今日科普|探索模拟乘法电路奥秘

从二进制到物理世界：模拟乘法器的“直觉计算”革命

当我们用手机计算“3×5”时，数字芯片会先将数字转化为二进制“011×101”，再通过数亿个晶体管完成运算。但北京大学孙仲团队在2025年10月发布的成果，却颠覆了这种“翻译式计算”——🔥他们研发的阻变存储器芯片，能直接用电阻值代表数值，用电流叠加实现乘法运算，精度达到24位定点数。这就像人类大脑直接理解“三根筷子加五根筷子等于八根”，而非先数数再计算。这种“直觉计算”不仅让AI训练效率提升10倍以上，更让模拟计算这个沉寂半个世纪的技术，重新站上科技舞台中央。

核心突破：阻变存储器如何“存算一体”

传统数字芯片的冯·诺依曼架构，就像把计算器和记事本分开存放——数据需在存储单元和计算单元间来回搬运，导致能耗飙升。而孙仲团队的阻变存储器，每个存储单元既是“记事本”又是“🏐PG游戏计算器”。例如，一个电阻值可调至100Ω的单元，既能存储数值100，又能通过与其他电阻的电流叠加，直接完成乘法运算。这种“存算一体”设计，让矩阵方程求解的能耗降低至传统GPU的1/50，速度却快3倍。更关键的是，其精度突破24位定点数，意味着能处理更复杂的AI模型——比如自动驾驶中实时解算3D空间坐标的矩阵方程，误差控制在百万分之一以内。

这种突破并非偶然。团队通过“三层优化”实现精度跃升：器件层采用可编程阻变存储器🆚，电阻值可动态调节至0.1Ω精度；电路层设计出“一步求解矩阵方程”的原创架构，将传统需要数千次迭代的计算压缩至单次完成；算法层引入“微切片”技术，将24位运算拆解为8个3位模块并行处理。这种“器件-电路-算法”协同创新，让模拟计算首次在精度上媲美数字芯片，而能耗仅为其1/20。

从实验室到生活：模拟乘法的“隐形战场”

模拟乘法的价值，藏在那些“看不见”的场景里。在5G基站中，信号调制解调需要实时完成数百万次乘法运算——传统数字芯片需消耗基站总功耗的40%，而模拟乘法器可将这部分能耗降至5%以下。在医疗影像领域，CT扫描的图像重建依赖矩阵运算，模拟芯片的实时处理能力能让扫描速度提升3倍，辐射剂量降低60%。更令人期待的是AI训练场景：当前GPT-4级大模型的训练，90%的能耗用于矩阵求逆运算，而模拟芯片的“直觉计算”模式，可能让未来AI训练的能耗从“核电站级”降至“风电场级”。

但挑战同样存在。阻变存储器的制造工艺需突破传统存储器的“固定电阻”限制，目前全球仅三星、台积电等🔴PG游戏少数企业掌握相关技术。孙仲团队正与中芯国际合作，探索“存储-计算融合”的12英寸晶圆工艺，预计2025年实现小批量生产。更深远的影响在于计算架构的变革——未来智能设备可能同时搭载数字CPU和模拟计算单元，前者负责通用逻辑，后者专攻矩阵运算，就像人类大脑的“理性脑”与“直觉脑”协同工作。

未来已来：模拟计算的“中国方案”

这场革命的背后，是中国在模拟芯片领域的厚积薄发。从华为海思的射频芯片，到长鑫存储的DRAM技术，再到如今北大团队的模拟计算突破，中国正从“数字计算跟随者”转向“模拟计算引领者”。孙仲团队的成果已吸引华为、阿里达摩院等企业合作，首批应用场景锁定在机器人运动规划——传统机器人需每秒解算10万次矩阵方程，模拟芯片的实时处理能力能让其反应速度接近人类。更值得期待的是量子计算与模拟计算的融合——量子比特的叠加态特性，与模拟计算的连续物理量运算，可能催生“量子-模拟混合计算”新范式。

站在2025年的节点回望，模拟计算的复兴恰似一场“文艺复兴”——当数字计算陷入“摩尔定律”瓶颈时，人类重新发现物理定律的直接运算潜力。正如孙仲所说：“模拟计算不是要取代数字计算，而是为算力宇宙打开一扇新窗。”这扇窗后，是一个更高效、更绿色的计算未来，而中国，正站在窗前。