人工智能和大数据快速发展，如何高效处理海量高维数据，正成为影响产业落地的关键瓶颈；非负矩阵分解是挖掘高维数据潜在结构的重要方法，已在推荐系统、生物信息学、图像处理等领域得到广泛应用，但其计算复杂度高、能耗大的问题长期制约实际部署。北京大学人工智能学院孙仲研究员团队围绕此难题开展研究，借鉴模拟计算芯片的设计思路，基于阻变存储器技术架构，研制出面向非负矩阵分解运算的高效求解器。
在全球科技竞争日益聚焦底层创新的背景下，这项进展再次表明，核心技术突破离不开长期的基础研究投入。当228倍能效提升叠加快速增长的数字经济需求，中国科研团队正以原创成果拓展人工智能时代的技术边界。这场在特定场景率先落地的芯片革新，或将重新定义未来计算的效率上限。