/
一次实验室意外或将彻底改变计算领域
研究人员意外发现，标准MOSFET晶体管可同时模拟神经元和突触行为，形成"神经突触随机存取存储器"（NSRAM）。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理，且与现有硅基制造工艺完全兼容，良率达100%。未来有望应用于边缘AI及高能效神经形态芯片，长远或可挑战GPU地位。
声波赋能类脑芯片：声学突触超越传统电子AI硬件
美国亚利桑那大学研究团队开发出一种基于声波的声学突触装置，利用声波相位编码多个变量，可同时执行多项并行计算。实验显示，该装置在鸢尾花分类任务中以96.7%的准确率超越传统多层感知机，且仅消耗现有电子神经形态硬件十分之一的功耗。此外，该装置还能模拟多巴胺等神经调节物质的作用，为开发更紧凑、高效的神经形态计算系统提供了新方向。
仿生脑芯片在近绝对零度环境下运行，有望革新量子计算
香港大学研究团队在低温电子学领域取得重要突破，开发出一种可在接近绝对零度环境下运行的可编程类脑硬件平台。该平台利用碳化硅MOSFET的独特载流子动力学特性，实现了单晶体管模拟生物神经元放电行为，能效比传统电子元件高出数千倍。这一技术有望解决量子计算中控制电路发热的核心难题，并可应用于深空探测等极端低温场景。相关成果已发表于《自然·通讯》。
MicroIP与BrainChip达成战略生态合作，共推先进边缘AI硬件与软件发展
BrainChip与MicroIP正式宣布建立战略生态合作关系，旨在共同推进面向台湾及全球市场的边缘AI硬件与软件解决方案。双方将融合BrainChip的超低功耗神经形态NPU技术与MicroIP的系统架构、ASIC设计及软件集成能力，聚焦声学处理、视觉处理、雷达/激光雷达、网络安全、异常检测等高增长边缘AI应用领域，助力客户实现从概念验证到量产部署的全流程落地。
弗吉尼亚理工大学用"储层计算"技术突破软体机器人控制难题
弗吉尼亚理工大学机械工程系研究人员借助"储层计算"技术，成功构建了一款可弯曲、扭转的模拟软体机械臂。该方法不仅超越了传统AI与机器学习的控制极限，在结合神经形态芯片运行后，能耗最高可降低75倍。研究成果已发表于《美国国家科学院院刊》，未来有望推动医疗、农业、救援及基础设施检测等领域小型自主机器人的发展。
人工神经元成功与活体脑细胞实现双向通信
西北大学工程师开发出可打印的人工神经元，能够直接与真实脑细胞交互。该装置基于二硫化钼和石墨烯纳米材料，通过气溶胶喷射打印制成，可生成与生物神经元高度相似的电信号。实验中，这些人工神经元成功激活了小鼠脑组织中的真实神经元。该技术不仅为脑机接口和神经假肢提供新路径，还有望推动脑启发计算硬件发展，大幅降低AI训练的能耗。相关研究将于4月15日发表在《自然·纳米技术》期刊。
BrainChip获得2500万美元融资推动边缘神经形态AI发展
神经形态AI平台领导者BrainChip宣布获得2500万美元新融资。该公司采用仿脑硬件架构，最大程度减少边缘AI模型所需的计算和数据传输。其核心产品Akida是下一代低功耗神经形态架构，支持卷积神经网络、视觉变换器等多种AI模型。公司提供知识产权授权和生产就绪芯片，AKD1500 AI加速器芯片可在毫瓦级功耗下持续运行，实现可穿戴设备和传感器的永远在线智能。
从生成式到智能体：2026年AI自主性的新时代
生成式AI曾以前所未有的速度和规模生成文本、图像和代码震惊世界，但2026年将迎来更强大的智能体AI。智能体AI不仅能生成内容，还能独立行动、推理、协作和执行任务，从工具转变为协作伙伴。这一转变将影响网络安全、医疗、金融等多个领域，并加速机器人技术、神经形态计算和边缘计算的融合发展。
神经形态计算与边缘AI的未来发展
随着AI硬件面临功耗、散热和延迟等挑战，神经形态计算正成为下一代AI的关键技术。中科院最新发布的达尔文猴3芯片展现了这一技术的突破性进展。神经形态系统模仿人脑的事件驱动机制，在边缘环境中实现超低功耗和实时处理。该技术在医疗诊断、工业控制、网络安全和物流等领域显示出巨大潜力，有望解决传统GPU架构的能耗和基础设施限制问题。
桑迪亚启用类脑无存储超算
Sandia国家实验室与SpiNNcloud合作推出的SpiNNaker2类脑超级计算机，依靠48芯片高并行架构及高速SRAM/DRAM通信，无需GPU或内置存储，适用于国防及前沿计算任务。
AI 算力领导者将主导世界格局
AI正重塑人类生活的方方面面，从商业到国防再到社会政策。AI计算能力与全球影响力息息相关。各国和企业纷纷投资巨额资金建设数据中心，以增强AI实力。预计到2030年AI市场规模将达1.81万亿美元，掌握最佳数据和计算平台的国家将占据优势地位。AI计算力的竞争已成为21世纪全球力量的决定性较量。
京公网安备 11010802021500号
