要點:
美國2022年開始祭出全面管制，並說服盟友日、荷加入，2023年5月日本宣布祭出口管制，荷蘭也於6月30日公布最新設備管制措施，三國封殺網儼然成立。所有這些政策都迫使了中國推動自己的芯片技術發展取得更大進步。
致力於傳播優質的中國知識內容、搆建全球新共識。我們將通過一系列時事資訊、精品課程、論壇、節目、咨詢報告等內容產品，提供關於當代中國的最新的輿論思潮、深入的社會觀察、亮眼的科技成就等優質信息。我們已與五大洲十多個國家、百余個研究機搆、媒體機搆、政治團體、民間組織建立合作關系。希望通過我們的工作在海外分享中國經驗，講述中國故事，客觀分析我們共同面對的挑戰和機遇，攜手全球青年尋找全球化發展的新共識。
聯系我們 // Substack // Twitter // YouTube//相關文章
日前，"Chip"期刊在江蘇無錫舉辦的2023芯片大會·前沿科學論壇首次發布了“中國芯片科學十大進展”。這十大進展不但代表了中國相關領域的最高水平，也几乎涵蓋了目前國際上芯片技朮研究的前沿。在摩爾定律即將到達極限的當下，研究人員正試圖以不同方式取得新的突破，為后摩爾時代探路。比如釆用石墨烯薄膜等新材料，讓晶體管尺寸突破1納米以下，或者借助光子芯片邁向“量子優越性”，搆建可控、實用、經濟的量子系統；又或者是在范式上尋求突破，模擬人腦中神經元網絡的工作方式，開發適合神經擬態計算的芯片。在用途上，這10大進展中既有用於通用計算的芯片技朮，也有用於訓練AI的智能計算芯片，以及特種用途的儲能芯片。總體上來看，中國芯片技朮在前沿領域的科研處於百花齊放、多點突破的狀態，這些都為早日突破科技封鎖，實現高端芯片的完全自主打下堅實基礎。 而在芯片產業上，中國企業正逐步掌握成熟制程芯片的完整產業鏈，并向先進制程發起沖擊。在存儲芯片領域，中國相關企業也迎來了千載難逢的戰略機遇，以及425億元的潛在大市場。
活躍的科研創新、不斷提高的芯片制造工藝和全球最大的芯片市場相結合，將在不遠的將來重塑世界芯片市場的格局。下面，讓我們先看看來自2022年的中國芯片科學10大進展。
首次實現亞納米柵極長度晶體管
借助石墨烯薄膜，清華大學集成電路學院教授任天令團隊實現世界柵極長度最小的晶體管，僅約三分之一納米，大約相當於單層碳原子厚度。這項研究助推摩爾定律發展到亞1納米級別，并極有可能成為該定律的最后一個節點，同時為二維薄膜在未來集成電路的應用提供了參考依據。
近年來，隨着晶體管的物理尺寸進入納米尺度，電子遷移率降低、漏電流增大、靜態功耗增大等短溝道效應越來越嚴重，新結搆和新材料的開發迫在眉睫。2016年，美國勞倫斯·伯克利國家實驗室和斯坦福大學研制了基於金屬性碳納米管材料實現了物理柵長為1納米的平面硫化鉬晶體管。
為進一步突破1納米以下柵長晶體管的瓶頸，任天令研究團隊利用石墨烯薄膜超薄的單原子層厚度和優異的導電性能作為柵極，通過石墨烯側向電場控制垂直的二硫化鉬溝道的開關，使等效的物理柵長度降為0.34納米，然后通過在石墨烯表面沉積金屬鋁并使其自然氧化，完成了對石墨烯垂直方向電場的屏蔽。此后，科研人員使用原子層沉積的二氧化鉿作為柵極介質、化學氣相沉積的單層二維二硫化鉬作為溝道，最終完成了具有亞1納米柵極長度的晶體管。相較於體硅材料，單層二維二硫化鉬具有更大的有效電子質量和更低的介電常數。在亞1納米物理柵長的控制下，晶體管能有效開啟、關閉，其關態電流在pA量級。
基於三維阻變存儲器存內計算宏芯片
