一次实验室意外或将彻底改变计算领域

如今，你每天可能都在使用人工智能——向大语言模型提问、接受LinkedIn的好友推荐、在YouTube上观看推荐视频，或是根据谷歌地图的路况预测选择出行路线。但你可能并不清楚，这些交互背后消耗了多少能量，以及为什么会消耗这么多。

意外的发现

坦率地说，我们自己都感到震惊。过去20年间，全球数十个研究团队和企业投入了数以百万计的美元，试图利用忆阻器类实验器件等技术模拟神经行为，但受限于可靠性和成本问题，进展十分有限。而我们却在最廉价、最符合行业标准的器件——金属氧化物半导体场效应晶体管（MOSFET）上实现了这一目标。这一结果令人难以置信，为此我们专门使用来自不同晶圆厂的芯片进行验证。结果同样成功：所有神经行为均可复现，良率再次达到100%。

在我们为这一成果申请专利、并着手向《自然》期刊投稿的过程中，实验室又迎来了另一个惊喜：同一类型的MOSFET竟然也能充当突触！

MOSFET如何模拟突触

在MOSFET的正常工作状态下，部分电子会与硅原子碰撞，产生电子-空穴对。我们注意到，在特定的体电阻值下，碰撞电离产生的大量电荷会被捕获在栅介质中。这些被俘获的电荷会干扰流经MOSFET的电流，从而有效改变器件的电导值。更重要的是，这一新的电导状态稳定可控、可按需调节。正是这一发现让我们意识到：MOSFET同样可以作为电子突触使用。

与神经元晶体管的情形相同，体端（bulk terminal）依然是关键所在。施加负的体源电压会将电子驱入介质层，使电导降低；施加正电压则将空穴推入，使电导升高。

神经突触随机存取存储器

将MOSFET突触与MOSFET神经元结合，即构成所谓的"神经突触随机存取存储器"（NSRAM）。以一个由三个突触MOSFET和一个神经元MOSFET组成的简单神经回路为例：各突触已按前述方式完成编程，每个突触具有不同的电导值。随后，具有不同模式和频率的电压脉冲分别施加至这些晶体管的栅极，漏极输出的电流脉冲幅度则由各突触的电导值调制。

这些电流脉冲汇聚至神经元MOSFET的漏极。每一个脉冲到来时，碰撞电离会使硅体内积累电荷。部分电荷会耗散，但若足够多的脉冲在足够短的时间内密集到达，体电压将升至某一阈值，触发"隐藏晶体管"产生电流脉冲，该脉冲随后作为输入传递至后续的MOSFET突触，如此循环。这种行为正是真实神经回路所展现的"积分-发放"动作模式。

单一MOSFET方案的竞争优势

我们基于单个MOSFET的电子神经元与突触方案，其核心优势十分明确：目前工业级实现中需要数十个乃至数百个元器件才能产生的电子信号，我们仅用一到两个晶体管便可实现。此外，与其他新兴技术不同，我们的方案与现有硅基制造工艺完全兼容，在关键性能指标上良率达到100%，且变异性几乎为零。

面向未来的脑启发芯片

基于这一技术构建用于脑启发计算与AI的功能性电路，既令人振奋，又需要付出大量艰辛的工作。这要求我们进一步改进计算机模型，使其更精确、更高效地模拟两种器件的行为；同时还需进行精确的电路与系统级仿真以验证计算架构、设计外围驱动与信号转换电路，并经历多轮流片以优化性能。

但这一切努力都将是值得的——因为最终可能催生出能效远优于现有方案的脑启发AI微芯片。这类芯片最初将适用于小规模的"边缘AI"任务，例如为电池供电系统赋予更强的智能能力。而若能实现规模化，从长远来看，它们或许有望与当今最先进的GPU一决高下。

Q&A

Q1：NSRAM（神经突触随机存取存储器）是什么？它有什么用？

A：NSRAM是将MOSFET突触与MOSFET神经元结合而成的新型器件架构，全称为神经突触随机存取存储器。它能够在芯片上模拟真实神经回路的"积分-发放"行为，用于构建脑启发计算系统。相比传统方案，NSRAM只需一到两个晶体管就能实现原本需要数十乃至数百个元器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%。

Q2：MOSFET是如何同时模拟神经元和突触的？

A：在模拟神经元方面，MOSFET利用碰撞电离效应，使体内电荷随输入脉冲累积，当体电压达到阈值时触发电流脉冲输出，实现"积分-发放"特性。在模拟突触方面，碰撞电离产生的电荷被捕获在栅介质中，改变器件电导，且该电导值稳定可调——通过体端施加正负电压即可灵活控制，从而实现突触权重的编程与调节。

Q3：这种新型芯片技术未来能替代GPU吗？

A：短期内，这类脑启发芯片更适合"边缘AI"应用场景，例如为电池供电的终端设备提供本地智能能力，而非直接取代数据中心中的高性能GPU。但研究人员认为，如果该技术能够实现规模化量产，凭借其远优于现有方案的能效表现，从长远来看有望在特定计算任务上与顶级GPU展开竞争。