华为布局忆阻器芯片，这可能是复刻人脑、实现强人工智能的最佳方式

技术编辑：徐九丨发自 北京
SegmentFault 思否报道丨公众号：SegmentFault

---

据知情人士透露，华为有意在忆阻器芯片领域进行布局。

从中国知网获悉：华为分别于 2019 年 3 月（2015 年 6 月申请）、2020 年 1 月（2018 年 6 月申请）公开了两份相关专利信息。忆阻器芯片和其他芯片相比，因其暂时没有过多的应用场景，所以大众对其没有太多了解，但这可能是复刻人脑、实现强人工智能的的最佳方式。

忆阻器是什么？

忆阻器，全称记忆电阻，从名字我们就可以大致推敲出它的功用来。

最早提出忆阻器概念的人，是华裔的科学家蔡少棠，当时任教于美国的加州大学伯克利分校。时间是 1971 年，在研究电荷、电流、电压和磁通量之间的关系时，任教于加州大学伯克利分校的蔡教授推断在电阻、电容和电感器之外，应该还有一种组件，代表着电荷与磁通量之间的关系。这种组件的效果，就是它的电阻会随着通过的电流量而改变，而且就算电流停止了，它的电阻仍然会停留在之前的值，直到接受到反向的电流它才会被推回去。

简单说，忆阻器是一种有记忆功能的非线性电阻。通过控制电流的变化可改变其阻值，如果把高阻值定义为“1”，低阻值定义为“0”，则这种电阻就可以实现存储数据的功能。实际上就是一个有记忆功能的非线性电阻器。

用常见的水管来比喻，电流是通过的水量，而电阻是水管的粗细时，当水从一个方向流过去，水管会随着水流量而越来越粗，这时如果把水流关掉的话，水管的粗细会维持不变；反之当水从相反方向流动时，水管就会越来越细。因为这样的组件会“记住”之前的电流量，因此被称为忆阻器。

由于忆阻器尺寸小、能耗低，所以能很好地储存和处理信息。一个忆阻器的工作量，相当于一枚 CPU 芯片中十几个晶体管共同产生的效用。

比勒菲尔德大学托马斯博士及其同事在 2012 年就制作出了一种具有学习能力的忆阻器。2013年，托马斯就利用这种忆阻器作为了人工大脑的关键部件。

托马斯认为解，因为忆阻器与人脑内的神经突触具有高度的相似性，所以这使其成为制造人工大脑的绝佳材料，“它使我们得以建造极为节能、耐用，同时能够自学的处理器。”托马斯在论文中总结了自己的实验结果，并借鉴其他生物学和物理学研究的成果，首次阐述了这种仿神经系统的电脑如何将自然现象转化为技术系统，及其中应该遵循的几个原则。

这些原则包括，忆阻器应像突触一样，“注意”到之前的电子脉冲；而且只有当刺激脉冲超过一定的量时，神经元才会做出反应，忆阻器也是如此。“这也是人工大脑进行学习和遗忘的过程中，忆阻器如何发挥作用的基础。”

清华用忆阻器制人工神经网络芯片

随着人工智能的发展，英雄无用武之地的忆阻器凭借优异性能，已经展现出其广泛的应用前景。业界认为这种基础元器件，将从根本上颠覆现有的硅芯片产业。

就在今年年初，清华大学九成宫用忆阻器制出人工神经网络芯片，清华大学微电子所、未来芯片技术高精尖创新中心钱鹤、吴华强团队与合作者在顶尖学术期刊、英国《自然》杂志（Nature）在线发表论文，报道了基于忆阻器阵列芯片卷积网络的完整硬件实现。

据悉，2017 年 5 月，该课题组就曾在《自然通讯》报告称，首次实现了基于 1024 个氧化物忆阻器阵列的类脑计算，将氧化物忆阻器的集成规模提高了一个数量级。这使芯片更加高效地完成人脸识别计算任务，将能耗降低到原来的千分之一以下。

此次的最新进展，是钱、吴团队集成了 8 个包括 2048 个忆阻器的阵列，以提高并行计算的效率。

在此基础上，他们还构建了一个五层的卷积神经网络进行图像识别，为解决器件固有缺陷造成的系统识别准确率下降问题，他们提出了一种新型的混合训练算法，仅需用较少的图像样本训练神经网络，并微调了最后一层网络的部分权重。

也正因如此，图像识别的精度提升到了 96% 以上，结果显示，基于忆阻器的卷积神经网络比目前最先进的 GPU 的能效要高出两个数量级。

与此同时，他们还提出了空间并行的机制，将相同卷积核编程到多组忆阻器阵列中，各组忆阻器阵列可并行处理不同的卷积输入块，提高并行度来加速卷积计算。

---

随着摩尔定律放缓，计算界翘首以待新的架构突破冯诺依曼瓶颈，适应越来越复杂的 AI 问题。基于忆阻器的存算一体系统在这场角逐中一定会稳步前进，也将成为各大科技企业和政府机构下一个发力点。

虽然清华大学此次取得了可喜的成绩，但芯片领域仍是我国的弱项。分析人士认为，中国完全依靠自己的技术生产芯片和半导体，至少还需要 5-10 年的时间。另一方面，西方的竞争对手也不会原地踏步，将不断完善自己的技术。

因此，未来十年争夺全球芯片生产领先地位的博弈将会异常激烈。此次华为入局忆阻器芯片，希望可以引起国内芯片厂商、科技厂商的重视，提前把握住机会。