年夜脑是高度繁杂的周详体系，纵然只看到物体的一部门，也能“脑补”出其完备的外形；纵然场景信息不完备，也能经由过程持续的空间理解，进而熟悉物理世界。那末，于人工智能（AI）快速成长确当下，智能体系可否也能像年夜脑同样，高效完成近似的重修事情？

近日，由南边科技年夜学王中锐团队结合复旦年夜学刘琦、刘明团队，中国科学院微电子研究所尚年夜山团队，中国香港年夜学齐晓娟团队及中国香港科技年夜学郑光廷等于《天然》发表的最新研究，提出了基在忆阻器存算一体的高效神经场重修体系，该体系犹如给AI装上“智能年夜脑”，于医学影像、三维视觉及动态场景的特定使命中，较传统的图形处置惩罚器（GPU）实现了数十倍的能效晋升。

该结果冲破了传统计较机构中存算分散所致使的功耗过年夜、数据缺掉等瓶颈问题，有望为医学影像、AR/VR及具身智能中的高效AI体系提供了一条新的硬件实现路径。

研究示用意。研究团队供图

给稀少数据“补短板”

于许多真实场景中，智能体系面临的往往是不完备的信息。例如，医学CT扫描需要节制辐射剂量，不克不及无穷增长扫描次数；呆板人及主动驾驶体系只能从有限视角不雅察周围情况；AR/VR运用装备则需要快速天生差别视角下的三维场景。

但传统计较机要领凡是需要存储年夜量像素、体素、点云或者网格数据，数据越邃密，计较量及存储量就越年夜，很难于低功耗装备上及时运行。“传统的数字图象存储就像是‘记账’，需要把画面里的每个像素点的数据都具体记载下来，极为泯灭存储空间。”论文第一作者於亦非注释，怎样从稀少、不完备的输入中恢复高质量旌旗灯号，是人工智能体系面向真实运用时的主要问题。

针对于智能体系重修数据的难题，研究职员采用了神经场技能，这类技能就像函数，只要输入空间坐标，就能主动推算出对于应位置的图象细节。传统的计较框架（冯 诺依曼框架）中，存储及计较是分隔的，于计较历程中，数据需要像“运快递”同样，于存储器及处置惩罚器之间往返搬运，不仅速率慢，还有十分费电。而神经场模子需要年夜量推理及运算，于计较历程中会孕育发生海量的运算数据，这于传统的计较平台上更易遭到数据搬移、能耗过年夜及延迟等问题。

那末，可否用更紧凑、更协同的计较方式来出现繁杂世界，并用更高效的硬件完成计较？

由此，研究团队提出了一个焦点思绪——将“神经场”及“忆阻器存算”联合起来。忆阻器既可以存储信息，也能够介入计较。经由过程忆阻阵列，矩阵运算可以于存储单位内部完成，从而削减数据搬运，提高并行计较效率。按照这一特征，他们构建了基在40纳米、256Kb的忆阻器存算一体的神经场重修体系。

存算一体，高效协同

“这项研究用时四年。最坚苦的部门就是要让软件算法及物理硬件相互彼此适配。开初咱们用传统的要领直接把模子部署到忆阻器阵列上，成果重修出来的图象很是恍惚。”论文配合通信作者、复旦年夜学传授刘琦回忆，团队花了很永劫间思索：是硬件自己不行，还有是利用硬件的方式不合错误？”

“厥后，咱们不克不及把硬件看成‘完善的计较单位’来用，而应该让算法去顺应硬件的不完善。”刘琦先容，恰是这类思绪的改变，他们提出了一种“硬件感知量化”要领，经由过程动态赔偿偏差的要领，提高了计较的精度。

此外，团队还有于软硬件等多个层面举行了协同立异：于算法层面，他们经由过程硬件感知的设计，让算法变患上更“轻”，从而可以或许适配边沿计较等计较资源有限的场景；于硬件层面，团队使用忆阻器的“随机性”的特色，以天生高斯编码所需的随机矩阵，帮忙神经场得到更富厚的特性表达能力。经由过程这类软硬件协同多个层面的协同，团队终极实现了于器件低功耗下举行高精度的旌旗灯号重修。

“这项研究结合了多个单元的科研职员，恰是于多学科深度交织的互助模式下，团队慢慢霸占了器件物理、集成电路设计、计较机系统布局、呆板进修等方面的技能难题。”刘琦先容。

较GPU实现能效晋升数十倍

为验证该体系的机能，研究团队将这一体系应用于医学影像、三维视觉及动态场景中。

于3D CT稀少重修使命中，该体系可以或许按照有限数目的CT切片恢复较完备的三维医学影像，相较GPU实现约23.5倍的折算能效晋升。为低剂量、快速医学成像提供了潜于方案；于新视角合成使命中，该体系可以或许按照已经有图象天生差别不雅察角度下的三维场景图象，相较GPU实现约21.0倍的折算能效晋升，有望用在AR/VR、三维内容天生及呆板人视觉等场景运用；研究团队还有进一步评估了体系于动态场景新视角合成使命中的运用潜力，实现32.3倍的折算能效晋升，申明该体系不仅合用在静态三维重修，也具备处置惩罚繁杂时空旌旗灯号的潜力。

审稿人评价道，该事情摸索了一个很是有趣且有效的标的目的，于神经场重修的软硬件协同设计范畴做出了有价值及有运用远景的孝敬。

“这项研究的意义不仅于在晋升了某一个使命的速率或者能效，更于在提供了一种新的AI体系设计范式与计较范式，新型存算硬件不只是传统处置惩罚器的辅助，它也许能成为设计高效AI体系的主要构成部门。”论文配合通信作者、中国科学院微电子研究所研究员尚年夜山说道。

“使用该技能，将来的医疗仪器也许只需要收罗极少量的CT切片，就能快速、低功耗地重修完备三维影像，从而降低患者袒露于辐射下的时间；于AR/VR以和具身智能范畴，该技能有望让边沿装备于仅靠一块小电池供电的环境下，及时理解并衬着出繁杂的三维空间。”论文配合通信作者、南边科技年夜学副传授王中锐暗示。

相干论文信息：https://www.nature.com/articles/s41586-026-10646-w