2026 年 7 月，北京大学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宋志棠团队重磅发布全球首款基于相变忆阻器的毫秒级神经动力学系统芯片，相关原创成果刊发于国际顶刊《Science》。该芯片创新提出可控存内计算新范式，攻克神经动力学计算精度与延迟长期制衡的行业难题，单步迭代时延低至 2.12 毫秒；在脑皮层重建等核心仿生计算任务中，运算速度较英伟达 A100 GPU 提升 50.38 至 478.18 倍，同时实现功耗大幅下降，为脑机接口、高精度神经仿真、边缘类脑智能开辟全新硬件路径。
长期以来，神经动力学系统依托微分方程与神经网络耦合，用于大脑三维建模、神经信号实时解析、仿生智能计算，但传统冯・诺依曼架构存在严重 “存储墙” 瓶颈：存储、计算单元分离，海量中间数据反复读写搬运，造成高延迟、高功耗，无法匹配生物级毫秒实时响应需求，制约脑科学、类脑智能产业化落地近半世纪人民网。
本次国产芯片实现底层架构颠覆性突破。团队摒弃传统抑制忆阻器电导漂移的研发思路，反向利用相变存储器（PCM）可精准调控的电导漂移物理特性，构建细粒度可控电导演化（CCD） 计算机制，将自适应积分步长搜索、神经网络矩阵乘加两大核心运算，全部映射至相变忆阻器阵列原位完成，省去超 80% 数字电路读写、缓存调度与数据传输操作，创立器件 – 算法 – 架构一体化的可控存内计算全新技术路线。
一、芯片核心硬件参数
- 制造工艺：成熟 40nm 标准 CMOS 工艺，无需依赖先进制程，适配国内现有产线规模化流片；
- 核心计算阵列：存算一体化阵列总面积仅 0.28 平方毫米，集成相变忆阻器多级电导存储单元；
- 运行性能：工作频率 50MHz，单步神经动力学迭代仅 9 级流水线，单次运算时延 2.12 毫秒，全球首次将该类计算推入毫秒级时代；
- 能效对比：相较专用 ASIC 加速器提速 3.82~36.27 倍，功耗降低至原系统 3.9%~11.75%；对标英伟达 A100 GPU 执行脑皮层高保真重建任务，速度区间提升 50.38~478.18 倍，算力能效实现数量级超越。
二、技术创新三大核心亮点
第一，化器件缺陷为计算核心资源。行业普遍将相变忆阻器电导漂移视作运算噪声、全力规避；本团队建立精准漂移物理数学模型，通过可编程电脉冲控制漂移速率，直接替代复杂数字电路完成微分方程自适应步长迭代，从根源削减硬件开销。
第二，分时复用一体化存算阵列。单一阵列分时实现电导漂移演化（微分动力学求解）、多级电导乘加（神经网络运算）双模式并行计算，极致压缩芯片体积，微型化适配植入式、穿戴式设备。
第三，全链路软硬件协同优化。针对神经动力学特有根号积分、稀疏神经元求解等算子定制硬件流水线，兼顾高精度脑结构重建与低延迟实时信号解析，重建模型无褶皱失真，完美还原大脑复杂拓扑结构。
三、广阔落地应用场景
- 医疗脑科学与脑机接口：实时解析颅内、头皮脑电信号，毫秒级识别神经运动指令，支撑瘫痪康复、神经退行性疾病早期诊断、植入式脑机终端开发，解决现有 GPU 算力延迟过高、设备体积庞大痛点；
- 高精度脑仿真科研：大幅降低全脑皮层三维建模算力成本，加速阿尔茨海默病、神经元放电机制等前沿基础医学研究；
- 边缘仿生智能设备：适配人形机器人感知、无人机动态环境自主决策、可穿戴神经监测终端，以超低功耗实现类脑实时自适应计算；
- 新型算力基础设施：作为 GPU 协处理器补充，面向神经仿真专项任务构建差异化算力集群，缓解高端 GPU 供给与成本约束问题。
业内专家表示，该成果标志我国在相变忆阻存算一体、神经动力学专用芯片领域实现全球领跑。不同于通用 GPU 侧重大模型训练，这款毫秒级神经动力学芯片开辟独立仿生算力赛道，依托成熟 40nm 国产工艺可快速推进原型迭代与小批量试制，补齐国内脑机接口、类脑计算底层硬件短板，推动脑科学、人工通用智能底层硬件自主可控。
研发团队透露，下一阶段将推进芯片多阵列扩展、功耗进一步优化，联合医疗、机器人企业开展原型设备搭载测试，加速技术从实验室走向产业化落地。
