12月3號，在舊金山舉行的IEEE國際電子器件會議（IEEE International Electron Devices Meeting）上，來自IBM的報告介紹了一種新的8位模擬芯片。但真正的發展并不是模擬芯片追趕上了數字芯片，而是對芯片架構的徹底重新思考。該芯片是第一個在存儲信息的地方執行8位計算的芯片。

這項研究的首席研究員Abu Sebastian（來自IBM蘇黎世研究中心）說，在傳統的馮·諾依曼芯片架構中，數據不斷地在內存和處理器之間穿梭，這消耗了寶貴的能量和時間。內存計算是降低功耗同時提高性能的合乎邏輯的下一步。這方面的進步對于硬件跟上人工智能的發展是必要的。

IBM的新型模擬芯片是基于相變存儲器的。關鍵成分是一種可以對電流作出反應而發生相變的材料。它們通常是鍺、碲和銻的合金。在導電的那個相中，原子排列得很整齊。在另一個不導電的相中，原子四處運動，被電流局部加熱，變得雜亂無章。

兩個電極之間的相變材料不會像0和1那樣在有序和雜亂的排列之間完全切換。相反，在任何時間點，都是兩種排列的混合：材料的總電阻取決于原子雜亂排列的區域的大小。

Sebastian說：“我們正在根據原子排列對信息進行編碼。”例如，神經網絡的權重可以以相變存儲器設備中的電阻的方式來存儲和訪問。

但這些電阻存在漂移和波動的問題。因為當讀取信息時電流通過相變材料，所以原子排列雜亂的區域每次都會改變一點——這限制了這種器件的精度和實用性。

為了解決這個問題，IBM的研究人員給相變存儲器引入了一個所謂的投影段（projection segment）。投影段是該團隊在2015年首次提出的，它是一個金屬氮化物導電層，包裹著相變材料芯，并在電極之間平行于相變材料芯運行。投影段將信息的寫入和讀取過程分開。

這個投影段在寫入信息時不做任何事情；所有的電流都會流過相變材料而調整原子排列雜亂的區域。但是，當檢索信息時，電流流過投影段并繞過原子排列雜亂的區域，使它們保持不變，并保留所存儲的信息。Sebastian說：“這是關鍵的創新。”

研究人員在一個包含有30個相變存儲器的8位芯片上測試了單層神經網絡，以識別數字1、0和4的圖像，測試結果達到了100%的分類精度。雖然現在還為時過早，但Sebastian估計，與傳統計算相比，這一進展可能為未來的設備帶來100至1000倍的節能效果。

傳統計算追求的是精確度，而隨著人工智能的發展，現在有與之相反的計算追求。IBM當天還介紹了一種數字芯片，它也是8位的，同時在神經網絡訓練中保持了高準確性。這種神經網絡更進一步地模擬人腦，而人腦通常可以從很少的信息中得出正確的結論。

IBM負責研究的副總裁Jeff Welser這比作從一個霧蒙蒙的窗戶往外看，看到一個模糊的人朝你家走來。“只要你認得出那是你的媽媽，圖像的精度有多低都沒有關系，”Welser說，“你得到了你所需的正確信息。”