福州关注｜北大团队研发新型模拟芯片，非负矩阵分解效率跃升，福建AI硬件发展迎新契机

【金色港湾资讯网为您推荐阅读】

1月22日，《科技日报》北京报道，由北京大学人工智能学院孙仲研究员领衔的科研团队，成功研制出一款面向非负矩阵分解（NMF）任务的模拟计算芯片。该技术在图像处理、生物信息挖掘与智能推荐等关键领域具有广泛应用基础，此次突破为高维数据实时分析提供了低功耗、高吞吐的新范式。相关成果已发表于国际权威期刊《自然·通讯》。

作为一类重要的“数据降维”方法，非负矩阵分解可从海量用户行为、图像像素或基因表达数据中自动提取潜在特征与结构。当前，面对百万量级乃至更大规模的数据集，传统数字芯片受限于冯·诺依曼架构的内存墙与计算延迟，在实时性与能效方面面临严峻挑战——这一瓶颈，同样牵动着福州本地高校及半导体初创企业在边缘AI芯片方向的技术布局。

团队聚焦模拟计算路径，充分发挥其物理域并行运算、超低延时与极低功耗的固有优势。所研发芯片基于阻变存储器（RRAM），构建了专用型NMF模拟求解器；创新引入可重构紧凑型广义逆电路设计，依托电导补偿机制，以最少硬件单元实现核心迭代步骤的一次性完成，显著压缩芯片面积并降低动态能耗。

实测表明：在图像压缩任务中，该芯片输出结果与全精度数字计算几乎无损，同时节省约50%存储开销；在推荐系统场景下，预测误差率与主流数字方案高度一致。针对10万样本规模训练任务，相较典型可编程数字硬件，速度提升达212倍，能效跃升4.6万倍；而在接近网飞（Netflix）量级的真实数据集上，计算速度较当前先进数字芯片提升约12倍，能效比更优出228倍以上——这一性能表现，也为福建正在推进的智能终端、数字内容分发及智慧医疗等本地化AI应用提供了底层算力支撑参考。

孙仲指出，该研究不仅为NMF等约束优化问题开辟了实时硬件求解新路径，更验证了模拟计算在应对现实复杂数据任务中的工程可行性。未来，相关架构有望赋能实时推荐、高清影像重建、单细胞基因组分析等高算力需求场景，推动人工智能向高效化、绿色化纵深演进——对福州建设国家新一代人工智能创新发展试验区而言，亦具重要技术协同价值。