十月的中关村，秋风送爽。两所顶尖学府——北京大学和清华大学，分别在国际顶级期刊《Nature》（自然）上发表了芯片领域的突破性研究成果，为中国芯片界献上了一份沉甸甸的“金秋大礼”。

北京大学团队攻克了模拟计算芯片的世纪难题，其新型芯片在处理特定问题时比当前最先进的GPU快1000倍，能效提升超100倍；而清华大学团队则成功研制出全球首款 “玉衡”亚埃米级快照光谱成像芯片，将光谱成像的分辨能力提升了两个数量级。

这两项突破仿佛中国科技生态中的双子星，一个重塑计算之道，一个突破感知之极，共同勾勒出中国芯片产业创新突围的壮丽图景。

突破世纪难题：北大芯片的“模拟计算”之道

北京大学研究团队此次瞄准的是人工智能算力瓶颈这一世界性难题。

在数字计算占据主导地位的时代，北大团队回归模拟计算这一古老而又崭新的理念，解决了长期困扰学界的精度与扩展性不可兼得的世纪难题。

该团队研制的基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，将计算速度提升至顶级GPU的1000倍以上，能效也提升了超过100倍。

10月13日刊发于《自然·电子学》

这意味着，传统GPU需要处理一整天的任务，新型芯片仅需一分钟便能完成，同时能耗降至百分之一以下。

更值得关注的是，北大团队首次将模拟计算的精度提升至24位定点精度，达到了与数字计算相媲美的水平，为模拟计算的实用化扫清了障碍。

在通信领域，团队已将这款芯片应用到“大规模MIMO（多输入多输出）信号检测”中。仅用3次迭代，恢复的图像就和原始图像高度一致，误码率和32位数字计算效果相当。

这意味着在未来的6G通信中，它能让基站以实时且低能耗方式处理海量天线信号，提升网络容量和能效。

对于人工智能，这项技术有望加速大模型训练中计算密集的二阶优化算法，从而显著提升训练效率。

更重要的是，低功耗特性也将强力支持复杂信号处理和AI训推一体在终端设备上的直接运行，大大降低对云端的依赖，进而推动边缘计算迈向新阶段。

感知革命：清华芯片的“极致洞察”之技

与此同时，清华大学电子工程系方璐教授团队则在光谱成像领域实现了历史性跨越。团队研制的高分辨光谱成像芯片“玉衡”，实现了亚埃米级（0.05纳米）光谱分辨率和千万像素级空间分辨率的快照光谱成像。

“玉衡”光谱成像芯片概念图

光谱是物质的“光学密钥”，记录着光在不同波长下的强度变化，能揭示物质的成分、结构与特性。然而，传统光谱测量一直受限于光谱分辨率与成像通量之间的固有矛盾。

Nature网站论文截图

清华大学团队提出的可重构计算光学成像架构，将物理分光限制转化为光子调制与重建过程，挖掘随机干涉掩膜与铌酸锂材料的电光重构特性，实现了高维光谱调制与高通量解调的协同计算。

可重构计算光学成像架构

“玉衡”芯片体积仅为约2厘米×2厘米×0.5厘米，却在400-1000纳米的宽光谱范围内，实现了亚埃米级光谱分辨率，并具备88Hz的快照光谱成像能力。

《尚书·舜典》有言，“在璿玑玉衡，以齐七政”，古人以“玉衡”校定日月星辰的运行秩序，而今，科学家以同名之芯，校衡光的频谱与宇宙的奥秘。未来，随着高分辨光谱获取范式的持续变革，期待以“玉衡”为代表的计算光谱成像技术，以更小的体积，更高的分辨力，更广的应用边界，为材料科学、地球科学、天文科学开拓新的光谱天地。

效率跃升：从数千年到十年的天文观测革命

在天文观测领域，清华大学的“玉衡”芯片带来的效率提升堪称革命性。

以银河系恒星的光谱巡天为例，传统方法需要数千年才能完成的工作，搭载“玉衡”芯片后，这一周期有望缩短至十年以内。

“玉衡”的快照式成像能力令人惊叹——每秒可获取近万颗恒星的完整光谱。凭借微型化设计，它可搭载于卫星，有望在数年内绘制出人类前所未见的宇宙光谱图景。

韦伯望远镜新照片

课题组正基于原理样片，加速工程化样机与系统级优化。据悉，“玉衡”芯片将在10.4米口径加那利大型望远镜上进行测试应用，有望为暗物质、黑洞等基础物理前沿研究提供新视野。