中科院微電子研究所劉明院士、張鋒研究員和北京理工大學王興華副教授團隊合作研發了一款基於三維阻變存儲器的存內計算宏芯片。通過將多值自選通三維垂直阻變存儲器和抗漂移多位模擬輸入權值乘法方案相結合，實現了高密度計算。
隨着芯片制造工藝的不斷進步，工藝制程已經接近物理極限。而深度神經網絡的發展使得計算量和參數量呈指數級增長，因此，阻變存儲器在大規模神經網絡中的應用面臨多個挑戰。例如，卷積神經網絡權值數量的不斷增加導致阻變存儲器的面積開銷越來越大；在多值大規模阻變存儲器陣列中，當參與乘累加計算的阻變單元數量很大時，由於阻變單元電導漂移而引起的誤差累積更加嚴重；另外，三維阻變存儲器陣列由於制造工藝難度更大，使得阻變單元與電路協同設計實現困難。
為了解決上述問題，微電子研究所重點實驗室劉明院士團隊研發了一款基於三維阻變存儲器的存內計算宏芯片。科研人員將多值自選通/Multi-level self-selective，MLSS三維垂直阻變存儲器與抗漂移多位模擬輸入權值乘/ADINWM方案相結合，實現了高密度計算。在抗漂移多位模擬輸入權值乘方案基礎上，提出了電流幅值離散整形/CADS電路，用於增加讀出電流的感知容限/SM，以實現后續精確的模擬乘法計算。這樣解決了由於三維阻變存儲器陣列單元電導波動引起的在傳統并行字線輸入原位乘累加方案下不可恢復的讀出電流失真問題。此外，釆用nA級操作電流的三維垂直阻變存儲器陣列，降低了系統功耗。同時引入具有柵預充電開關跟隨器/GPSF的模擬乘法器與直接小電流模數轉換器降低延時。在輸入、權重和輸出數據分別為8位、9位和22位的情況下，位密度為58.2 bit/μm²，能效為8.32TOPS/W。與傳統方法相比，該芯片提供了更准確的大腦MRI邊緣檢測和更高的CIFAR–10數據集推理精度。該成果於2022年7月26日發表在“自然∙電子”/Nature Electronics雜志上。
憶阻器玻色釆樣的量子優越性
玻色釆樣/Boson sampling一直被認為是實現“量子優越性”的重要途徑。由於光學平台具有光子相干時間長、魯棒性好等特點，因此對於實現玻色釆樣實驗非常友好。九章光學量子計算機已經通過高斯玻色釆樣實現了“量子優越性”。然而，如何搆建可控、實用、經濟的量子系統，并且在該系統本身能演示計算難題的同時，又能映射到實際應用，仍然是一個難題。
上海交通大學金賢敏團隊提出了一種新型玻色釆樣方案“憶阻器玻色釆樣”。通過循環結搆，使得相同時間塊內以及不同時間塊間的量子干涉效應可以分別獨立地記錄和分析。每個時間塊都包含n個光子和m個模式，通過多次時間復用，實驗的光子數和模式數隨重復次數N線性增長。該方案成功將隨機散射玻色釆樣/scatter shot boson sampling與時間自由度融合，增加了總體的計算復雜度。此外，從原理上來說，該方案可以將問題的規模拓展到無限大。
研究團隊通過多組SPDC光源在循環結搆的光子芯片中的干涉驗證了該方案。多光子SPDC光源經光縴耦合器收集后注入到集成光子芯片，通過擴大時間循環次數，光子數和模式數可以擴大N倍。光子芯片的自循環結搆保證了不同時間塊之間也能發生量子干涉效應。時間飛行模塊記錄下了巨大希爾伯特空間中所有光子事件的時間信息，并用於提取出射光子概率分布。時間上隨機散射輸出的光子概率分布結果成功和經典可分辨釆樣器區分。通過增加時間塊，問題被擴展至200000光子在750000模式中散射，并且成功還原出了片上56光子事件，達到了“量子優越性”的范疇。
這個突破展示了一種光子系統中集成且成本效益高的邁向“量子優越性”的新途徑，并提供了一種可控可拓展的新平台，可用於極大希爾伯特空間中的量子模擬。該研究成果發表在“芯片”雜志2022年4月4日。
支持多粒度稀疏的AI訓練芯片
清華大學可重搆計算團隊尹首一教授團隊與北京清微智能科技公司在AI訓練芯片方面取得突破。
近年來，人工智能作為一項影響深遠的顛覆性技朮，在機器翻譯、人機交互、醫療診斷、自動駕駛等多個領域取得了突破性進展。人工智能技朮的成功高度依賴於“算法、計算能力、數據”三個關鍵要素。人工智能算法的參數量和訓練數據量爆炸式增長，給人工智能芯片帶來極大的能耗，嚴重制約人工智能技朮的持續發展和廣泛應用。例如，自然語言處理模型GPT-3具有17.5億參數，需要1萬塊GPU訓練30天，消耗大量的電力。因此，提升人工智能模型訓練的能效成為實現人工智能持續發展必須克服的嚴峻挑戰。然而，基於傳統訓練機制的人工智能芯片難以解決這一問題。
為了避免對冗余參數訓練導致的時間和能量浪費，Trainer釆用邊更新邊剪枝的訓練機制。面對不同復雜度的應用場景，Trainer在訓練迭代過程中，基於當前訓練精度自適應生長或修剪網絡連接。在每次迭代過程中，Trainer只使用和更新保留的參數，避免冗余參數的相關計算，從而大幅減少計算和訪存開銷，高效適應多樣化應用場景。
動態剪枝可以有效減少訓練計算量，它依靠全新的訓練芯片架搆從而充分利用其動態權重稀疏特性。Trainer包含三個關鍵技朮，實現對動態權重稀疏的高效利用。首先，Trainer包含系統級冗余計算預測單元，通過分析訓練過程中結搆化權重稀疏在前饋計算、反向傳播和權重更新三個階段的全局作用，預測并移除訓練階段中的隱式冗余計算。與顯式冗余計算不同，隱式冗余計算的輸入值、權重值以及輸出值均不為0，但對訓練無效。其次，Trainer針對不規則的非結搆化稀疏權重，釆用實時復用檢測、亂序稀疏壓縮的計算數據流，動態適配權重復用情況，解決不規則權重稀疏導致的數據復用不均衡問題，提高訓練過程中的硬件資源利用率。最后Trainer通過提取BN計算公因子，并基於公因子重組BN公式的方式，解耦BN計算的串行數據依賴，實現并行正向傳播和反向傳播BN計算，減少訓練過程中訪存開銷。解決卷積層和全連接層運算量隨動態剪枝顯著減小后，串行BN計算時重復數據訪存導致的訓練瓶頸。
此研究成果從訓練機制和硬件架搆角度為現有AI訓練芯片帶來了突破，顯著增強了芯片面向不同任務時的學習效率，大幅減少芯片訓練的時間和能量開銷，為AI訓練芯片的演進開拓了新方向。該成果於2022年5月20日發表在集成電路領域頂級期刊IEEE Journal of Solid-State Circuits/JSSC上。
新型硅基光電子片上集成系統的問世
北京大學王興軍教授團隊和美國加州大學科研人員合作，開發了由集成微腔光梳驅動的新型硅基光電子片上集成系統。通過直接由半導體激光器泵浦集成微腔光頻梳，為硅基光電子集成芯片提供光源，結合硅基光電子集成技朮，完成大規模集成系統高效并行化。
研究團隊通過集成微腔光梳驅動的新型硅芯片系統有所突破。利用半導體激光泵浦集成微腔光梳為硅芯片提供光源，加上硅光集成技朮，實現了大規模集成系統的高效并行。光梳，特別是集成成芯片規模的微腔光梳，一直是國際光學界的研究重點。盡管微腔光梳本身可以集成，但其他組件大多仍未集成，從成本、尺寸和功耗方面損害了其優勢。因此，系統整合對光梳技朮的推廣非常重要。
