随着 AI 大模型及各类复杂算法的爆发，硬件层面的能效比挑战日益凸显。北京大学人工智能学院孙仲研究员团队在高效能计算芯片领域取得重大突破。该团队成功研发出一款专为“非负矩阵分解”（NMF）设计的模拟计算芯片，为处理海量数据提供了更高效、更低功耗的新路径。
“非负矩阵分解”是图像分析、推荐系统及生物信息学等领域的核心技术。然而，传统的数字芯片在实时处理大规模数据时，常面临计算复杂度高和内存访问受限的“墙”。为了打破这一困境，北大团队选择了模拟计算技术路线，利用物理规律直接进行并行运算，从底层逻辑上降低了延迟与功耗。
实验测试数据显示，这款新型芯片在典型应用场景下的表现令人惊叹。相较于目前主流的先进数字芯片，其计算速度提升了约 12倍，而能效比的提升更是超过了 228倍。这意味着在消耗极低能量的情况下，该芯片能完成远超传统硬件的工作量。
据了解，该研究成果已于1月19日正式发表在国际顶级期刊《自然·通讯》上。在实际测试中，该芯片在图像压缩任务中不仅保持了极高的精度，还节省了约一半的存储空间;在商业数据集的推荐系统训练中，其性能同样显著优于传统硬件。孙仲研究员表示，这项工作展示了模拟计算在处理现实复杂数据方面的巨大潜力，未来有望在实时推荐、高清图像处理等领域大规模应用。