双剑合璧：感知与计算的协同进化

北京大学和清华大学的研究成果虽然独立研发，但在技术层面上却呈现出惊人的互补性。

当清华的光谱成像芯片以前所未有的精度感知世界，产生海量数据时，北大的高速低功耗芯片能高效处理这些数据。

这种感知与计算的协同进化，恰似人类眼睛与大脑的完美配合。

人工智能的发展长期受限于两个瓶颈：数据获取能力与数据处理能力。清华和北大的突破恰好同时在这两个领域取得了跨越式进展。

这种协同效应不仅体现在技术层面，更体现了中国科研从跟跑、并跑到领跑的战略转变。基础研究与应用研究的双轮驱动，正成为中国科技创新的新范式。

自主创新：中国芯片产业的全面突围

两所高校在两天时间内于同一顶级期刊发布芯片领域重大突破，绝非偶然。这是中国长期坚持基础研究、潜心关键技术攻关的必然结果。

北大与清华的突破，共同展示了中国科研团队在解决“卡脖子”问题时的独特思路——不在别人已有的赛道上追赶，而是开辟全新的赛道。

北大团队选择了模拟计算这一曾被业界忽视的方向，用新的计算范式实现性能的指数级提升；清华团队则从材料入手，利用铌酸锂的电光重构特性，突破了传统光谱成像的物理限制。

这些成果也是长期投入和支持的结果。两项研究均获得了国家自然科学基金重大科研仪器项目的支持，体现了国家战略科技力量对原始创新的支撑作用。

未来前景：从实验室到产业化的跨越

两项突破性技术走出实验室、实现产业化应用的前景令人期待。

北大的人工智能芯片有望在大模型训练、通信信号处理等领域率先落地，解决算力瓶颈问题。其低功耗特性也将强力支持复杂信号处理和AI在终端设备上的直接运行。

清华的“玉衡”芯片则将在机器智能、机载遥感、天文观测等领域大展身手。特别是在天文观测领域，它将大幅提升观测效率，可能带来天文学研究的革命性进展。

随着两项技术的成熟，它们还可能产生“1+1>2”的聚合效应。比如，将清华的成像芯片作为感知前端，北大的计算芯片作为处理后端，可构建出前所未有的高性能智能系统。

深远影响与未来展望

• 降低AIGC应用门槛：算力成本的急剧下降和能效的跃升，意味着开发和使用AIGC应用的门槛将大幅降低。更多的中小企业甚至个人开发者将能够负担得起高性能的AI计算，从而极大地激发创新活力，催生我们现在难以想象的新应用。这与"北京方案"旨在推动AI技术从"头部玩家专属"走向"全行业可及"的理念不谋而合。

  

  AI生成

• 推动国产算力生态崛起：北大芯片的突破是中国算力产业发展的一个缩影。当前，从芯片设计到服务器集群，一条自主可控的国产算力产业链正在逐步成型。资本市场也对国产GPU给予了实质性的推进，这意味着整个生态系统的研发投入与建设将会加速，为国内AIGC应用的长期发展提供坚实的"地基"。

  

  AI生成

• 与现有技术互补共存：需要明确的是，这种新型模拟芯片并非要完全取代你熟悉的GPU。在可见的未来，更可能形成一种协同工作的"异构计算"架构。模拟芯片负责其擅长的特定高强度计算（如矩阵求解），而GPU继续处理更通用的图形和复杂AI训练任务，二者取长补短，共同推动AIGC向前发展。

轻舟已过万重山。中国芯片产业正在经历从量变到质变的历史性转变，而今天展现的仅仅是这个伟大时代的开端。

<<<关注公众号观看更多内容>>>

© THE END 

转载请联系本公众号获得授权

图文皆来自官方网站和新闻图，若侵权可删联系我们

投稿或寻求报道：RenataXYZest@Outlook.com