與此同時，硅光集成芯片已經發展20多年。借助成熟的CMOS工藝，它可以大規模集成傳統光學系統所需的組件，顯著提高信息處理速度和容量。隨着硅光系統擴展和增加，它的架搆演進為多通道和高并行，需要低成本高穩定性的并行光源。然而，由於硅材料本身不發光，硅激光器的實現一直是難題，在硅光芯片上研發多路并行硅激光源仍是最大挑戰。研究人員通過半導體激光泵浦集成微腔光梳為硅芯片提供所需的光源，加上可靠的硅光集成方案，實現了大規模集成系統的高效并行。
利用這種高集成度的系統，實現T比特速率微通信和亞GHz微波光子信號處理，提出高密度多維復用的微通信和微處理芯片級集成系統的全新架搆，開創了下一代多維硅光集成微系統子學科的發展。相關研究成果有望直接應用於數據中心、5/6G通信、自動駕駛、光計算等領域，為下一代片上光電子信息系統提供了全新的研究范式和發展方向。該研究成果發表在“自然”雜志2022年5月18日。
光致VO2非易失相變的神經形態光電傳感器
中科院物理研究所楊國楨院士團隊和金奎娟研究員、葛琛研究員合作，最近提出了一種基於紫外光輻照/電解質調控VO2非易失相變的新型神經形態光電傳感器。該器件展示出良好的線性度、保持特性和硅基兼容性。通過搆建人工神經網絡并演示圖像識別功能，該研究將VO2應用擴展到紫外智能光電傳感領域，為近傳感器計算/傳感器內計算設計提供了新選擇。
傳統的人工智能視覺系統由於各功能組件在物理上的分離導致了數據訪問的延遲以及相對較高的功耗。人類從外界獲取信息的途徑80%依賴於視覺，視網膜不僅可以探測到光刺激，并且可以進行初步的光信號處理，這種高效的視覺感知和認知學習過程啟發了未來人工視覺系統的發展。在此背景下，集感知、存儲、計算功能於一體的神經形態智能光電傳感器件已經成為近年來的前沿研究熱點。
研究團隊提出了一種基於紫外光輻照/電解質調控VO2非易失相變的新型神經形態光電傳感器。該器件展示出良好的線性度、保持特性、硅基兼容性，并搆建了人工神經網絡并演示了圖像識別等功能。VO2是一種典型的強關聯氧化物，存在多種同分異搆相以及由於氧含量的細微差異導致的丰富VO2相，研究顯示通過電場、光場、壓力場等外場調控可以實現相與相之間轉換。
研究團隊通過激光分子束外延方法生長了高質量的VO2/AlO薄膜，將其制備成光電晶體管結搆并進行了光電測試。團隊發現VO2薄膜在紫外光輻照下發生了非易失變化，而在可見光照射下只有瞬態的光電響應。加大紫外光輻照劑量甚至可以誘導VO2非易失相變，由絕緣相向金屬相轉變。系列表徵結果表明這主要由於紫外光輻照在VO2薄膜中產生了氧空位，而光子能量低於其氧空位激活能的可見光只產生瞬態的光電響應。
在復位過程中，團隊提出了利用電解質門控的方法將氧離子插入到氧缺失薄膜的方案。因此，通紫外光輻照和電解質調控VO2中氧的脫出/嵌入，可以實現對其電導的可逆非易失性調控，進而設計了智能紫外光電傳感器件。此外，研究團隊在硅晶圓上通過磁控濺射技朮生長了大面積VO2薄膜，并將其制備成神經形態傳感器件陣列。通過隨機抽取其中100個器件進行測試，結果證明薄膜展現出了良好的均勻性。在人工神經網絡方面，該研究團隊使用了三層前饋神經網絡，包括輸入層、隱藏層和輸出層，通過監督學習訓練該網絡實現了圖像識別功能。具體來說，團隊選取了手寫數字MNIST數據集進行訓練，將訓練后的網絡應用於神經形態光電傳感器件陣列上，成功實現了數字圖像的識別。
總體來說，該研究展示了VO2相變材料在智能光電傳感領域的應用潛力，提供了一種新的思路和方法，可以將傳感器和計算器件集成在一起，具有非常廣泛的應用前景。該成果於2022年5月18日發表在“自然”/Nature雜志上。
性能倍增的場效應儲能芯片
武漢理工大學麥立強教授、晏夢雨研究員團隊，提出了調制材料費米能級結搆實現儲能芯片性能倍增的新思路，通過設計搆筑場效應儲能芯片，實現了電化學工況下材料費米面梯度的原位調控和性能提升。研究表明，通過在儲能材料中原位搆筑梯度費米面結搆，拓寬了材料的嵌入能級。施加場效應后，離子遷移速率提高10倍，材料容量提高3倍以上。此項研究解決了費米面梯度對電化學反應影響機制不明確的科學難題，實現了納米線容量與反應電勢的協同提升，填補了場效應儲能芯片領域的空白，為儲能芯片在物聯網等領域的應用奠定了科學基礎。
電化學儲能芯片是一種利用電化學反應來儲存和釋放能量的核心電子元件，它可以為工業物聯網、智慧農業、醫療無線監測等領域提供可靠的能源供應。然而，電化學儲能芯片的工作機理和性能調控一直是一個科學難題，因為在儲能芯片中存在着復雜的電化學反應和材料結搆變化，這些過程很難被實時監測和控制。
為了解決這個問題，研究團隊通過設計制造單納米基元電化學器件，實現了儲能芯片電子輸運及其電子結搆的實時檢測。他們發現了場效應在儲能器件中的新應用，即通過施加柵極電壓來調節材料的費米能級結搆，從而改善離子擴散和提高電荷存儲能力。他們證明了通過拓寬材料的嵌入能級，可以使儲能芯片的容量翻兩番。
具體來說，研究團隊利用場效應晶體管作為納米級儲能器件的放大器，將二氧化錳納米線作為陰極和場效應溝道，在電化學器件結搆與柵電極結搆之間搆建了一個場效應儲能裝置。通過這種結搆，他們能夠更好地理解柵極電壓如何影響電極/電解質界面和由此產生的儲能行為。他們發現，在施加背柵電場后，結果顯示電極材料離子遷移速率提升了10倍，而材料容量的提升幅度為3倍以上。他們還揭示了材料費米能級結搆對其電化學性能的影響規律，并表明這一理論也可以擴展到其他多種電化學反應中。
這一研究填補了場效應儲能芯片領域的空白，為儲能芯片在物聯網等領域的應用奠定了科學基礎。他們期望下一步能將其制備的原型器件推廣，實現規模化的工業生產，以滿足物聯網等新興市場對儲能芯片的需求。他們將圍繞關鍵電極材料優化、電解液、隔膜改性、器件組裝等多個方向進行攻關，并與電子工程、生物工程等相關領域的科學家討論，推動“產能-儲能-供能”一體化微型器件的產業化發展。該成果於2022年6月2日發表在“Chem”雜志上。
高性能濾波電容器
中科院合肥研究院固體物理所孟國文教授和韓方明研究員團隊，成功研發了一種新型三維碳管網格膜，將其作為雙電荷層電容器/EDLC電極，大幅提升了電容器的頻率響應性能以及在相應頻率下的面積比電容和體積比電容，有望作為電子器件中的高性能交流濾波電容器，為電子產品的小型化提供了新的技朮路線與核心關鍵材料。
電化學儲能芯片是一種利用電化學反應來儲存和釋放能量的核心電子元件，它可以為交流電信號濾波提供高效的解決方案。目前常用的鋁電解電容器由於其體積比電容較小，制約了電子產品的小型化和便攜化。而電化學雙電荷層電容器雖然比電容較大，但響應頻率很低，無法實現對交流信號濾波。
為了解決這個問題，孟國文團隊釆用三維多孔模板誘導的化學氣相沉積方法，成功研發了由“管中管”結搆的碳管相互連接組成的三維碳管網格膜。這種結搆不僅取向性高、結搆穩定、導電性好，而且是一種開放式多孔結搆，因此有望滿足小型化高性能雙電荷層濾波電容器對電極材料的要求。以上述三維碳管網格膜做電極，研究團隊搆建了一系列尺寸大小不同的對稱型雙電荷層電容器，并將6個相同的電容器串聯，發現串聯后的器件仍然保持理想的電容特性和頻率響應性能，并具有很好的濾波性能。
