當下，飛速進步的技術給芯片的算力要求帶來巨大挑戰，“算力焦慮”也成為懸在業界頭上的一把劍。而隨著摩爾定律逐漸失效，通過增加更多晶體管來提升算力的方法，也很難適應新形勢。 要想破局就得有“全新的計算器件、計算范式、和計算架構”。近期，清華大學吳華強團隊在《自然》刊文報告了其團隊基于多憶阻器（Memristor）陣列的存算一體硬件實現。

不同于利用 CPU、GPU 進行 AI 計算的傳統方式，他們的憶阻器芯片能在不降低神經網絡準確度的前提下，大幅提升算力、同時還可顯著降低功耗，“算力焦慮”的一劑良藥由此誕生。 而這項成果要從似乎沒有 “技術感” 的在家辦公說起，疫情以來在家辦公開始流行起來。這種工作方式既能省去通勤時間，還能降低體力消耗。而這一現象啟發了吳華強的研究。 他說，假如居家時間是存儲，上班時間就是計算。只要去公司辦公，路上肯定會消耗時間和能量，遇到交通擁堵，路上耗時會更久。 而當居家和辦公融為一體，即在家辦公時，時間和體力都會被節約。這和計算機中的“存儲-計算”非常相似。如果存儲和計算能合二為一，就可用小功耗實現大算力。

圖 | 吳華強團隊開發的 8 個包含 2048 個憶阻器的陣列芯片，可大幅提升進行人工智能計算的算力并顯著降低功耗（圖片來源：Nature）

有著“特異功能”的芯片

憶阻器，是一種與傳統晶體管芯片截然不同的全新芯片概念。早在 30 年前，加州大學伯克利分校教授蔡少棠預測，除了電阻、電容、電感之外，理論上還應存在第四種基本電路元件，該元件可直接將電荷量與磁通量兩個物理量連接起來，這便是憶阻器概念的雛形。 作為一種被動電子元件，憶阻器除了能讓一定的電流安全通過，還可在斷電后“記住”器件之前的電阻值，因此它最初只被當成存儲器來研究。 吳華強回憶稱：“當時，存儲器行業的發展遇到了一些瓶頸，急需新興技術打破僵局。阻變存儲器或者說憶阻器就是其中很重要的一項新興技術。” 而憶阻器也有很多存儲優點：比如尺寸小、速度快、低功耗、與 CMOS（互補式金氧半導體）工藝可兼容等。

此外，憶阻器還擁有另一項特殊功能：能在存儲數據“原地”實現計算。通常來說，基于傳統“馮·諾依曼結構”搭建的計算機，其數據的存儲和運算是分開的，平時數據存儲在儲存器中，需要運算時再把它搬運到運算器里。 然而，AI 類應用需要對大量數據進行矩陣運算，其核心是乘法和加法。對此，吳華強評價稱：“目前 CMOS 芯片做大規模矩陣運算的乘加，算力是比較吃緊的，面臨著很大挑戰。” 此前，華為創始人任正非曾表示，未來的邊緣計算是存算一體的，要么把 CPU 做到存儲器，要么把存儲器做到 CPU 里，這樣才能加快計算速度。而在吳華強看來，基于憶阻器的存算一體，正是上述概念的一種實現。 具體來說，如果用交叉陣列的方式做憶阻器，就可獲得一種與矩陣很類似的結構，這種結構既可以存數據，也可以做計算。

需要存儲時，憶阻器本身就是存儲器；而需要運算時，也無需把數據從存儲器中搬到運算器里，因為憶阻器可直接用歐姆定律來做乘法運算。 前面提到，緩解“算力焦慮”需要全新的計算器件、范式和架構。而憶阻器正是這種新趨勢的器件代表。 而在憶阻器件上用物理定律來直接做乘法計算和加法計算的方式，也和過去利用與非門做布爾邏輯計算的方法很不一樣。 因此，憶阻器可以解決信息科學、尤其是集成電路領域里面的一些核心的問題。這也成為吳華強一直堅持深耕該領域的原因。在 AMD 時，他就投身于憶阻器方面的研究工作，這項工作得以在清華延續，并最終打造出一支優秀團隊。

