英国拉夫堡大学的研究团队开发出一款新型仿生芯片，有望将部分人工智能任务的能耗降低高达 2000 倍。这项研究由物理学家帕维尔·鲍里索夫博士领导，成果已发表在《先进智能系统》期刊上。与传统依赖软件运行的通用计算机不同，该芯片利用材料的物理特性，直接在硬件中处理随时间变化的数据。 该芯片的核心是一种由纳米多孔氧化铌制成的忆阻器。其内部包含大量随机纳米孔，形成复杂的电路路径，类似于生物神经网络中的隐藏层。这种物理结构能够自动识别数据模式并进行计算，无需依赖复杂的软件算法。在测试中，该设备成功应用于预测混沌系统（如著名的“蝴蝶效应”模型）、识别像素化数字图像以及执行基础逻辑运算，且在这些任务中表现出卓越的性能。 研究人员指出，随着人工智能系统日益强大，其能源消耗已成为行业可持续发展的重大挑战。通过将计算从软件转移至硬件，利用物理系统的复杂性作为数据过滤器，该芯片大幅减少了计算开销。鲍里索夫博士表示，这一灵感源于人脑中神经元之间看似随机实则高效的连接方式。 尽管目前该技术仍处于早期阶段，主要测试了相对简单的任务，但团队认为其具备良好的可扩展性。未来的工作将集中于增加神经网络的复杂度，并在包含更多噪声的真实世界数据中验证其稳定性。研究团队预期，这一技术将推动开发出更小型、能效更高且具备离线运行能力的行业级人工智能设备，为未来绿色计算提供新路径。