繞開光刻機"卡脖子" 中國新型芯片問世

2025-12-29 | 來源: 每日經濟新聞 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

當AI時代算力集群規模正逐步從萬卡向十萬卡、百萬卡甚至千萬卡升級時，一支中國團隊悄然另辟蹊徑。今年10月，北京大學人工智能研究院/集成電路學院雙聘助理教授孫仲與北京大學集成電路學院蔡一茂教授、王宗巍助理教授率領的團隊成功研制出基於阻變存儲器的高精度、可擴展模擬矩陣計算芯片，在全球范圍內首次將模擬計算的精度提升至24位定點精度，讓未來同等任務下使用更少的計算卡成為可能。

這是一種完全不同於目前所有商用量產芯片的新型芯片，計算精度從1%躍升至千萬分之一；可以支撐6G、具身智能及AI大模型訓練等多個前沿場景；更重要的是，它可在28納米及以上成熟工藝量產，繞開光刻機“卡脖子”環節。

事實上，AI大模型、具身智能、6G等應用背後都是矩陣計算，AI推理是做矩陣乘法，AI訓練是在解矩陣方程。而英偉達的崛起正是得益於GPU（圖形處理器）很擅長做矩陣計算。

作為北京大學人工智能研究院的研究員，“熱愛且擅長”讓孫仲深耕模擬計算領域多年。從聚焦AI算法底層通用矩陣計算加速研究，到在《自然·電子學》《自然·通訊》等頂刊發表系列成果，他始終錨定模擬計算——這個上世紀30至60年代曾風靡一時卻因精度瓶頸被數字計算取代的技術，在他眼中正是突破算力困局的關鍵。

新型芯片研制成功對於應對AI領域的算力與能耗挑戰有何意義？隨著摩爾定律漸趨終結、數字計算陷入能耗困局，GPU還能否一直“稱王”？近日，《每日經濟新聞》記者對孫仲進行了深入專訪。

談技術：為何要重返“過時”的模擬計算？NBD：芯片研制成功的意義是什麼？有觀點認為，它為算力領域提供了新的技術路線，有助於減少對單一計算范式的依賴，是否如此？

跨過中國這條邊境線,時間瞬間快了3.5個小時

警告日本增加軍費俄羅斯:"台灣有事"將支持中國

要出大招?!中國多家官媒釋出人民幣重要信號

孫仲：確實如此。計算范式只有兩種：模擬（類比）計算與數字計算。當前主流芯片——無論是GPU、TPU（張量處理器）、CPU（中央處理器）還是NPU（神經網絡處理器）——都是數字芯片，底層都是硅基器件，基於邏輯門（邏輯函數）、晶體管，都要二進制化。以先進GPU為例，一張卡可能集成超過1000億個晶體管，因此能提供很大的算力。但如果追本溯源，會發現數字計算其實並非一種很高效的計算方式。

舉例來說，想要完成一次簡單的“1+1”需要28個晶體管，想完成兩個10位數的乘法需要約1萬個晶體管。但正因為現在晶體管可以做得很小，才能在芯片上容納千億級的晶體管，所以它可以“以量換算”——一次操作要消耗1萬個晶體管，它不在乎，因為它足夠多，1000億除以1萬還有1000萬，這意味著它還有很大算力。

而一個芯片裡能有這麼多晶體管，在於摩爾定律。我認為摩爾定律是讓現在數字芯片如此成功的唯一推手。最初晶體管做出來大概是5厘米×5厘米×5厘米這麼大，因為有摩爾定律，5厘米變成5納米，所以千億級的晶體管也可以被塞進去，否則，一萬個晶體管可能要鋪滿整間屋子甚至整個樓層。

注：摩爾定律是由英特爾公司聯合創始人戈登·摩爾提出。該定律提到，當價格不變時，集成電路上可容納的晶體管數目每隔18至24個月增加一倍，性能也將提升一倍。

但如今摩爾定律趨於終結，晶體管很難再微縮，所以業界現在只能橫向堆計算卡：少則百卡，多則萬卡、十萬卡。但這樣的方式我認為是不可持續的——能耗、碳排放均呈指數級上升，與國家“雙碳”目標相悖。因此，我認為需要探索一種不同的計算范式，即模擬（類比）計算。

模擬計算並非全新的計算范式，在上世紀30至60年代曾被廣泛應用，但隨著計算任務日益復雜，其精度瓶頸凸顯，逐漸被數字計算取代。我們這次研究的核心正是要解決模擬計算“算不准”這一痛點。