科技日报实习记者 张佳欣

一个国际研究团队设计并创造了一种直截了当在内存中运行计算的芯片，可运行各种人工智能（AI）应用，而且它能在保持高精度的并且，仅消耗通用AI计算平台所耗能量的一小部分，兼具高效率和通用性。相关研究发表在最近的《自然》杂志上。

一个国际研究团队设计、创造和测试了NeuRRAM芯片。

NeuRRAM芯片特写图片来源：美国加州大学圣地亚哥分校

这款名为NeuRRAM的神经形态芯片使AI离在与云断开的广泛边缘设备上运行又近了一步。在云中，AI计算可随时随地执行复杂的认知任务，而别需要依赖与中央服务器的网络连接。从智能手表到虚拟现实（VR）耳机、智能耳机、工厂中的智能传感器和用于太空探究的漫游车，其应用比比皆是，遍及世界的每一个角落和人类日子的方方面面。

NeuRRAM芯片的能效别仅是目前最先进的“内存计算”芯片（一种在内存中运行计算的创新混合芯片）的两倍，而且它提供的结果也与传统数字芯片一样准确。传统的AI平台要庞大得多，通常受限于使用在云中运行的大型数据服务器。

此外，NeuRRAM芯片具有高度的通用性，支持多种别同的神经网络模型和架构。于是，该芯片可用于许多别同的应用，包括图像识不和重建以及语音识不。

目前，AI计算既耗电又昂贵。边缘设备上的大多数AI应用程序都涉及将数据从设备挪移到云端，AI在云端对其进行处理和分析，然后将结果移回设备。这是因为大多数边缘设备基本上电池供电的，于是用于计算的电量有限。

经过降低边缘AI计算所需的功耗，这款NeuRRAM芯片可带来更强大、更智能、更易于访咨询的边缘设备和更智能的创造。它还可带来更好的数据隐私，因为将数据从设备传输到云会带来更高的安全风险。

NeuRRAM芯片采用了一种创新的架构，该架构已在整个堆栈中进行了协同优化。图片来源：美国加州大学圣地亚哥分校

研究人员经过一种名为能量延迟乘积（EDP）的办法来测量芯片的能效。EDP结合了每次操作所消耗的能量和完成操作所需的时刻。经过这一措施，NeuRRAM芯片实现了比目前最先进芯片高7—13倍的计算密度。

研究人员在芯片上运行各种人工智能任务。它在手写数字识不任务上准确率达到99%，在图像分类任务上达到85.7%，在谷歌语音命令识不任务上达到84.7%。此外，该芯片还在图像恢复任务中减少了70%的图像重建误差。这些结果能够与现有的数字芯片相媲美，后者在相同的位精度下执行计算，但大大节省了能源。

总编辑圈点：

与经典计算相比，AI计算的许多数据处理都涉及矩阵乘法和加法，以及海量的并行工作，怎么在保持AI芯片精度的前提下还做到节能呢？最终该用什么路线去实现，事实上还是众讲纷纭。但这也正是一项新技术的特点与魅力——在探究时期百花齐放。就像本文中团队实现的神经形态芯片，其最大的吸引人之处，正是它兼具了高能效与通用性。

来源：中国科技网