北大团队，芯片新突破头条新闻

一颗面积仅0.28平方毫米的小芯片，正在重新定义"模拟大脑"这件事的速度极限。

北京大学信息工程学院杨玉超教授团队联合中国科学院上海微系统与信息技术研究所，研制出全球首款基于相变忆阻器的神经动力学系统芯片。该成果于2026年7月5日发表于国际顶级期刊《科学》，在大脑皮层表面重建等高保真脑模拟任务中，该芯片的运算速度比英伟达A100 GPU快50至478倍。

这不是一个小步改进，而是数量级上的跨越。

忆阻器：让芯片"记住"并"计算"同时发生

要理解这颗芯片为何如此不同，需要先搞清楚一个关键概念：相变忆阻器。

普通芯片的逻辑是：先从内存里把数据调出来，再交给处理器运算，运算完再写回内存。这个"搬运"过程本身就耗时耗能，在处理海量神经元信号时尤为明显。忆阻器的思路则截然不同，它把存储和计算合二为一，数据在哪里，运算就在哪里发生，因此也被称为"存内计算"。

但相变忆阻器长期有一个顽固的老问题：器件的电导值会随时间发生漂移，导致计算精度难以保证，速度和精度之间几乎永远顾此失彼。这个困扰学界五十年的瓶颈，被杨玉超团队用一种巧妙的思路打破了。

研究团队提出了一种"可控存内计算范式"，把相变存储器件的电导漂移特性和多级电导特性不再视为缺陷，而是反其道而行之，将它们纳入算法设计中加以利用。通过将器件物理特性与神经动力学算法系统性融合，芯片实现了自适应积分步长搜索与存内乘积累加计算。

最终跑出来的数字令人印象深刻：单步计算延迟仅2.12毫秒，整个芯片在40纳米工艺上以50 MHz频率运行，配置9级流水线架构。与目前最先进的专用集成电路加速器相比，该芯片在等效神经动力学计算上实现了3.82至36.27倍的速度提升，功耗则降低了11.75至24.73倍。

从实验室到大脑，这颗芯片能做什么？

速度数字之外，更值得关注的是这颗芯片所指向的应用场景。

大脑皮层表面重建，是神经科学和临床医学中一项极其耗时的任务。医生或研究人员需要根据神经影像数据，精确还原出大脑皮层的三维几何结构，这对阿尔茨海默病、癫痫等疾病的诊断和手术规划至关重要。目前这类任务通常需要借助高性能GPU跑上数十分钟甚至数小时，而新芯片将这一过程压缩到毫秒量级，意味着未来有可能在手术台旁实时完成。

脑机接口是另一个更具想象空间的方向。现有的脑机接口系统，主要能做到的是读取神经信号并将其转化为控制指令，比如让瘫痪患者用意念控制机械臂。但下一代脑机接口的目标远不止于此，它需要在毫秒级别实时理解大脑状态、预测神经动力学的演化轨迹，并根据反馈进行闭环调控。

这恰恰需要一个能在极低延迟下运行高保真脑模型的硬件平台，而这正是这颗芯片所提供的能力。研究人员指出，该芯片的出现有望推动脑机接口从"简单的信号识别"跨越到"实时脑状态建模与智能交互"，这是一个质的飞跃。

该研究获得了新基石科学基金、国家重点研发计划、国家自然科学基金以及广东存内计算芯片重点实验室的联合资助，并被列入北京大学2030重大培育项目。

一颗芯片，两重意义

这项工作的意义可以从两个维度来理解。

从技术层面看，它证明了存内计算不只是一个概念，而是真正可以在工程上落地、在实际任务中碾压主流GPU的可行路径。此前业界对忆阻器芯片的最大顾虑始终是可靠性和精度，这项工作直接在最难的环节上给出了答案。

从更宏观的视角看，这颗芯片所代表的"以器件物理直接映射算法结构"的设计哲学，与英伟达那种"用暴力算力堆通用算法"的路线是根本上不同的。当大脑这个世界上最复杂的计算系统成为芯片设计的蓝图，计算效率的天花板或许远比人们想象的要高。

0.28平方毫米的面积，478倍的速度差距。这颗芯片很小，但它提出的问题很大。