忆阻器助力边缘AI“轻装上阵”

马萨诸塞大学阿默斯特分校 Riccio 工程学院的研究人员证明，通过同时重新设计硬件和算法，可以提高边缘设备上 AI 应用的效率。作为概念验证，他们的系统在语言识别任务中实现了 95.24% 的准确率，同时将计算资源减少了 90%，这也是同类系统迄今报告的最高准确率。

TetraMem 的 MX100 套件被用于马萨诸塞大学阿默斯特分校 Qiangfei Xia 领导的超维存内计算项目。该项目近日发表于《Nature Communications》。来源：Yi Huang

如今，AI 无处不在。它被嵌入各种边缘设备中，之所以称为“边缘设备”，是因为它们运行在网络边缘，能够在本地处理数据，而不是依赖远程数据中心，例如智能手机和摄像头、导航和交通控制工具，以及娱乐和购物平台。

但 AI 向日常生活中的不断扩展，也带来了较高的能耗和硬件需求。对于包括智能家居中心和汽车车载交互界面在内的边缘设备而言，这同样是一项挑战，因为它们的计算能力有限。如果每台设备都具备一座数据中心的处理能力当然很方便，但这并不现实。

部分计算、能耗和硬件需求与数据处理有关，而处理过程可能速度较慢、产生散热问题，并消耗边缘设备的电池电量。以语言为例：人类通过直接或间接的方式与 AI 进行交互，以完成越来越多的任务，这意味着许多应用都需要处理人类语言，无论是识别、翻译还是理解语音或文本。即使只是确定所使用的语言，英语、法语、阿拉伯语等，也会对处理能力提出要求，从而给小型电池供电设备带来较大负担。

软硬协同设计

为了促进边缘设备上的数据处理，马萨诸塞大学阿默斯特分校 Riccio 工程学院电气与计算机工程系 Dev 和 Linda Gupta 教授、纳米器件与集成系统实验室负责人 Qiangfei Xia 与学术界和产业界的同事开展合作，不仅重新设计了算法，还重新设计了硬件。相关研究发表于《Nature Communications》。

传统方法通常是在现有硬件上实现 AI 算法；相比之下，Xia的团队将算法与硬件协同设计，使二者能够充分发挥彼此的优势。

该团队的解决方案结合了超维计算（HDC）算法和模拟存内计算（IMC）硬件，从而支持包括语言识别在内的边缘 AI 应用。

HDC 是一种受大脑启发的 AI 形式，它使用大型数学模式来表示信息，而不是处理精确数值。这些模式能够通过更加简单、高效的计算完成某些 AI 任务。

IMC 硬件（具体而言是一种忆阻器阵列。忆阻器是一类能够在同一物理位置同时存储和处理数据的电子元件，可以减少在独立的存储单元和处理单元之间移动数据的需求）允许基于 HDC 的算法能够部署在边缘设备上。

马萨诸塞大学博士生 Alireza Jaberi Rad（左）和前马萨诸塞大学博士后研究人员 Yi Huang 于2025年10月在马萨诸塞大学阿默斯特分校 Riccio 工程学院 Qiangfei Xia 的实验室内。来源：Alexia Cota

将芯片的可变性转化为优势

Xia 表示，该平台既能够对语言特征进行编码，也能够处理语言识别任务。他说：“编码部分利用了忆阻器器件固有的随机性，而许多人认为这种随机性是该器件技术的一个缺点。”本质上，研究人员将一个缺陷转化成了特性：忆阻器芯片的自然可变性能够提供有用的随机性，从而实现高效的数据编码。

该系统在语言识别任务中实现了 95.24% 的准确率，同时将计算资源减少了 90%，这也是新兴硬件平台上 HDC 实现所报告的最高准确率。

这是 Xia 实验室此前研究工作的延伸。他说：“科学研究遵循一条不断上升的螺旋线。每一次迭代都建立在此前的理念之上，从而带来更深入的理解和更大的科学进步。”

Xia 补充道：“这项工作代表了我们忆阻器研究的又一个里程碑。该系统级芯片建立在我们此前的研究基础之上，涵盖模拟忆阻器器件、忆阻器—CMOS 电路集成、忆阻交叉阵列以及机器智能应用。”

从实验室概念走向更广泛的应用

Xia 表示，这一想法最早出现于 2019 年。当时，马萨诸塞大学的一名本科生研究员 Daniel Belkin 开始研究一种小型忆阻交叉阵列。但这一方法的开发需要时间和大量实验。Xia 说：“只有当这项技术发展到SoC级别后，实际的语言处理演示才变得可行。”

他指出，该项目只是将忆阻器芯片应用于 AI 的一系列研究之一。“同一款芯片还被用于射频（RF）信号处理和智能传感。”他表示，另一篇有关忆阻器芯片在无线接收器中应用的论文也即将发表。

目前这项研究未来也可能应用于口语处理。Xia 说：“在这项工作中，我们展示了书面语言处理；我们认为，它同样能够进行口语处理，从而在手机、扬声器、汽车、机器人等边缘设备上实现高能效的自然语言处理。”

Xia 表示：“这项工作的跨学科性质表明，开发新型 AI 硬件需要学术界和产业界的协同努力，同时还需要覆盖整个领域的互补专业知识，例如器件、电路、算法、架构和系统。”