每个人都在谈论最新的人工智能和神经网络的力量，却忘记了软件是受其运行硬件的限制的。南加州大学电气与计算机工程教授Joshua Yang说，硬件已经成为“瓶颈”。现在， Yang和合作者的新研究可能会改变这一点。他们认为，他们为边缘人工(edge AI，便携式设备中的AI)开发了迄今为止内存最好的新型芯片。

在过去大约30年里，人工智能和数据科学应用所需的神经网络的规模每3.5个月就会翻一番，而处理它们所需的硬件能力每3.5年才会翻一番。Joshua Yang表示，硬件是一个越来越严重的问题，很少有人有耐心解决。

各国政府、业界和学术界都在努力应对这一全球范围内的硬件挑战。一些人继续研究硅芯片的硬件解决方案，而另一些人则在试验新型材料和设备。Joshua Yang的工作属于中间，重点是开发和结合新材料和传统硅技术的优势，这些技术可以支持重型人工智能和数据科学计算。

研究人员在《自然》杂志上发表的新论文关注的是对导致人工智能硬件所需内存容量急剧增加的基础物理学的理解。由Yang领导的团队，与南加州大学(包括Han Wang的小组)、麻省理工学院和马萨诸塞大学的研究人员一起，开发了一种用于降低“噪声”的设备协议，并演示了在集成芯片中使用该协议的实用性。这次演示是在TetraMem进行的，这是一家由Yang和他的合著者(Miao Hu, Qiangfei Xia和Glenn Ge)共同创立的初创公司，旨在将人工智能加速技术商业化。

根据Yang的说法，这种新的存储芯片在目前已知的所有类型的存储技术中具有最高的每设备的信息密度(11位)。这种小而强大的设备可以发挥关键作用，为我们口袋里的设备带来不可思议的能量。这些芯片不仅用于内存，还用于处理器。在一个小芯片上，数百万个芯片并行工作，快速运行你的AI任务，只需要一个小电池就可以为它供电。

Joshua Yang和他的同事们正在制造的芯片将硅和金属氧化物忆阻器结合起来，以制造出功能强大但耗能低的芯片。该技术的重点是使用原子的位置来表示信息，而不是电子的数量(这是目前芯片计算中涉及的技术)。原子的位置提供了一种紧凑而稳定的方式，以模拟方式而不是数字方式存储更多的信息。此外，信息可以在存储的地方进行处理，而不是被发送到少数专用“处理器”之一，消除了当前计算系统中存在的所谓“冯·诺依曼瓶颈”。Joshua Yang说，通过这种方式，人工智能计算“更节能，吞吐量更高”。

它是如何工作的

Yang解释说，在传统芯片中被操纵的电子是“轻的”，这种重量使它们易于移动，更容易挥发。Yang和他的合作者不是通过电子存储记忆，而是将记忆存储在完整的原子中。这就是为什么这种记忆很重要。Yang说，通常情况下，当一个人关闭计算机时，信息内存就消失了——但如果你需要这些内存来运行新的计算，而你的计算机又需要这些信息，你就损失了时间和精力。

这种新方法专注于激活原子而不是电子，不需要电池来维持存储的信息。类似的情况也发生在人工智能计算中，能够容纳高信息密度的稳定内存至关重要。Yang设想，这项新技术可能会在边缘设备上实现强大的人工智能功能，比如谷歌眼镜，他说，之前谷歌眼镜经常遇到充电问题。

此外，通过将芯片转化为依赖原子而不是电子，芯片变得更小。Yang补充说，有了这种新方法，在更小的规模上有了更多的计算能力。此外，他说，这种方法可以提供“更多层次的记忆，以帮助提高信息密度。”

现在，ChatGPT是在云上运行的。这项新的创新，再加上一些进一步的发展，可能会把迷你版ChatGPT的功能放在每个人的个人设备上。它可以使这种高功率技术更便宜，适用于各种应用。

参考链接：https://techxplore.com/news/2023-03-chip-greatest-precision-memory-date.html