新型芯片材料取得突破，有望破解人工智能能耗難題

隨著人工智能模型規模持續擴大，能耗問題正成為制約產業發展的關鍵瓶頸。近期，一支研究團隊在新型芯片材料領域取得重要進展，研發出一種基于氧化鉿的憶阻器器件，有望大幅降低人工智能系統的運行功耗。

憶阻器是一種能夠實現與晶體管相同功能但體積更小、功耗更低的電子器件。與傳統芯片將數據存儲與處理分離的設計不同，憶阻器能夠在同一位置完成信息存儲與處理，這種架構與人類大腦的工作方式相似。采用這種神經形態計算架構的硬件系統，理論上可將人工智能系統能耗降低多達70%，同時具備更強的適應性和學習能力。

傳統憶阻器大多依靠在金屬氧化物內部形成微小導電細絲來工作，但這類細絲的行為難以精確控制，且通常需要較高的形成電壓和工作電壓，限制了其在大型數據存儲和計算系統中的實用性。研究團隊此次開發的新型鉿基薄膜材料，采用了不同的工作原理，使器件能夠逐步改變電阻，而不是依靠細絲的生成或斷裂，從而實現了更穩定的性能表現。

實驗室測試結果顯示，這種基于氧化鉿的憶阻器開關電流僅為某些傳統氧化物器件的百萬分之一，功耗顯著降低。同時，該器件能夠可靠地承受數萬次開關循環，編程狀態可保持約一天時間，具備滿足實際應用需求的穩定性和耐久性。此外，它還能復現生物神經元的學習規則，可根據信號到達時間來增強或減弱連接，這正是可學習、可自適應硬件所需的關鍵特性。

從應用前景看，這類新型芯片材料的突破，對于降低人工智能系統的運行能耗具有重要意義。當前，大型人工智能模型的訓練和推理需要消耗大量電力，給數據中心運營成本和區域電網帶來壓力。若能將神經形態計算硬件成功產業化，可望在保持計算性能的同時大幅降低能耗，為人工智能技術的規模化部署掃清障礙。

不過，這項技術距離商業化應用仍有距離。目前該憶阻器器件的制造工藝所需溫度約為700攝氏度，高于現有半導體制造工藝的標準耐受溫度，這是制約其與現有產線兼容的主要技術瓶頸。研究團隊表示，已在探索降低工藝溫度的方法，以便更好地適配行業標準制程。

      這種新型氧化鉿憶阻器的突破，為低功耗芯片設計提供了新的技術路徑。隨著材料工藝的持續優化，神經形態計算硬件有望在未來成為人工智能算力基礎設施的重要補充，助力解決日益突出的AI能耗問題。