北大团队《科学》发文：全球首款相变忆阻器神经动力学芯片，单步时延2.12毫秒较GPU最高提速478倍

2026年7月2日，国际顶级学术期刊《科学》（Science）刊登了一项来自中国团队的芯片研究成果。北京大学集成电路学院杨玉超教授团队联合中国科学院上海微系统与信息技术研究所宋志棠研究员团队等，成功研制出全球首款基于相变忆阻器的毫秒级神经动力学系统芯片，首次将这类复杂运算的单步迭代时延压缩至2.12毫秒。

《科学》杂志同期配发的专题观点评述文章评价，这一工作"代表了一种物理驱动计算的理念转变"。而在实际测试中，这颗采用40纳米工艺、核心面积仅0.28平方毫米的芯片，在脑皮层表面重建任务中较NVIDIA A100 GPU提速达50.38~478.18倍——原本需要大型服务器离线运算数小时的任务，被压缩到了零点几秒。

突破半个世纪的瓶颈 

神经动力学系统的概念已诞生半个世纪。它本质上是将神经网络的表达能力与微分方程的连续演化机制相结合，能够从带噪声、不完整的影像数据中恢复平滑、拓扑一致的三维结构，在物理世界建模、计算成像、脑科学等领域具有广泛用途。

但这类系统一直面临一个核心矛盾：它既需要高精度的连续建模能力，又要求极低的计算延迟。其求解过程涉及反复的数值积分、误差控制和自适应步长搜索，计算量巨大。更糟糕的是，在传统冯·诺依曼架构中，存储与计算单元分离，海量的中间变量不得不在内存与处理器之间反复"搬运"，进一步放大了延迟和能耗。

"如何在保持高精度连续建模能力的同时实现低延迟实时计算，始终是制约该类系统走向实际应用的核心瓶颈。"杨玉超团队在论文中如此定义这一难题。在此之前，这类复杂建模方法大多只能在大型服务器上离线运行，实时应用遥不可及。

把"缺陷"变成武器，相变忆阻器的"漂移"魔法

破局的关键，藏在一种名为相变存储器（PCM）的器件特性里。

相变存储器依靠热量改变晶体状态，从而改变电阻。长期以来，学界视其为缺陷的一种现象——"电导漂移"（conductance drift），即电导值会随时间缓慢自主变化。但杨玉超团队发现，这种漂移在特定时间窗口内是可预测、可映射、可精准调控的。

细粒度可控电导漂移调控机制

"原本需要由数字电路反复计算、比较和判断的步长选择过程，被转化为阵列中的原位物理计算过程。"团队提出了一种"可控存内计算"新范式：将自适应积分步长直接编码为相变存储器的电导状态，利用器件自身的物理演化完成步长搜索。换言之，电阻自己"走"到某个位置，步长就自动调好了——不需要额外的乘法器、加法器，也不需要频繁的数据搬运。

与此同时，团队利用相变存储器的多级电导特性构建高密度存内计算阵列，将神经网络权重映射到器件的多级电导态上，实现阵列内部的矩阵乘加运算。通过精准写入校验机制，芯片能够稳定存储16种不同的电阻值（8级正负差分结构），在同等面积内放入更多权重信息。

多级电导特性精准映射调控机制

为了让器件性能足够稳定，研究团队在材料中掺入碳元素细化晶粒，使材料在反复相变后仍保持稳定的电学性能。测试结果显示，芯片的SET/RESET循环耐久操作达到10^10次，在0度至70度温度范围内，电阻分布仅发生线性整体移动，不同档位之间保持清晰间隔，未出现交叠或失控。芯片良率超过99.9999%。

一颗40nm芯片的实战成绩单

基于上述技术，研究团队采用40纳米工艺流片，制造出总面积仅0.28平方毫米的神经动力学芯片（存内计算与步长漂移阵列），工作频率50 MHz，单步积分仅需9级流水。

基于相变型忆阻器的神经动力学芯片性能

在最具挑战性的脑皮层表面重建任务中，这颗芯片展现了惊人的效率：传统工具FreeSurfer运行一次需要2至3小时，16核服务器也需约两个半小时；即便使用GPU加速，采用同样算法最快也需要近2秒。而这颗新芯片完成一次重建仅需426毫秒，重建出的脑皮层网格平滑、闭合、拓扑一致，灰质和白质平均距离误差分别仅为0.245毫米和0.376毫米，有效抑制了传统神经网络方法中常见的自相交和非流形伪影。

（图自：《科学》）

在3D流形网格生成任务中，芯片的单次迭代时延为2.12毫秒，比此前已知最快的同类专用加速器（ASIC）快了36倍，功耗仅为其二十四分之一。在执行相同神经动力学运算时，该系统较当前最先进的ASIC加速器实现3.82~36.27倍速度提升以及11.75~24.73倍功耗降低；在脑皮层重建任务中，较NVIDIA A100 GPU最高提速达478.18倍。

麻省理工科技评论的报道中做了一个形象的换算：完成一次完整的表面重建，这颗芯片消耗的能量大约是给手机充一次电的千分之一。

脑机接口与脑疾病诊疗的新硬件底座

速度的提升不只是数字游戏，它意味着一类原本只能离线运行的复杂建模方法，首次具备了毫秒级实时在线操作的能力。

在脑科学领域，这一突破为下一代脑机接口提供了关键硬件支撑。未来脑机接口不仅需要读取神经信号，更需要实时理解大脑状态、预测神经动力学演化并进行闭环调控。高保真脑建模以毫秒级速度运行，有望为脑机接口提供个体化、动态化、可解释的脑状态模型，使系统从简单的信号识别走向实时脑状态建模与智能交互。

基于相变型忆阻器的毫秒级神经动力学系统。（图自：北京大学深圳研究生院微信公众号）

在医学场景中，该技术有望支撑脑数字孪生、术中神经导航、脑皮层实时重建以及阿尔茨海默症、帕金森病等神经退行性疾病的辅助诊断与早筛。此外，在冠脉血管3D重建、无人驾驶实时环境建模、文物数字化保护及游戏动态角色形变等需要高保真表面建模的场景，这颗芯片也展现了潜在的应用价值。

结语

这颗芯片的论文共同通讯作者包括杨玉超、宋志棠、朱毅鑫和陶耀宇，第一作者为蔡磊、解晨晨和闫龙皞。相关工作入选"面向2030北京大学重大培育项目"，并得到新基石研究员项目、国家重点研发计划等支持。

对于存算一体领域而言，这项成果的意义或许在于：相变存储器在消费级数字存储市场始终未能大规模普及，但其在模拟计算中的"漂移"与多级电导特性，反而成为了一种精准可控的计算工具。正如《科学》同期评述所言，这不仅是速度的提升，更代表了一种"物理驱动计算"的理念转变——让器件的物理规律本身成为计算过程的一部分，而非仅仅是数据的容器。