一個(gè)國(guó)際研究團(tuán)隊(duì)設(shè)計(jì)并制造了一種直接在內(nèi)存中運(yùn)行計(jì)算的芯片，可運(yùn)行各種人工智能(AI)應(yīng)用，而且它能在保持高精度的同時(shí)，僅消耗通用AI計(jì)算平臺(tái)所耗能量的一小部分，兼具高效率和通用性。相關(guān)研究發(fā)表在最近的《自然》雜志上。

這款名為NeuRRAM的神經(jīng)形態(tài)芯片使AI離在與云斷開的廣泛邊緣設(shè)備上運(yùn)行又近了一步。在云中，AI計(jì)算可隨時(shí)隨地執(zhí)行復(fù)雜的認(rèn)知任務(wù)，而不需要依賴與中央服務(wù)器的網(wǎng)絡(luò)連接。從智能手表到虛擬現(xiàn)實(shí)(VR)耳機(jī)、智能耳機(jī)、工廠中的智能傳感器和用于太空探索的漫游車，其應(yīng)用比比皆是，遍及世界的每一個(gè)角落和人類生活的方方面面。

NeuRRAM芯片的能效不僅是目前最先進(jìn)的“內(nèi)存計(jì)算”芯片(一種在內(nèi)存中運(yùn)行計(jì)算的創(chuàng)新混合芯片)的兩倍，而且它提供的結(jié)果也與傳統(tǒng)數(shù)字芯片一樣準(zhǔn)確。傳統(tǒng)的AI平臺(tái)要龐大得多，通常受限于使用在云中運(yùn)行的大型數(shù)據(jù)服務(wù)器。

此外，NeuRRAM芯片具有高度的通用性，支持多種不同的神經(jīng)網(wǎng)絡(luò)模型和架構(gòu)。因此，該芯片可用于許多不同的應(yīng)用，包括圖像識(shí)別和重建以及語(yǔ)音識(shí)別。

目前，AI計(jì)算既耗電又昂貴。邊緣設(shè)備上的大多數(shù)AI應(yīng)用程序都涉及將數(shù)據(jù)從設(shè)備移動(dòng)到云端，AI在云端對(duì)其進(jìn)行處理和分析，然后將結(jié)果移回設(shè)備。這是因?yàn)榇蠖鄶?shù)邊緣設(shè)備都是電池供電的，因此用于計(jì)算的電量有限。

通過降低邊緣AI計(jì)算所需的功耗，這款NeuRRAM芯片可帶來更強(qiáng)大、更智能、更易于訪問的邊緣設(shè)備和更智能的制造。它還可帶來更好的數(shù)據(jù)隱私，因?yàn)閷?shù)據(jù)從設(shè)備傳輸?shù)皆茣?huì)帶來更高的安全風(fēng)險(xiǎn)。

研究人員通過一種名為能量延遲乘積(EDP)的方法來測(cè)量芯片的能效。EDP結(jié)合了每次操作所消耗的能量和完成操作所需的時(shí)間。通過這一措施，NeuRRAM芯片實(shí)現(xiàn)了比目前最先進(jìn)芯片高7—13倍的計(jì)算密度。

研究人員在芯片上運(yùn)行各種人工智能任務(wù)。它在手寫數(shù)字識(shí)別任務(wù)上準(zhǔn)確率達(dá)到99%，在圖像分類任務(wù)上達(dá)到85.7%，在谷歌語(yǔ)音命令識(shí)別任務(wù)上達(dá)到84.7%。此外，該芯片還在圖像恢復(fù)任務(wù)中減少了70%的圖像重建誤差。這些結(jié)果可以與現(xiàn)有的數(shù)字芯片相媲美，后者在相同的位精度下執(zhí)行計(jì)算，但大大節(jié)省了能源。

總編輯圈點(diǎn)：

與經(jīng)典計(jì)算相比，AI計(jì)算的許多數(shù)據(jù)處理都涉及矩陣乘法和加法，以及海量的并行工作，如何在保持AI芯片精度的前提下還做到節(jié)能呢?最終該用什么路線去實(shí)現(xiàn)，其實(shí)依然眾說紛紜。但這也正是一項(xiàng)新技術(shù)的特點(diǎn)與魅力——在探索階段百花齊放。就像本文中團(tuán)隊(duì)實(shí)現(xiàn)的神經(jīng)形態(tài)芯片，其最大的吸引人之處，正是它兼具了高能效與通用性。(科技日?qǐng)?bào)實(shí)習(xí)記者 張佳欣)