實驗資源不足，沒有條件就創造條件

回望這一路，他都在和電子器件打交道。2000 年，吳華強本科畢業于清華大學材料科學與工程系，2005 年博士畢業于美國康奈爾大學電子與計算機工程學院。 隨后，他分別在美國 AMD 公司和飛索半導體公司非易失性存儲器研發中心擔任高級研究員。 這段業界經歷也讓他逐漸意識到，相比在企業做市場化產品，他更想從事創新性的的研究工作，因此萌生了回國做科研的想法。2009 年，剛過而立之年的吳華強，回到清華任教。 回顧過往，吳華強總結稱：“回到祖國，作為一個科研工作者，和大家一起拼搏，特別開心。我們國家現在發展的勢頭非常好，國家高度重視科技創新，對于人才的重視，我想是遠超過其他國家的。 然而，回國第一年，系里做實驗的設備不足，吳華強始終處于找不到資源做實驗的狀態。

為此，在回清華的頭一年半，在正常教學之外，他把八九成時間都花在平臺搭建上，在系里面的支持下，對原來系里相對陳舊、落后的實驗平臺進行了全面的改造和升級。建成后，這也是清華 7x24 小時開放的校級共享實驗平臺，并成為國家發改委的雙創平臺和國家集成電路產教融合創新平臺。 如今，該平臺包含設計、加工和測試三大塊，累計擁有 200 多套設備，能夠支撐芯片研究。

此前，由于設備不全并且經常出故障，學生們做一個實驗有時得花費數月。而現在，即使校內 20 多個院系和校外團隊共同使用該平臺，一般也能在一周內完成實驗。 對于獲得的成果，吳華強說：“我經常‘白加黑、五加二’連軸轉卻從來不覺得累，偶爾會被質疑但卻從未想過放棄，就是因為現在的學術和工作是我真正感興趣，這是我愿意無限投入進去的事情，這會讓我從中感受到快樂。”

憶阻器產品已進行產業化

而讓他沒有想到的是，兜兜轉轉之后，他再次和產業打上交道。 2018 年 6 月份，吳華強團隊孵化出由清華控股的創業公司——北京新憶科技，專注于將憶阻器進行產業化。 經過兩年的努力，他們已經實現 40nm 的工藝，并開發出了相關存儲芯片，也已獲得物聯網和汽車等領域的訂單。 目前，他們正在設計一個更大規模、功能更多樣化的憶阻器陣列芯片，這款新型芯片的設計已經接近完成，接下來將進行流片和相關測試。一旦問世，將會實現更貼近需求、也更加復雜的實際應用。 在 2019 年的某次會議上，吳華強曾和英特爾 Loihi 神經形態計算芯片的負責人 “打賭”，看將來到底誰的芯片應用得更好。

談及發展前景，吳華強認為，過去的計算范式已經使用幾十年了。在面臨嚴重算力挑戰的今天，憶阻器很有可能提供出一種全新的計算范式。 他說：“如果說沒有摩爾定律變緩、人工智能算力需求增加這些挑戰，可能新的計算范式也不可能進來，我覺得現在是一個好的機會。” 未來的手機、超高清電視、無人系統、數據中心，都將有望用上這種芯片，它能加速處理 AI 應用，給用戶帶來更好的體驗。

而在更前沿的應用方向上，吳華強團隊的憶阻器也在發力。在腦機接口領域，他們在使用憶阻器進行信號的處理。通過探針等方式得到的腦電波信號是一種模擬信號，過去，我們需要把模擬信號處理成數字信號，再進行解碼計算。 而憶阻器本身就是用模擬信號的方式進行存儲的，用來處理模擬信號天然擁有更塊的計算速度和更低的能耗。更低的能耗意味著，未來使用憶阻器的腦機接口，將可能不需要外接電源，這將極大地提升腦機接口系統的使用便利性。 未來，在純電計算之外，吳華強還把研究目光投向了同樣利用物理原理進行計算的光電計算，以及 “感知、存儲、計算” 一體的系統優化和硬件匹配。

“算力焦慮” 正在、并將在接下來的一段時間內繼續陪伴著我們的存在。但以憶阻器芯片、光電計算等為代表的一系列新技術，正試圖利用硬件層面的革新，把人工智能技術帶去更遠的未來。

原文標題：對抗算力焦慮！清華教授研發憶阻器芯片，可實現存儲數據“原地”計算，相關產品正在轉化

文章出處：【微信公眾號：DeepTech深科技】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq