■本报在智能驾驶中的记者李·尤尤（Li Huiyu），道路风险的行列 - 城市道路上的交通参与者需要在毫秒级别控制；简短的视频推荐系统需要迅速遵守数十亿美元的视频日，以匹配用户感兴趣的内容；当大型语言模型练习时，很常见对一十亿个参数的优先分析。这些情况都指向核心 - 加速度分析。一个由北京大学综合巡回赛学院教授和人类人工智能研究所的研究人员Tao Yaoyu组成的团队，他实现了基于联合存储和计算技术问题的硬件体系结构的大量分类。这将为人工智能（AI）应用提供更好的计算能力支持智能城市。相关研究结果最近发表在“自然电子学”中。加速度序列：组合存储和建筑计算的难以连接的“硬骨”分类是AI系统中最常用和时间的主要操作之一。它广泛用于自然语言处理，信息提取，图形神经网络，智能决策和其他领域。相应的论文 - 托尤（Tao Yaoyu）表示，在冯·诺伊曼计算的传统架构中，处理器和内存的分离导致频繁的数据传输，这阻止了系统能量的计算速度和效率。因此，集成存储和计算的集成存储和计算体系结构是破坏硬件性能的唯一方法。在计算的组合结构和结构中，分类的加速是一个困难的“硬骨”。例如，在明智的驾驶场景中，在诸如车道之类的简单环境中，车辆只需要对许多周围车辆的旅行路线进行分类，即可确定它们是否会对自己的安全产生影响，并且时间可以在毫秒级进行控制。但是，在复杂的城市环境中，风险可能来自道路或周围的更多交通参与者，而硬件的分类和延迟的复杂性将大大改善。例如，在计算用户点击，评分和相似性之后，要进行大规模sisetma搜索和建议的简短视频平台（例如Doong和Xiaohongshu），通常有必要快速对大量的候选内容进行分类以找到最相关的项目。因此，性能分类直接影响系统的时间和可扩展性。此外，在大型语言模型培训，机器人路径计划，刺激研究等的情况下。但是，在传统的计算体系中，大型 - 规范非线性分类很难通过端或边缘设备实现。这个过程消耗了大量的时间和力量，从而极大地阻止了新兴技术（例如体现的智能和内部驾驶）的发展和开发。陶雅说，近年来，存储和计算的整合取得了惊人的惊人结果，结果在具有强大规律性的数字计算中，例如矩阵计算。但是，由于分类，非线操作，不规则数据访问，缺乏一般和有效的硬件分类的复杂逻辑，当前的国际主流存储和计算集成体系结构将无法解决主要数据分类的问题。这个问题已成为限制下一代AI计算硬件开发的主要问题。解决AI系统中的许多主要技术问题，分类通常用作中间链接进行预处理OR决策。当实施效率不高时，它将是整个系统的主要瓶颈。该团队着重于“让数据分类”的第一个目标，在存储和计算的组合结构中取得了许多重大的技术问题，从而达到了数量级，从而提高了能源的速度和效率。根据陶雅的说法，这项工作在这项工作中取得了许多突破，并且基于新的内存结构的比较机制高度平行。引入“ Memristor Array”的先驱是认识到具有低延迟和多路径的电路设计并行分类的硬件级别；在操作员级别上，优化了AI活动算法 - 建筑结构的合作路径，这与矩阵的现有计算兼容。并且已经完成了完全自主的设备cird-cird-System层集成技术。 si yuLianfeng，Ang unang May-akda ng Papel，位于Isang mag-aaral ng doktor Sa综合电路学校Sa Peking University，sa Peking University，Ay ipinakilala：“ Ang Core core core na na nanganganangan ng tumpakak na nagnangangan ng tumpakak na ng ng ng ng ng ng ng ng kund ng ng ng ng kund ng kund ng kund ng kund ng ng kund ng kund paghuhusga +数据传输'。操作。存储和计算已从“适合特定应用程序”转变为“支持更广泛的一般计算”，并为硬件体系结构Tao Yaoyu的硬件体系结构构建了基于全线的硬件体系结构。提高计算效率并创建加速引擎。报道说，该技术可用于诸如流量图像分类系统，财务MGA发动机控制控制，侧面跟踪设备的目标优先识别模块以及其他情况，具有广泛的应用程序前景。在相关测试中，技术显示了高速和低电力消耗的重大好处。例如，在智能流量方案中，预计该系统将在毫秒内完成100,000级事件的优先评估，为超大规模的交通决策，紧急响应计划等提供有效的实时计算能力支持。在AI技术和物理世界中，计算能力已经从“服务算法”演变为具有“主导能力边界”的战略资源。 “集成存储和计算”超高性能分类的成功崩溃不仅是Drummingago架构的成功，而且是改变实际应用中科学研究结果并提供主要国家战略需求的重要行动。陶雅说，这项成就预计将在未来的国内智能芯片，AI侧面设备，智能制造终端和智能城市系统等基本领域广泛使用，并将争夺下一代AI国家 /地区的AI技术和智能硬件。引擎“用于开发安全，高效，独立和受控的新一代智能计算系统。T终端，行业控制和数据中心，它只能在AI芯片市场的边缘开发100亿元人民币的年度潜在产出价值，从而大大提高了传统计算系统的性能。政府系统，释放数据价值并帮助发展新的生产力质量。 “陶雅说。相关论文信息：https：//doi.org/10.1038/s41928-025-01405-2