(xùn)練算法，以充分發(fā)揮其并行性和能效優(yōu)勢(shì)，并克服模擬計(jì)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(jì)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(wù)調(diào)度等系統(tǒng)級(jí)軟件。

高濱團(tuán)隊(duì)的工作標(biāo)志著我國在存算一體這一顛覆性計(jì)算技術(shù)領(lǐng)域已處于國際前沿。將高達(dá)1 POPS的潛在單芯片算力從理論推向大規(guī)模實(shí)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(shè)上持續(xù)攻關(guān)。這條道路無疑為應(yīng)對(duì)后摩爾時(shí)代挑戰(zhàn)、滿足未來人工智能對(duì)算力與能效的無限渴求，點(diǎn)亮了一盞關(guān)鍵的引路明燈。