算力颠覆！北大新芯片1分钟干完GPU1天活，AI训练、6G通信要换“引擎”

算力颠覆！北大新芯片1分钟干完GPU1天活，AI训练、6G通信要换“引擎” “GPU算一整天的6G信号检测，这芯片1分钟就搞定！”近日，北京大学孙仲研究员团队联合集成电路学院的突破，让整个科技圈沸腾——他们研制的阻变存储器模拟矩阵计算芯片，不仅首次让模拟计算精度追上数字芯片，算力和能效更是比顶级GPU猛提百倍到千倍。这项登在《自然·电子学》顶刊的成果，相当于给AI、6G装上了“超级引擎”，标志着我国在“后摩尔时代”算力竞争中，抢下了关键话语权。 可能有人会问：“模拟计算不是被淘汰的老技术吗？”这话只说对了一半。上世纪30-60年代，模拟计算机确实火过——它不用把数据转成0和1的二进制，直接用电压、电流这些物理量运算，比如10伏电压就代表数字“10”，像“心算”一样快。可后来因为“算不准”，精度跟不上复杂任务，才被CPU、GPU这些数字芯片取代。而孙仲团队，就是把这个“世纪难题”给攻克了。 传统数字芯片像“强迫症翻译官”：不管是温度、图像还是数据，都得先拆成0和1的二进制串才能算，比如“1+1=2”要写成“1+1=10”，步骤繁琐还费电；这款模拟芯片却像“直球高手”，跳过翻译环节，用连续变化的物理量直接运算。更牛的是精度——通过新型阻变存储器和原创算法，它的计算精度达到24位定点精度，堪比32位浮点精度（FP32），16×16矩阵求逆的误差低到10⁻⁷量级，相当于算1亿次只错1次，彻底甩掉了“模拟计算=粗算”的帽子。 在算力上，它更是上演“降维打击”。现在AI训练、6G通信的核心是矩阵计算，尤其是矩阵求逆，复杂度是立方级，传统GPU处理起来又慢又耗电。实验数据说话：处理32×32矩阵求逆，它的算力已经超过高端GPU单核；矩阵规模扩到128×128，吞吐量直接飙到顶级数字处理器的1000倍以上，能效还高100倍。孙仲给了个通俗对比：“以前数据中心处理一次大规模AI模型训练，电费要花几十万，用我们的芯片，成本能砍到原来的1%。” 别担心GPU会失业，这款芯片走的是“互补共赢”路线。未来算力格局会是“三驾马车”：CPU当“总调度”，管通用计算的统筹；GPU专注矩阵乘法，撑AI日常推理；模拟芯片则专攻最耗能的矩阵求逆，当AI二阶训练、6G信号处理的“加速王牌”。比如训练ChatGPT级别的大模型，以前要熬几个月，有了它能压缩到几周；手机、机器人这些终端设备，不用再依赖云端“借算力”，自己就能跑复杂AI任务，边缘计算会迎来爆发式增长。 目前团队已经启动产业化，等到芯片量产，我国在AI、6G这些算力“卡脖子”领域，就能跳出传统数字芯片的性能瓶颈，给全球算力革命递上“中国方案”。以后我们用的AI助手反应更快、6G网络延迟更低，背后或许就藏着这款“中国芯”的力量。