随着人工智能大模型的迅猛发展和各类复杂算法的广泛应用，硬件层面的能效比问题正面临前所未有的挑战。北京大学人工智能学院孙仲研究员团队在高性能计算芯片领域取得重大突破，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，为海量数据处理提供了更高效、更低功耗的全新解决方案。NMF作为图像分析、推荐系统及生物信息学等领域的核心技术，传统数字芯片在实时处理大规模数据时，往往因计算复杂度高和内存访问受限而遭遇性能瓶颈。为突破这一困境，北大团队创新性地采用模拟计算技术路线，通过利用物理规律直接进行并行运算，从底层逻辑上显著降低了延迟与功耗。实验测试数据充分彰显了这款新型芯片的卓越性能。相较于当前主流的先进数字芯片，其计算速度实现了约12倍的飞跃，而能效比更是提升了惊人的228倍。这一突破意味着在极低的能量消耗下，该芯片能够完成远超传统硬件的工作量。据悉，这项重要研究成果已于1月19日发表在国际顶级期刊《自然·通讯》上。在实际应用测试中，该芯片在图像压缩任务中不仅保持了极高的计算精度，还成功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，其性能也显著优于传统硬件方案。孙仲研究员强调，这项工作充分证明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系统、高清图像处理等众多领域实现大规模应用，为人工智能技术的进一步发展提供强大动力
