2026年7月初，北京大学杨玉超教授团队联合中科院上海微系统所宋志棠研究员团队，正式宣布成功研制出全球首款基于相变忆阻器的神经动力学系统芯片。这项发布在AI领域和半导体领域同时引起了巨大的关注。这颗芯片的独特之处在于它模仿了生物神经系统的计算原理，而不是依赖传统的数字逻辑门电路——它用物理器件本身实现神经元的动力学行为，而非在架构层面模拟。芯片的核心器件是一种名为"相变忆阻器"的新型电子元件，它利用硫系化合物在晶态和非晶态之间的电阻切换来存储和处理信息，类似于人类大脑中神经元突触的可塑性机制。传统CPU和GPU基于冯·诺依曼架构，计算单元和存储单元是分离的，数据在两者之间的搬运极大限制了计算效率和能效。神经形态计算的目标是从根本上打破这种"存储墙"瓶颈。生物大脑的运行方式完全不同——神经元和突触同时承担了计算和存储的功能，不存在"数据搬运"这个步骤。
在器件层面，研究团队选择了锗锑碲合金作为相变忆阻器的核心材料。当电流通过这种材料时，它可以在约10纳秒内从非晶态切换到晶态，电阻变化超过三个数量级，形成稳定的高阻和低阻状态。每一个这样的器件同时具有"记忆"和"计算"的双重功能——它的电阻状态不仅代表了存储的权重信息，还能通过欧姆定律直接参与乘法运算，实现了真正的存算一体化。在架构层面，团队设计了一种创新的"神经动力学计算阵列"，将数百万个相变忆阻器集成到一个芯片上，形成类似于大脑皮层神经网络的连接结构。这种架构的关键创新在于引入了"脉冲时序依赖可塑性"的硬件实现机制——器件之间的连接权重可以随着输入信号的时序关系和频率动态调整，实现了芯片级的在线学习和自适应能力。在算法层面，团队开发了一套专门适配相变忆阻器物理特性的神经动力学计算框架。与传统的人工神经网络算法不同，这套框架直接使用微分方程描述神经元的膜电位变化和脉冲发放过程，而非采用简化的激活函数。实验数据展示了这颗芯片在多个生物计算任务中的惊人性能：在脑皮层微环路重建任务中，芯片的完成速度比使用NVIDIA A100 GPU实现了高达478倍的加速；在神经元网络的大规模仿真任务中，加速比稳定在50倍到150倍之间。更为关键的是，芯片的功耗仅为同等计算量GPU的约五十分之一——2.12毫秒完成一次复杂运算的同时，消耗的能量还不够点亮一颗LED指示灯。
这颗芯片的问世揭示了AI计算技术发展中一条不同于GPU的技术路线图。过去十年，AI计算的进步几乎完全建立在GPU算力指数级增长的"红利期"之上——从P100到V100到A100再到H100，每一代GPU的算力增长都为大模型训练提供了新的燃料。但GPU并非为AI而生，它是为图形渲染设计的硬件被"改行"用在了AI计算上。这种"改行"虽然成功但并非最优——GPU在矩阵乘法计算上确实效率极高，但在模拟神经网络这样的"脉冲计算"和"稀疏计算"任务上效率非常低下。类脑计算（或者更准确地说是神经形态计算）试图从根本上解决这个"架构错配"问题。它不是在硅基芯片上用软件模拟神经网络，而是用硬件直接实现神经元和突触的物理行为。如果说GPU是通过"蛮力"来完成计算——用惊人的算力和功耗来强行计算，那么神经形态计算则是通过"巧力"来完成同样的任务——用精巧的物理机制以极低的功耗来实现计算。二者之间的能效差距令人震撼。据研究团队的测量数据，在完全相同的大脑皮层重建任务中，GPU版的功耗约为750W，而神经动力学芯片的功耗仅为15W——能效比高达50比1。
北大团队的这项成果将中国在类脑计算领域的科研实力提升到了全球最前沿的位置。在全球类脑芯片的竞赛版图上，主要的竞争者包括Intel的Loihi系列、IBM的TrueNorth、以及斯坦福大学的Neurogrid等知名项目。Intel的Loihi 2于2024年发布，采用数字逻辑电路模拟神经元的脉冲发放行为，集成约100万个神经元。相比之下，北大团队的芯片属于"模拟型"类脑芯片——它用物理器件的连续变化来模拟神经元的连续动力学过程，在计算效率上具有理论上的根本优势。值得注意的是，Intel在2025年宣布将Loihi项目从核心研究计划降级为边缘探索项目，标志着全球最大芯片制造商对类脑计算路线的信心出现动摇。在此背景下，北大团队的突破尤为意味深长。中国在全世界的半导体竞争中一直处于追赶者的位置，但在类脑计算这个尚处于早期阶段的赛道上，中国科学家用独创的相变忆阻器技术路线走在了全球最前沿。从这个意义上说，这颗芯片的价值不仅在于它本身的性能参数，更在于它为中国的AI芯片技术路线提供了一种"换道超车"的可能性。在传统数字芯片的设计和制造方面，中国受制于光刻机等设备限制，与台积电和三星的差距短期内难以弥补。
北大团队研制成功的相变忆阻器神经动力学芯片，不仅仅是一个芯片或硬件上的成就，它更深远的意义在于为AI for Science提供了一个极具价值的新型计算平台。真正的"AI for Science"不仅意味着用现有的AI工具来加速科学研究，更意味着我们需要开发全新的计算范式来探索自然界的奥秘。生物神经系统本身就是宇宙中最神奇的计算系统之一，而类脑计算芯片正是通向理解这个系统的桥梁。研究团队透露，他们正在与多家脑科学和药物研发机构合作，尝试将这颗芯片应用于神经退行性疾病（如阿尔茨海默症和帕金森病）的脑环路建模和药物筛选工作。传统的药物筛选使用GPU进行分子动力学模拟，而类脑芯片可以利用其神经形态计算的优势，在更低的功耗和更高的速度下模拟神经元的异常放电模式，从而加速针对神经疾病的药物研发进程。AI4S领域一直面临的一个核心矛盾是：最需要强大计算力的科学问题往往超出了现有AI硬件的处理能力，而类脑计算芯片正好为这个矛盾提供了一个可行的解——在某些特定的生物计算和物理仿真任务上，它能以极低的功耗实现超GPU数百倍的计算效率。这颗相变忆阻器芯片的问世为这个方向打开了一扇全新的大门。