Китайские ученые представили 40-нм чип на мемристорах
Китайские исследователи представили нейродинамический чип на мемристорах с вычислениями в памяти. Разработку подготовили Пекинский университет и Шанхайский институт микросистем и информационных технологий Китайской академии наук, результаты опубликованы в журнале Science. Авторы утверждают, что в ряде специализированных задач новый чип работает в 50-478 раз быстрее современных GPU.
Основной результат работы связан не с рекордным техпроцессом, а с архитектурой. Чип выполнен по нормам 40 нм и использует фазовые мемристоры, которые одновременно хранят данные и участвуют в вычислениях. Это сокращает обмен между памятью и вычислительными блоками, который в обычных системах часто становится узким местом по задержкам и энергопотреблению.
По данным авторов, один шаг вычислений нейродинамической системы занимает 2,12 мс. Сравнение с видеокартами относится к узкому набору сценариев, включая моделирование коры головного мозга и другие динамические задачи, где важны параллельность и работа с состояниями системы во времени. Для универсальных ИИ-нагрузок, обучения больших языковых моделей и графики такие чипы не заменяют GPU.
- техпроцесс: 40 нм
- площадь вычислительного массива: 0,28 мм2
- рабочая частота: 50 МГц
- архитектура: in-memory computing на фазовых мемристорах
- встроены АЦП и схемы генерации программирующих импульсов
Направление не новое, хотя до массового рынка оно так и не дошло. IBM еще в 2014 году показала нейроморфный процессор TrueNorth, а Intel с 2018 года развивает линейку Loihi. В 2024 году Intel представила систему Hala Point с 1,15 млрд искусственных нейронов для исследований в области энергоэффективного ИИ. Китайская работа отличается акцентом на мемристоры и на сокращение времени шага до миллисекундного диапазона в реальном железе.
Для Китая это еще и способ развивать специализированные вычисления без гонки за самыми тонкими нормами производства, где лидируют TSMC, Samsung и Intel. На фоне экспортных ограничений США китайские лаборатории и компании все чаще делают ставку на архитектурные схемы, упаковку и узкоспециализированные ускорители. Если результаты из Science подтвердятся в более крупных системах, такие чипы могут занять нишу в моделировании мозга, промышленной динамике и сенсорных ИИ-устройствах, где важнее задержка и энергоэффективность, чем универсальность GPU.
