科技似乎已经成为一个国家表现综合实力的因素之一，近几年来科技领域的竞争也尤为激烈，5G/人工智能技术、AR、VR等很多新技术领域都存在着激烈的竞争，而这几年我国也一直在进行相关技术的研发，争取补足技术短板，在某些方面能够实现领先。
未来随着AI技术的发展，人们对存储的需求也将进一步增长，这也对集成电路芯片带来更多的挑战。只不过因为摩尔定律的影响，想要采用集成电路工艺微缩的方式来实现算力的提升会变得十分困难。另外，传统的冯诺依曼架构也会给计算和存储带来新的难题，导致大量数据在搬运过程中产能大量的功耗并且还会带来额外的延迟，如何解决存储一体化的问题也成为眼下需要解决的难题。
近日，清华大学钱鹤、吴华强教授团队就携手合作者破解了这一难题，研发出多个忆阻器阵列的存算一体系统，处理卷积神经面积时的能效比GPU要高出两个数量级，促进计算设备的算力大幅度提升，未来能够通过更小的功耗和更低的硬件成本来解决更加复杂的计算问题。其还能够让手写数字集上的识别准确率提高至96.19，比肩软件识别。
与此同时，在忆阻器阵列的加持下，还能够实现物理定于的并行计算，让存储和计算一体化，打破“冯诺依曼瓶颈”对算力的限制，满足人们对人工智能的更高需求。目前，相关的研究成果已经发表在《自然》上。
虽然现在清华大学援救团队已经实现了基于忆阻器阵列打造的完整硬件，但其仍然面临着严峻的挑战，缺少可靠的忆阻器、没有稳定可靠的架构等都会对存储一体的研发系统造成影响，从而对最终的计算效率造成影响。
总而言之，实现存储计算一体化还是比较困难的，如今清华大学团队迈出了关键一步，让多个忆阻器阵列在系统中集成，大大提高了卷积神经网络算法的效能，并且实现了图像识别，这也表明了存算一体架构是可以实现的。清华大学作为国内顶尖学府，在科研方面也拥有着很强大的实力，相信未来技术成熟后能够实现更大的突破，早日让存算一体架构趋于成熟，解决人们在智能AI时代的困扰。
添加新手交流群：币种分析、每日早晚盘分析
添加助理微信，一对一亲自指导：YoYo8abc
