二、破壁：拆掉“数据收费站”，让算力回归物理本能

传统计算机的瓶颈，早在七十年前就已注定。冯·诺依曼架构将存储与计算分离，数据如同疲于奔命的信使，在内存和处理器之间反复搬运。每完成一次计算，99%的能耗消耗在数据调度而非实际运算上。制程微缩虽能提升晶体管密度，却无法解决这一根本性缺陷。

东大团队的突破，在于用模拟计算彻底告别“数据搬运”。

基于阻变存储器的新型芯片，将计算与存储融为一体——电压输入即计算，电流输出即结果。这好比拆除了一座城市的环线收费站，让车辆（数据）无需绕行即可直达目的地。笔者曾与团队核心成员交流，对方坦言：“我们不是在优化算法，而是在重新定义计算的物理形式。”（本文由AI辅助生成）

三、精准狙杀：攻破AI训练的“算力黑洞”

更值得深思的是战术选择。

东大团队没有泛泛追求通用计算，而是精准锁定AI算力金字塔顶端的核心难题——矩阵求逆运算。这一操作被誉为“二阶训练的算力黑洞”，计算复杂度呈立方级增长，是当前GPU最耗能、最低效的环节。

模拟芯片的巧妙在于：利用物理规律直接演绎矩阵变换。

就像用流水本身解水利方程，实现了“所算即所得”的终极效率。实验数据显示，在128×128矩阵求逆任务中，该芯片的吞吐量达到GPU的千倍级，且功耗仅为传统方案的百分之一。这相当于在别人拼命优化汽车发动机时，东大直接修了一条磁悬浮轨道。