前言

现在全球都盯着 光刻机的 “ 几纳米” 较劲，被 卡脖子卡得焦头烂额。2025 年 10 月， 北大突然放出个消息，连业内人都愣了神。

这不是把芯片做更小，而是让芯片 “换思路”—— 孙仲团队用 28 纳米 “老工艺”造出了 强芯片，连 高端光刻机都不用。

这到底是啥 技术门道？咋就能把西方卡脖子的墙凿出缝呢？

技术破局：驯服误差的模拟计算革命

我们先得从根本上拆解一下现在的 算力困局。

长期以来，不论是支撑 ChatGPT 这类 大模型的 GPU，还是我们电脑里的 CPU，骨子里都是一种 “死心眼” 的 数字计算逻辑。

想象一下，数字计算就像是一个极其刻板的会计，为了算清哪怕最简单的 1 加 1，它也得先按照规定的 “密码本”，把这两个数全部转换成 0 和 1 的二进制长串。

在这个过程中，芯片不仅要进行繁琐的 逻辑运算，算完还得把那一串 0 和 1 再翻译回我们可以理解的数字。

这种机制不仅 效率低下，更是对 硬件资源的极度浪费。你知道这种浪费夸张到什么程度吗？为了这一个简单的加法运算，传统的数字芯片居然要动用整整 28 个硅基晶体管协同工作。

如果是两个 10 位数的乘法，那更得拉出上万个晶体管的大部队。

过去几十年，这套笨重的逻辑之所以能跑通，全靠 摩尔定律硬撑 —— 既然每个单元效率低，那就把单元做得足够小，往死里塞。

但现在，这条路走绝了， 物理学不允许晶体管无限制缩小，为了维持 AI 那种 “万卡”、“十万卡” 级别的 吞噬性算力需求，人类只能疯狂 堆叠芯片数量。

这就导致了一个可怕的后果： 能源的黑洞。如今的 数据中心正在变成 碳排放的怪兽，这与全球的 双碳目标完全是背道而驰。

正是在这种 进退维谷的墙角，北京大学的团队并没有像其他人那样继续拿着锤子去敲那一堵叫 “ 先进制程” 的墙，而是转身挖开了一条被历史尘封的隧道： 模拟计算。

这就不得不提这次突破中最核心的 “心脏”—— 阻变存储器（RRAM）。

你可以把它看作是一个能够直接模拟人类直觉的 神经元，根本不需要那些繁琐的 0 和 1 转换。它利用 电流、电压这些最本原的物理量，直接就能把计算给 “流” 出来。

传统的 “存算分离” 架构—— 也就是数据得在 存储器和 处理器之间来回搬运的那种 冯・诺依曼架构，在它面前显得无比笨重。

阻变存储器自己既是仓库又是车间，这就是传说中的 “存算一体”。

但是，这种看似完美的模拟计算技术，上世纪 30 年代到 60 年代其实就火过一阵，后来之所以死透了，就因为一个 致命弱点： 算不准。

电流电压太容易受干扰， 误差哪怕只有 1%，对于精密科学来说也是灾难，这也是为什么数字计算哪怕笨重，也依然统治了世界的根本原因。

而 2025 年 10 月这颗芯片的真正 神来之笔，就在于它 驯服了 “误差”。

北大团队在 电路和 算法上玩出了新花样。他们设计了一套独特的 反馈电路系统，这就像是在打靶时虽然第一枪可能偏了，但系统能立刻根据偏差微调准星。

更绝的是一种叫做 “位切片”的策略：把那些高难度的 24 位精度需求，像切蛋糕一样拆解成 8 组 3 位的小任务，并行或者串行处理完后再拼回去。

通过这种 “ 迭代修正” 和 “ 拆解重组” 的手段，模拟计算那曾让人绝望的 1% 误差，被这群中国科学家硬生生压到了 千万分之一。

这是什么概念？相当于把计算的 精准度一下子拉升了五万倍，直接跟 32 位浮点精度的数字系统平起平坐。

格局重塑：不挤旧赛道的芯片新路径

这就把整个 芯片产业的逻辑给炸开了。

既然计算精度已经追平，那就意味着那些高端的光刻机真的不再是 “ 必选项” 了。因为阻变存储器对于线路做得多细并没有那么敏感，用 成熟稳定的 28 纳米及以上工艺，配合相对容易获得的 DUV 设备，就能生产出这种高性能芯片。

这意味着什么？意味着在西方费尽心机用 7 纳米以下的技术锁死中国芯片产业喉咙的时候，我们可能压根不需要去挤那条路。

那些我们早就玩得滚瓜烂熟的 成熟代工产线，甚至都不需要大动干戈去搞全新的生产线重构，就能摇身一变，成为生产 下一代高端算力芯片的基地。

相比于那些还停留在纸面上、需要重构整个产业生态的 量子计算或 光计算，这种基于阻变存储器的方案， 落地速度快得惊人。

而它的 应用场景，简直就是为当下最棘手的 算力饥渴量身定做的。

在 超级计算领域，像是 气象预报、 热扩散分析、甚至是 量子力学模拟，本质上都是在解那些令人头大的复杂 微分方程和 矩阵方程。

如果用传统的超算去 “暴力破解”，耗电量大得惊人，效率还低，而这种新型模拟芯片，天生就是解方程的高手，处理 矩阵乘法几乎是它的本能。

特别是对于现在火热的 AI 大模型训练，这更是一个 大杀器。现在的 AI 训练主流还在用 一阶算法，也就是所谓的 “ 梯度下降”，虽然也能练，但就是慢，需要的迭代次数多。

科学家们都知道 二阶训练能让 AI 学得更快、更准，但因为这里面涉及的单次计算量实在太庞大，现在的数字芯片集群根本扛不住。

而这块芯片的出现，恰恰填补了这个空白，它让更高效的二阶训练成为了可能。

这不单单是一项 技术的胜利，它更像是一个 战略隐喻。

现在的局面让人不禁想起了当年 GPU 刚刚诞生的时候，那时候谁能想到那个只为了让打游戏画面更流畅的芯片，会在 2012 年被 AI 领域彻底发掘，成为之后十几年甚至几十年的算力霸主？

如今，虽然这款北大团队研制的芯片在实验室里还只有 16×16 的阵列规模，距离真正的 产业化大海—— 比如扩展到 512×512 甚至更大规模，还要解决 寄生效应、 良率控制等一堆 工程难题。

团队自己也定下了 两年内实现规模扩大的军令状。

但这已经足够证明：中国的 半导体产业并没有在别人的规则里坐以待毙，而是在为属于自己的 “ 2012 时刻” 积攒着弹药。

结语

与其在别人早就修好战壕、架好机枪的 旧赛道上苦苦冲锋，不如直接把战场换到自己熟悉的山头。

在 2025 年，这颗不再依赖高端光刻机的 “ 中国芯”，实际上是在用最硬核的方式告诉世界： 物理学的尽头不是只有光刻机这一条路，当摩尔定律走进死胡同，换个活法，路也许更宽。

瞭望｜稳居量子科技第一梯队

新华社新媒体

2025-12-29 17:59

#优质图文扶持计划#