人類用了兩千年的模擬計算，可能終於有人敢幫佢寫份正式定義書。
北大人工智能研究院副教授孫仲，聯手IBM蘇黎世研究院同硅谷新創公司Unconventional AI，喺一本Nature旗下嘅期刊上發表咗一篇綜述論文，標題直接寫低「現代模擬計算」。四位作者幾乎集齊呢個領域最核心嘅幾股力量。孫仲同時擬任模擬計算晶片公司安納智芯嘅首席科學家。
「模擬」唔係「連續」
論文首先處理一個根本誤解：好多工程背景嘅人見到「模擬」（Analog）就諗到「連續」，見到「數字」就諗到「離散」。但論文引用Corey J. Maley 2024年喺《WIREs Cognitive Science》發表嘅研究指出，模擬嘅核心唔係連續性，而係「類比」（Analogy）——唔經過二進位符號抽象，直接將數學問題映射到物理系統，靠物理定律自然畀答案。
小朋友學算術，一顆蘋果加一粒蘋果等於兩粒，呢個已經係最直白嘅物理映射。模擬晶片想喺微觀電路度做同樣嘅事，但傳統CMOS電路有兩個硬傷：能實時變化嘅物理量只有電壓同電流，電阻一旦造好就係固定唔變；就算想堆積上百萬個乘法器，面積都無物理可行性。
關鍵嘅突破：電導
繞過呢個瓶頸嘅答案，係阻變存儲器（RRAM，又稱憶阻器）。呢類新型納米器件嘅導電能力唔固定，可以用電脈衝精確改變，斷電後唔會丟失。呢個等同喺電壓同電流之外，開闢咗一個能原位存儲、隨時可調嘅新物理變量——「電導」。
咁乘法就有咗兩個各自嘅映射錨點：一個數編程為器件嘅電導值，另一個數作為電壓加喺器件兩端，電流流過嘅瞬間，依歐姆定律，輸出天然是兩者嘅乘積。多路電流匯入同一列導線時，基爾霍夫電流定律接管，一列嘅乘加結果喺匯流瞬間一次算完。
一步 vs 上百次迭代
論文將模擬計算歸納為三個核心原語：解微分方程、解矩陣方程、矩陣向量乘法（MVM）。三者共用加法器、乘法器、積分器，喺數學同電路層面互相貫通。
安納智芯選擇喺求解矩陣方程同矩陣求逆上切入，呢個恰恰係數字晶片最大嘅痛點：智算中心超過80%嘅算力開銷花在求解Ax=b線性方程組上，而矩陣求逆嘅計算複雜度達O(n³)，GPU要做完一次，要將佢拆解成幾十次甚至上百次矩陣乘法去循環逼近。
安納智芯嘅AMC（模擬矩陣計算）電路喺阻變存儲器陣列外圍引入全局負反饋閉環，讓電路瞬態響應直接對應矩陣方程求解。團隊聲稱原本需要GPU上百次迭代嘅運算，AMC一步測量即可輸出，單次操作小於100納秒，且與矩陣維度無關。
模姐驗嚇貨
講真，呢個方向最令我想問嘅，唔係「速度快幾倍」，而係兩個嘢：
第一，Unconventional AI估值超過45億美元，Normal Computing拿到三星同Eric Schmidt投資，佢哋都聲稱「能將AI能耗降至千分之一」——呢啲都係廠商聲稱。安納智芯嘅AMC電路，目前喺邊個測試條件、邊個矩陣維度度有第三方驗證過精度同重複性？
第二，論文將「現代模擬計算」同「傳統」劃清界線，框架建得乾淨。但框架同晶片之間，仲有幾條代溝：1000×1000阻變陣列嘅製程變異（process variation）點處理？精度係咪真係高到可以喺真實AI推理事件入面用？
模擬計算呢個方向，定義書先寫好，路仲長。
模姐｜深度調教