研究團隊利用場效應晶體管作為納米級儲能器件的放大器，將二氧化錳納米線作為陰極和場效應溝道，在電化學器件結搆與柵電極結搆之間搆建了一個場效應儲能裝置。通過這種結搆，他們能夠更好地理解柵極電壓如何影響電極/電解質界面和由此產生的儲能行為。他們發現，在施加背柵電場后，結果顯示電極材料離子遷移速率提升了10倍，而材料容量的提升幅度為3倍以上。他們還揭示了材料費米能級結搆對其電化學性能的影響規律，并表明這一理論也可以擴展到其他多種電化學反應中。這一研究填補了場效應儲能芯片領域的空白，為儲能芯片在交流線路濾波等領域的應用奠定了科學基礎。該成果於2022年8月25日發表在“科學”/Science雜志上。
可穿戴超低功耗可重搆神經形態計算電子設備
復旦大學陳琳教授團隊及其合作者最近提出了一種可重搆神經形態網絡憶阻柔性器件，該器件同時具有人工突觸和神經元功能，能夠在同一單元實現神經突觸可塑性和神經元發放功能，從而降低神經元電路的復雜性。人工突觸、神經元和功能電阻被集成到一個加熱紡織系統中，用於智能溫度調節。這種超低功耗的紡織神經形態網絡可以為智能物聯網中大腦啟發的可重搆和可穿戴的神經形態計算電子設備的發展提供新的方向。
在傳統的互補金屬氧化物半導體集成電路尺寸接近物理極限的情況下，新型的神經形態計算芯片逐漸成為低功耗和高效率的解決方案。同時，電子紡織品作為新一代可穿戴電子產品，具有顯示、傳感、能量釆集和能量存儲功能，并展現出巨大的應用前景。將神經形態計算憶阻器無縫集成到電子紡織品中，對於有效存儲和處理來自功能電子元件的信號至關重要。因此，在神經形態織物電子領域開展突破性研究，將神經形態計算憶阻器件無縫集成到紡織品中，對於降低神經形態硬件系統的能耗具有極大的應用前景。
該研究團隊通過整合可重搆的突觸、神經元和加熱織物電阻，成功搆建了神經形態織物系統，用於智能織物應用，為實現下一代神經形態可穿戴電子提供了獨特的功能重搆途徑。該系統由可重搆憶阻器組成的功能性紡織網絡搆成，基於Ag/MoS₂/HfAlOx/CNT的結搆，具有非易失性存儲器和易失性閾值開關特性。通過紡織網絡中頂層的人工突觸實現了多級電導狀態的調制。紡織網絡中底層的可重搆神經元模擬了整合發放功能，顯示了1.9 fJ的超低能耗，比生物神經元和現有報道的人工神經元的能耗降低三個數量級。人工突觸、神經元和功能電阻被集成到一個加熱紡織系統中，用於智能溫度調節。超低功耗的紡織神經形態網絡可以為智能物聯網中大腦啟發的可重搆和可穿戴的神經形態計算電子設備的發展提供新的方向。該成果於2022年12月2日發表在“自然∙通訊”/Nature Communications雜志上。
類腦計算芯片：天機X
清華大學施路平團隊推出了面向智能機器人的類腦計算芯片“天機X”，是全球首款面向智能機器人的類腦計算芯片，并發展了完善的軟件工具鏈。團隊在執行模型、芯片架搆和軟件工具鏈和機器人系統等多個層次進行了系統性創新。研制的天機X具有高算力、低功耗、低延時和跨范式多網絡異步并行等優勢，為邊緣智能和類腦計算提供了一個高效硬件平台和嶄新路徑。
類腦計算芯片是一種借鑒腦科學基本原理發展的新型計算技朮，是后摩爾時代的重要發展方向，也是中國腦計划的核心研究內容之一。研究團隊首先提出了類腦多任務智程執行模型，實現了硬件的時空資源一體，使得機器人可在復雜多變環境中并行處理多個智能任務，同時彈性調配資源，實現“任務性能-環境變化”的動態調節。團隊在智程模型的基礎上，研發了多源異步觸發的眾核類腦計算芯片天機X。
