模仿人脑而设计的神经形态设备可将人工智能的电力消耗降至1/100

生成式人工智能的迅速普及正在威胁全球电力供应

自2022年美国OpenAI公司的对话式人工智能ChatGPT公布以来，全球各行业公司都开始采用生成式人工智能技术，使得该技术的使用率急速上升。对生成式人工智能的巨大需求推动了数据中心和半导体等相关行业的增长。除了目前占主导地位的基于云的计算模式之外，生成式人工智能的崛起预计将推动边缘人工智能的增长，进一步扩大市场。在边缘人工智能技术中，人工智能运算可以在有限的电力供应条件下进行，如汽车、手机和近传感器等。基于云的人工智能技术中，人工智能运算和数据传输过程均需消耗电力。有了边缘人工智能技术，传感器信号可在本地转换为可用信息。考虑到人工智能成为社会基础设施中的一部分，这将为我们节省大量电力。

随着生成式人工智能继续以惊人速度发展，人们越来越担心，需求的增长会消耗更多电力。如果人工智能的使用继续以目前的速度增长，全球能源消耗预计将一路飙升。例如，国际能源署（IEA）发布的一份报告表明，2022年，全球数据中心、人工智能及相关技术电力消耗量达460太瓦时（TWh）左右。到2026年，这一数字可能会增加一倍以上，达到近1000太瓦时。而这一消耗水平相当于世界第三大经济体（按GDP）日本的能源使用总量，这使其成为迫在眉睫的社会性问题。因此，减少人工智能技术电力消耗的社会压力正在加剧。

国际能源署（IEA）对数据中心、AI等技术的全球电力需求量预测结果

神经形态设备可从根本上重塑计算技术，但仍面临很多技术难题

由于对半导体性能的提升正趋于其物理极限^*1，加之其他不利因素，减少人工智能运算的能耗需要突破性技术的助力。这需要从根本上改变计算机架构的技术。如今的计算机主要是基于冯·诺依曼（von Neumann）架构^*2，在该架构下，数据和程序在执行前会被存储在内存中。但其存在固有缺陷，即：内存和处理单元彼此分离，因此两者之间的数据传输会消耗大量电力。神经形态计算应运而生，该技术作为代替冯·诺依曼架构的下一代替代方案，前景十分广阔。该方法使用电子（集成）电路模仿人脑中神经网络的电特性。

人类大脑仅需大约20瓦的功率即可工作，据称能够做出更加复杂的决策，同时只需消耗当今数字人工智能运算所需能源的1/10000左右。神经形态计算将存储元件直接集成到像人脑一样的处理单元中，无需再进行数据传输。与冯·诺依曼模型相比，这大大提升了数据处理速度并降低功耗。因此，人们对神经形态计算技术应用于各种设备和系统的人工智能程序给予厚望。

世界各地的相关公司和研究机构一直在开发神经形态设备。这种设备是从电学层面模仿人脑中的神经元（神经细胞）和突触（神经元之间的连接）。但他们面临着巨大的技术挑战，特别是忆阻器^*3，这是构建神经形态设备的基础模块。传统忆阻器因其复杂的响应行为和诸如存储电阻值随时间漂移等问题饱受诟病。这些问题一直是实现神经形态技术的主要障碍。

自旋电子学技术的应用推动了自旋忆阻器的发展

为应对这些挑战，TDK开发了自旋忆阻器，这是一种利用磁学和自旋电子学的电子元件。自旋电子学^*4是TDK的一项核心技术。我们的主力产品，如硬盘驱动器磁头和TMR传感器等都是以该技术为依托。通过拓展该技术，TDK成功克服了传统忆阻器长期存在的问题。这款新忆阻器响应灵敏，简单易用，并且电阻值长期稳定，能够以低功耗实现高速响应。
（图片：TDK开发的陶瓷封装自旋忆阻器）

在与法国新能源与原子能委员会（CEA）的合作中，我们已成功证实自旋忆阻器可作为神经形态设备的基本元件发挥作用。

与GPU的电力消耗对比

展望未来，TDK计划与日本东北大学的国际集成电子中心合作，将能使电力消耗降至1/100以下的神经形态设备投入实际应用。TDK技术・知识产权本部自旋电子学研发分部的负责人兼高级经理佐佐木智生以及神经形态设备团队的负责人兼经理柴田龙雄分享了他们对该产品未来前景的看法。“自旋忆阻器项目现在正过渡到以实际应用为目标的开发阶段，这需要集成半导体和自旋电子学制造工艺，我们将与日本东北大学合作开发。我们的目标是创造新的人工智能设备，这些设备的不仅电力消耗更低，并且能够实时学习、适应不同的环境和用户。”

TDK正在通过推动神经形态设备的发展，减少人工智能持续发展所消耗的能源，致力于建立一个更加便利舒适的数字转型（DX）社会。

自旋忆阻器语音分离演示电路

装有四个陶瓷封装自旋忆阻器的人工智能电路板。这表明自旋忆阻器可作为神经形态设备的基本元件。