在我們的大腦中，每時每刻都發生著無數電訊號傳輸，它們甚至比電腦還要快很多。電腦在模擬大腦皮層訊號時，畫面永遠跟不上現場，就好比直播卡頓，這種延遲在臨床手術、機器人控制等場景下是致命的。針對這個問題，北大團隊提出了一種新晶片，讓電腦終於跟上了大腦的速度。 近日，北京大學積體電路學院楊玉超教授團隊，聯合中國科學院上海微系統與資訊技術研究所宋志棠研究員團隊等，在國際頂級學術期刊《科學》發表題為“A sub-10-millisecond neural dynamical system based on phase change memristors”（基於相變憶阻器的亞10毫秒神經動力學系統）的研究成果，在新型神經動力學計算晶片領域取得重大突破。 如何用機器運算模擬人腦思維？ 神經動力學+可控存內計算

2026年7月，中國晶片領域迎來里程碑式重磅突破！北京大學楊玉超教授團隊聯合中科院上海微系統所，成功研發全球首款基於相變憶阻器的神經動力學系統晶片，徹底打破延續半個世紀的神經動力學即時計算難題，核心任務運算速度相較輝達頂級A100 GPU最高提升478倍，相關研究成果已成功登頂國際頂級期刊《科學》，標誌著中國類腦計算技術躋身全球頂尖行列。 長期以來，全球晶片普遍沿用馮·諾依曼傳統架構，存在運算單元與儲存單元分離的核心痛點。在處理人腦模擬、腦皮層重建、神經訊號推演等複雜神經動力學計算任務時，資料需要在儲存與運算單元之間反覆搬運，不僅運算延遲極高、效率低下，還會產生巨大功耗，這也是半個世紀以來，全球始終無法實現高精度、即時神經動力學運算的核心技術瓶頸，嚴重制約腦科學、腦機介面、智能醫療等領域的發展。 此次北大、中科院聯合研發的全新晶片，徹底跳出傳統晶片架構桎梏，依託相變憶阻器存算一體技術重構計算邏輯，實現了神經動力學運算的原生硬體落地。 晶片無需頻繁搬運資料，可在儲存單元內直接完成運算處理，從底層解決了傳統GPU、CPU處理類腦計算時的效率短板與延遲問題，將複雜神經動力學運算的單步時延大幅壓縮至2.12毫秒，達到行業前所未有的即時運算水準。

IT之家 7 月 4 日消息，北京大學積體電路學院官方公眾號昨日（7 月 3 日）發佈博文，宣佈聯合發佈全球首款基於可控存內計算的憶阻器神經動力學晶片，首次將神經動力學系統的單步運算時延壓縮至 2.12 毫秒。 IT之家援引博文介紹，該項目由該校楊玉超教授帶領，聯合中國科學院上海微系統與資訊技術研究所研究員宋志棠團隊推進，相關成果於 7 月 3 日發表在《科學》上。 基於相變型憶阻器的毫秒級神經動力學系統 該研究首次將這類複雜運算的單步時延壓縮至 2.12 毫秒，在腦皮層重建等任務中較目前先進圖形處理器（GPU）NVIDIA A100 提速達 50 至 478 倍，一舉突破了制約神經動力學長達半個世紀的即時計算瓶頸。

一、重磅成果登《科學》，中外頂尖院所聯手攻克算力難題 近日，國際頂尖學術期刊《科學》刊發一項中國聯合攻關的重磅半導體與類腦計算研究成果。來自北京大學積體電路學院楊玉超教授課題組，攜手中國科學院上海微系統與資訊技術研究所宋志棠研究員團隊，歷經聯合研發攻堅，成功打造出全球第一款依託相變憶阻器搭建而成的神經動力學系統晶片。該項研究落地，直接打破了纏繞神經動力學領域近五十年的即時運算桎梏，為類腦模擬、腦科學重建相關研究開闢全新硬體路徑，相關完整學術論文已於當月 3 日凌晨正式上線發表。 二、核心性能實現跨越式革新，運算速度遠超主流 GPU 這款全新自研晶片最亮眼的突破集中在運算時延與處理效率兩大關鍵指標上。科研團隊通過底層器件架構、電路邏輯雙重最佳化，把神經動力學複雜運算的單步處理時延壓縮至僅 2.12 毫秒，這一資料創下同類硬體裝置全新紀錄。在腦皮層重建這類高複雜度模擬任務實測中，該晶片的運算效率對比當下市面主流高端圖形處理器（GPU）拉開巨大差距，提速區間達到 50 倍至 478 倍。長久以來，傳統通用算力硬體運算延遲高、平行模擬效率不足，始終是限制神經動力學即時模擬落地應用的核心阻礙，本次晶片研發從硬體根源上化解了這一行業痛點。