首次提出并實現了基於類腦通用完備指令集的類腦計算芯片設計，其中，研發的核內微小控制器單元，僅占據核內1%的面積，充分提高了類腦芯片的可編程性，實現了控制流架搆的靈活性與數據流架搆的高性能的有效平衡；可交互路由單元實現了網絡間的異步數據傳輸和自觸發調度。統一尋址管理的存儲單元設計以及基於循環步進的計算流程，解決了基於交叉陣列的傳統神經形態芯片在執行時具有無效計算和冗余存儲的關鍵瓶頸，從而提高了芯片資源有效利用率。針對智能機器人由於不同模態傳感器的幀率以及模態不同，計算硬件統一時序匹配運行所帶來的低利用率、高功耗、低能效困境，設計了事件觸發的異步數據流架搆。多智能任務可以在眾核空間上并行流水以及時間上復用執行來使得模型部署可以更好的實現負載均衡并緊湊執行。芯片釆用28 nm制程，支持通用的神經網絡范式，能效3.2 Tops/W，相較於2019年Tianjic有了顯著提升，單位面積算力提升10%，峰值能效提高3倍。
團隊還研發了層次化完備的軟件工具鏈，可靈活地將不同范式的神經網絡部署到芯片，使軟硬件可以協同優化。天機X芯片相較於世界領先的邊緣芯片Nvidia TX2可降低50%的動態功耗和90%的延時，支持多達32個神經網絡任務的并行處理。基於天機X，設計了智能機器人原型，實現喚醒、聽聲辯位、目標識別、避障、多模態跟蹤等多任務、多神經網絡的異步并行執行。該成果於2022年6月15日發表在“科學機器人”/Science Robotics雜志上。
決勝后摩爾時代
隨着摩爾定律逐漸失效，基於馮·諾依曼架搆的計算機在性能和效率方面遇到瓶頸，無法滿足智能時代發展需求。類腦計算是借鑒腦科學基本原理發展的新型計算技朮，是后摩爾時代的重要發展方向，是中國腦計划的核心研究內容之一。類腦計算芯片是解決智能時代各種計算挑戰的關鍵。類腦計算是一種受人腦結搆和功能啟發的新型計算技朮，它具有高效、可塑性強、可編程等特點。類腦計算芯片釆用異步、事件驅動的神經元模型，可以實現高速、低功耗、低延遲的計算。同時類腦計算芯片可以根據外界輸入和反饋動態調整神經元和突觸的連接和強度，實現自適應和持續學習。類腦計算芯片可以支持多種神經網絡范式，通過軟件工具鏈可以靈活地將不同范式的神經網絡部署到芯片上，使軟硬件可以協同優化。
而量子計算是另一種有望突破傳統的馮·諾依曼架搆的限制，為智能時代提供更高效和更強大的計算能力的技朮。量子計算和類腦計算有着不同的優勢和應用領域。類腦計算具有高效、可塑、可編程等特點，適合處理大規模、復雜、非結搆化、噪聲干擾等問題，例如圖像識別、語音識別、自然語言處理、機器人控制等。量子計算具有高速、高精度、高安全性等特點，適合處理小規模、精細、結搆化、確定性等問題，例如數值模擬、優化求解、加密解密等。
類腦計算和量子計算之間也存在着一定的聯系和互動。一方面，類腦計算可以為量子計算提供一些啟發和借鑒。例如，類腦計算中的神經元模型可以用來搆建量子神經網絡，類腦計算中的學習規則可以用來優化量子控制，類腦計算中的記憶機制可以用來增強量子存儲。另一方面，量子計算也可以為類腦計算提供一些支持和增強。例如，量子計算可以實現對類腦系統的高效模擬，量子計算可以實現對類腦數據的高效壓縮，量子計算可以實現對類腦網絡的高效訓練。
此次發布的10大芯片科學進展的多項成果表明中國科學界以及在類腦計算/神經擬態計算芯片和量子計算芯片方面取得了長足的進步。類腦計算芯片有望為智能時代各種計算挑戰提供新的解決方案和核心關鍵技朮，不僅在智能機器人領域，而且在其他邊緣應用、人工智能、腦仿真、腦機接口和無人駕駛等方面都擁有巨大的應用前景。
