绝大多数人熟悉的计算机，都遵循冯·诺依曼架构——计算单元和存储单元相互独立，数据要不停在内存、CPU之间来回搬运，搬运消耗的能耗，甚至远超计算本身，这就是困扰行业多年的冯·诺依曼瓶颈。而忆阻器，这个诞生已久却始终小众的器件，被视作破解瓶颈的候选者。
忆阻器全称记忆电阻器，核心特性是它的电阻值会随流过它的电荷量发生改变，并且断电之后，这个电阻状态不会消失，自带“记忆”。也就是说，它本身既是存储单元，也能直接完成运算。和普通电阻只被动阻碍电流完全不同，忆阻器把数据存储和信息计算融合在同一个器件上。
这一特点和人脑神经元的工作逻辑高度相似。大脑并不是分开存储、计算信息，突触在传递信号的同时，同步完成记忆的增减。所以忆阻器最核心的前沿方向，就是建造类脑计算芯片。基于忆阻器阵列，可以模拟神经网络突触的权重变化，跑AI推理时，不用频繁搬运数据，能耗能降到极低，适合端侧低功耗智能设备。
现在市面上还没有大规模商用的忆阻器芯片。它的难点集中在一致性和稳定性：不同忆阻器单元的开关特性很难做到一模一样，反复读写之后容易出现性能漂移、衰减，噪声控制也是一大难题。材料体系也还在摸索，氧化钛、硫化物、铁电材料多条路线并行，没有形成统一的成熟工艺。
相比热闹的大模型赛道，忆阻器的曝光度很低，很多相关研发都处在实验室原型阶段。但如果材料与良率问题被攻克，类脑硬件就有了落地的基础，我们或许能见到功耗接近生物大脑的人工智能硬件。
文章来源：
iT日记
版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。
