指尖日報 科技情報組
伴隨AI技術以前所未有的速度席捲全球，其背後驚人的能源消耗也逐漸成為一個棘手的問題。為了解決這隻「能源怪獸」的渴求，一支由英國劍橋大學領導的研究團隊另闢蹊徑，從人腦的運作模式中汲取靈感，開發出一種全新的奈米電子裝置材料，有望將AI硬體的能源消耗大幅削減高達70%。 這項突破性研究成果已發表在最新的《科學進展》(Science Advances)期刊上。
當前主流的AI系統極度依賴傳統電腦晶片架構，數據必須在記憶體和處理單元之間不斷來回穿梭。 這個過程就像在一個效率低落的工廠裡，不斷地將零件從倉庫搬到產線再搬回去，每一次的移動都意味著大量的電力被消耗。伴隨AI應用擴展到各行各業，全球對運算能力的需求呈爆炸式增長，這種架構的能源效率瓶頸也日益凸顯。
為此，科學界將目光投向了「神經擬態運算」(Neuromorphic Computing)，這是一種模仿大腦處理資訊方式的全新思維。人腦的獨特之處在於，它能在同一個地方儲存和處理資訊，神經元之間的連結（突觸）會依據接收到的訊號而強化或減弱。這種設計不僅功耗極低，還具備驚人的學習與適應能力。
根據The Independent報導，劍橋團隊的創新核心是一種被稱為「憶阻器」(memristor)的電子元件，它能完美模仿大腦神經突觸的行為。 研究人員採用了一種特殊改良的氧化鉿(hafnium oxide)材料，透過添加鍶和鈦等元素，並利用創新的兩步驟生長方法，成功打造出性能極其穩定的低功耗憶阻器。
過去的憶阻器技術大多依賴在金屬氧化物內部形成微小的導電絲來改變電阻，但這些細絲的行為極不穩定且難以預測，限制了其大規模應用的潛力。 劍橋團隊的新材料則徹底改變了遊戲規則。根據SciTechDaily的分析，它並非透過形成或破壞導電絲，而是在材料的夾層介面處形成微小的電子閘門，藉由平滑地改變能量壁壘的高度來調整電阻。
這項設計帶來了驚人的成果。測試顯示，新型憶阻器的開關電流比某些傳統氧化物元件低了約一百萬倍。 更重要的是，它能夠產生數百個清晰且穩定的電導等級，這對於實現類比式的「記憶體內運算」(in-memory computing)很重要，也是讓硬體具備學習和適應能力的關鍵。
該研究的主要作者，來自劍橋大學材料科學與冶金系的Babak Bakhit博士表示：「能耗是當前AI硬體面臨的關鍵挑戰之一。」 他強調，理想的AI硬體需要具備極低的運作電流、卓越的穩定性、高度的一致性，以及在多個不同狀態間切換的能力，而他們的新型裝置在這些方面都展現了巨大的潛力。
Bakhit博士也坦言，這項成果來之不易，他為此投入了近三年的時間，歷經了無數次的失敗。 雖然目前的研究仍處於早期階段，但前景非常光明。團隊指出，目前該技術的製造過程需要極高的溫度，這是未來商業化前必須克服的主要障礙。 儘管如此，研究團隊依然充滿信心，認為一旦溫度問題得以解決，這項技術將可能改變整個產業的遊戲規則。
事實上，這項研究呼應了全球科技界應對AI能源挑戰的廣泛趨勢。近期一份由史丹佛大學、Google、NVIDIA等機構共同發布的白皮書指出，「記憶體屏障」是當前AI發展最大的瓶頸，數據移動消耗的能量甚至超過了實際運算所需。 他們預計，透過演算法、硬體和系統層面的整合創新，到2035年AI的能源效率有望提升1000倍。
從劍橋大學的憶阻器新材料，到密西根大學在其他材料上的進展，再到NVIDIA等業界巨頭不斷優化GPU的每瓦效能，一場旨在打造更高效、更永續AI的競賽正在全球範圍內如火如荼地展開。 這些源於人腦智慧的晶片技術，不僅為解決AI的能源焦慮提供了可行的路線圖，也預示著一個運算能力更強大、同時也更綠色的智慧時代即將來臨。
相關報導：cam.ac.uk、independent.co.uk
