我国研发首款神经动力学芯片！比英伟达GPU提速478倍

说起来，类脑计算领域的老问题卡在哪？传统冯·诺依曼架构下，“存储”和“计算”物理分离，每次跑神经动力学仿真这类复杂任务，数据得在内存和处理器之间来回搬运，延迟高、能耗大，半个多世纪来都是瓶颈。想要提升脑科学建模的精度和实时性？反过来就被这架构拖住了后腿。

这回，北京大学杨玉超教授团队联合中科院科研力量，直接换了个思路。他们不再在传统路径上修修补补，而是用相变忆阻器做突破口——这东西电导可调、非易失、模拟域响应快，天生适合在硬件层面实现“存即算、算即存”的深度融合。中间的数据搬运环节直接砍掉，能效和速度兼顾的难题才算真正破局。

芯片采用40纳米制程，核心神经动力学计算阵列面积只有0.28平方毫米，单次完整动力学迭代耗时低至2.12毫秒——没错，毫秒级。换句话说，大规模生物神经网络仿真，终于被推到了在线处理的新阶段。相关成果已正式发表于《Science》，是全球首颗基于忆阻器的神经动力学专用芯片。

实测数据更直观：相比当前主流神经形态加速芯片，峰值运算效率最高提升36倍，功耗直接降到原来的1/24。拿英伟达A100 GPU做对比，在人脑皮层三维重建典型任务中，加速比达到50–478倍。生成的脑组织三维结构模型，表面连续、纹理清晰、几何保真度高，完全没有伪影或畸变，直接达到临床级神经影像建模的质量要求。

场景适配性也够强。高通量脑机接口信号解码、术中动态神经导航、癫痫灶精准定位，这些前沿医疗场景它都能覆盖。给阿尔茨海默病、帕金森病这类神经退行性疾病的早期生物标志物挖掘和机制建模，提供硬件“底座”。

作为国家重点研发计划支持项目，这套成果的意义不止于一颗芯片。它为后摩尔时代绿色智能芯片开辟了一条全新技术路径，也实质性夯实了我国在脑科学与类脑智能硬件领域的自主创新根基。从架构创新到实测验证，再到场景落地，每一步都卡在点上。