人工智能的戰場，是算法之爭、數據之爭，更是算力之爭。AI燒熱的，不只是一個個街談巷議的話題，更是一顆顆大模型須臾不可離的GPU。

算力焦慮，猶如人工智能頭頂的一朵烏云。吹散這朵烏云，能僅憑傳統芯片不斷升級的力量嗎？也許，我們應該換個思路，轉而向我們自己的大腦學習……

要論能效，還看大腦

1946年，世界上第一臺電腦誕生。1973年，世界上第一臺手機接通。經過半個多世紀的發展，今天的電腦手機已經成為人們追求智能生活不可或缺的基礎設施。只不過，若論能效——算力與所需能量消耗之比，它們與人腦相比還是略遜一籌。

不妨用數字說話。訓練一款ChatGPT，需要燒掉多少算力？如Open AI所透露的，ChatGPT背后有一個龐大的計算網絡——Azure AI超算平臺。這個微軟專門建設的高性能網絡集群包含1萬顆GPU，為ChatGPT付出的總算力消耗超過3640 PF-days（以每秒計算1000萬億次計，持續計算3640天）。

而人類大腦在25瓦的極低能耗下，就能實現復雜環境中的關聯記憶、快速識別、自主學習。這是為什么呢？

人類大腦活動是精密而連續的動力學過程，復雜程度遠超當前算力資源模擬的上限。大腦約有1000億個神經元，100萬億個突觸，突觸連接的平均長度約10-1000微米。以記憶為例，就與突觸形態與功能的長期變化有關。

清華大學集成電路學院長聘副教授高濱舉了一個例子：生理學先驅巴甫洛夫每天在狗吃飯前敲響鈴聲，再給它食物。經過一段時間，狗只要聽到鈴聲，第一反應就是分泌唾液。這是因為狗的大腦已經在搖鈴鐺和吃東西之間建起連接，微觀層面而言，就是兩個神經元之間的突觸連接變強，記憶由是產生，在此基礎上，完成一次自適應學習。

小小芯片，模擬大腦

與人類大腦不同，迄今計算機的計算體系結構采取馮·諾依曼架構，計算與存儲分離。數據在處理器和存儲器之間不停地來回傳輸，約80%至90%的功耗都消耗在“搬運”中。

“每運算一次，就相當于把貯藏在遙遠倉庫（存儲器）中的原材料（數據）運輸到相距甚遠的加工廠（處理器），而且運輸的道路很是狹窄。這就導致實際生產效率非常低下，生產能力受到了運輸能力的限制——這個局限就是‘存儲墻’。運算量越大，這個瓶頸就越顯著。”高濱說，馮·諾依曼架構在進行大規模的矩陣運算時，局限更為明顯。

試想一下，人類大腦在思考時會有計算和存儲的分別嗎？左半球計算、右半球存儲？“不是的。大腦的計算、存儲發生在同一處，無需把數據搬來搬去。”中國科學院微電子研究所研究員尚大山說。

讓我們重新回到人腦的工作原理。神經元接收來自其他神經元的信號，達到一定閾值時，即會向其他神經元發送信號。突觸則負責信號傳遞，而且會依據信號的強度調整傳遞的強度（突觸權重）。這個看似簡單無奇的過程，卻是身為“萬物靈長”的人類智慧得以承傳的前提，學習與記憶發生的基礎。

簡潔、高效而靈活，這樣的計算方式讓芯片科學家感慨演化的神奇之余，也不禁設想：何不設計一種可以模擬人腦的芯片？

一種新型電路元件——憶阻器，使這一設想有了實現的可能。

尚大山將憶阻器比作一條流動的河流：“河流的寬度（電阻值）可以根據流過的水量（電荷）而變化。如果流過更多的水，河床可能會變寬，使后續的水流更容易通過（電阻減小）。即使水流停止（斷電），河流的寬度（憶阻器的電阻狀態）也不會變化，直到有新的水流來改變它。”

為何說憶阻器能夠模擬大腦？高濱說，憶阻器的奇妙特性，就在于可以通過外加電壓的調制來改變其電阻值，這樣，憶阻器器件就可理解為一個“電子突觸”，突觸權重用憶阻器電阻值來模擬。憶阻器陣列就可模擬人腦神經元的突觸連接；神經元的功能，則可以搭建具體的功能電路模擬。當前人工智能的核心算法——深度神經網絡，就轉化為了憶阻器陣列的模擬計算。

簡單說，憶阻器存算一體芯片是存儲器中實現計算。“這相當于將加工廠放到了倉庫邊上，做到了本地加工生產，把交通運輸過程中的時間、能源耗費降到最低。”高濱說。

超越“摩爾”，有待時日

衡量信息技術進步速度的摩爾定律，大家也許都耳熟能詳。不過，在一顆芯片上已可集成800億個晶體管的今天，這一“定律”還能適用多久，業界不無憂心。為芯片革新尋求增加晶體管數量之外的可能，在追求更高性能的同時盡量滿足低功耗、低延遲、低成本，成為當務之急。

打破“存儲墻”的存算一體模式，成為超越摩爾定律的潛在方向。而憶阻器，某種程度上就是存算一體的未來。

清華大學研究人員在實驗室進行憶阻器電學特性實驗

“憶阻器存算一體芯片最大的優勢在于能效高，有望比馮·諾依曼架構提升2至3個數量級，是彌補工藝制程代差的可選路徑。”中國移動研究院物聯網研究所副所長牛亞文說，近期清華大學聯合中國移動研發的110納米憶阻器存算一體芯片已經達到馮·諾依曼架構28納米GPU的能效。

訪問密集型任務尤其是這種新型芯片的用武之地。人臉識別、圖像識別、語義分割、大數據檢索……種種人工智能時代的尋常場景，都可讓憶阻器高密度和非揮發性存儲的特性一展長才。

當然，當前憶阻器存算一體芯片仍存在集成規模受限、推理精度誤差大、軟件生態構建難等問題，將硬件、軟件、系統、算法、庫以及終端應用一體化整合，還有很長一段路要走。有專家提醒，憶阻器芯片一個有待突破的局限在于其耐久性。傳統存儲芯片依恃的晶體管靠控制電子的移動來存儲數據，而憶阻器控制的是離子的移動。離子較電子更重，時間一長，靈活性、耐久性不免打了折扣。

芯片研發是需要在產業化中不斷淬厲的事業。從科學到工程，從實驗室到生產線，憶阻器芯片可以期待的明天，還在業界不斷嘗試的努力之中。

半月談記者：張漫子

原標題：《緩解算力焦慮，向“大腦”要答案》