想象一下，如果你的手机芯片能够像人脑一样”记住”你频繁使用的APP，下次打开时反应更快；而那些长时间不用的功能，会自动”遗忘”以节省空间——这不是科幻，而是我国科学家刚刚实现的新突破。
2026年5月，北京理工大学传来重磅消息：孙林锋教授课题组在类脑芯片领域取得多项里程碑式成果。这些研究近年来连续发表在《先进材料》及《自然·通讯》等国际顶级科学杂志上，标志着中国在神经形态计算领域站上了世界前沿。
“记忆海绵”材料：芯片也有了”遗忘本能”
研发类脑芯片的核心挑战，在于找到合适的基础材料。传统计算机的芯片在断电后，状态会瞬间归零——就像一个什么都记不住的人，每次开机都是”重新开始”。但人脑完全不同，我们会记住重要的事，淡忘不重要的信息，这种”选择性记忆”能力正是人类智能的重要体现。
孙林锋教授团队的突破性发现，正是解决这个问题的关键。他们在国际上首次报道了一种极其微小的材料——CuBiP₂Se₆（简称CBPS），薄到只有原子级别。这种材料的独特之处在于：通电时，它的状态可以随电流平缓改变；断电后，它不会瞬间复原，而是像”记忆海绵”一样缓慢回弹，留存通电时的痕迹。
这意味着什么？打个比方，当你用传统电脑处理一张图片时，计算完成就结束了，电脑”忘记”了你看过这张图。但使用CBPS材料制造的芯片不同，它会像人脑一样”记住”这张图片的处理痕迹，下次遇到类似任务时，能更快地做出反应。这种特性，完美复刻了人脑记忆与遗忘的动态规律。
连续突破：从”单功能”到”全能选手”
科学的突破从来不是一蹴而就，而是一系列创新累积的结果。孙林锋教授团队的类脑芯片研究，经历了三个关键阶段。
第一阶段：发现”记忆海绵”材料（2024年）
团队首先发现了CBPS材料的独特性质。这种材料具有”弛豫反铁电”特性，与普通电子材料通电、断电的瞬时变化完全不同。它可以随电流平缓改变状态，断电后缓慢回弹——这正是人脑记忆机制的关键特征。
第二阶段：构建神经突触网络（2025年）
2025年，团队利用这种材料在通电时能够”平滑变换”的特性，成功搭建出了高密度忆阻器阵列。这个阵列可以模拟人脑的神经突触网络，实现高阶学习功能。
最神奇的是，这个芯片器件能够”依据过往刺激动态调整学习敏感度”：当你频繁刺激某个信息时，它会提高学习门槛，避免信息过载；当你长期不理会某个信息时，它会降低门槛，提升感知灵敏度。这种特性复刻了人脑”举一反三”的高阶思考能力，是低功耗智能芯片研发的重要基础。
第三阶段：一体化集成（2026年）
2026年，团队完成了最关键的突破——多功能一体化集成。
传统计算机的架构存在一个根本性缺陷：感知、存储、运算、决策这四大模块相互分离，数据需要在不同模块之间传输，不仅耗能高、速度慢，还需要额外的转换和辅助电路。就像一家公司的不同部门之间，需要大量沟通协调才能完成工作，效率自然低下。
孙林锋团队的新设计，彻底打破了这种分离架构。他们将图像感知、数据存储、运算决策三大功能集成到一个器件中，省去了所有冗余配套电路。这就像把一家公司的所有部门合并成一个”全能团队”，沟通成本大幅降低，效率自然大幅提升。
实战检验：医疗影像识别准确率超95%
理论再漂亮，也需要经受实践检验。2026年发布的最新研究成果显示，这款多功能一体化芯片在医疗图像处理领域表现出色。
实测数据令人振奋：芯片处理复杂医疗图像的速度非常快，识别准确率超过95%。这意味着什么？目前三甲医院放射科的影像医生，每天需要阅读数十甚至上百张CT、MRI片子，眼睛疲劳、漏诊误诊风险始终存在。而这款芯片驱动的AI辅助诊断系统，不仅速度快、准确率高，而且不知疲倦，可以24小时不间断工作。
更值得期待的是，这项技术的应用场景远不止医疗影像。由于实现了多功能一体化集成，芯片的硬件体积大幅缩小，能耗和成本也显著降低。这意味着，曾经只存在于大型医疗设备中的AI诊断能力，未来可以装入口袋——便携式医疗诊断机器人、智能健康监测设备等设想，正在成为现实。
为什么这项突破如此重要？
要理解这项突破的价值，我们需要先了解当前AI芯片面临的困境。
功耗问题：传统AI芯片在处理复杂任务时，功耗巨大。以数据中心的AI推理服务器为例，一台服务器每小时耗电可达数千瓦，每年电费动辄数十万元。如果能大幅降低芯片功耗，不仅能节省大量能源成本，还能让AI芯片在更多场景中部署。
延迟问题：传统架构中，数据需要在不同模块之间传输，这个过程会引入延迟。对于需要实时响应的应用（如自动驾驶、工业控制）来说，延迟可能是致命的。一体化集成省去了数据传输环节，可以将响应延迟降到最低。
体积问题：随着AI应用向边缘端渗透（如智能手表、AR眼镜），芯片体积成为关键制约因素。一体化集成让芯片”更小、更轻”，为各种穿戴设备提供了可能性。
孙林锋团队的研究，恰好同时解决了这三个问题。
未来已来：这些场景即将改变
基于这项技术突破，以下应用场景有望在未来几年走进我们的生活：
智能穿戴设备革命
想象一下未来的智能手表：它不仅能计步、测心率，还能实时分析你的健康状态，提前预警疾病风险。这一切都不需要联网，数据全部在本地处理——你的健康隐私得到最大保护。CBPS芯片的低功耗和一体化特性，正是实现这一切的关键。
微型医疗诊断机器人
一款只有药盒大小的设备，却能完成专业医生的大部分诊断工作——询问症状、分析检查结果、给出初步诊断建议、甚至推荐就医科室。这种”口袋里的医生”，在偏远地区、医疗资源匮乏的地方，将发挥巨大价值。
边缘AI计算
现在的AI应用，大多需要”云端计算”——你的数据要上传到远程服务器，处理后再返回。但CBPS芯片让”本地AI”成为可能，数据无需离开设备，隐私泄露风险大幅降低，响应速度也更快。
工业质检升级
在工厂流水线上，产品缺陷检测是一项枯燥但关键的工作。传统方式是工人盯着流水线，长时间工作容易疲劳出错。而搭载新型类脑芯片的质检系统，不仅能24小时不知疲倦地工作，还能”学习”不同产品的特征，自动适应新产品。
从”中国制造”到”中国创造”的新注脚
孙林锋教授团队的研究，还有一个值得关注的细节：这是完完全全的”中国原创”。
CBPS材料是北京理工大学团队在国际上首次发现并报道的。这种材料独特的弛豫反铁电特性此前从未被系统研究过，更没有人想过用它来构建类脑芯片。从材料发现、机理研究、器件设计到应用验证，整个链条都是中国科学家独立完成的。
在当前的国际科技竞争格局下，核心技术的自主可控显得尤为重要。类脑芯片被视为下一代AI硬件的”圣杯”，谁能率先取得突破，谁就能在未来的科技竞争中占据主动。而北京理工大学的这项成果，让我们在这场竞赛中拥有了重要的砝码。
结语：当芯片开始”思考”
回望人类计算设备的发展历程，从ENIAC的庞然大物到如今的智能手机，芯片的体积缩小了亿万倍，功能却强大了几十亿倍。但有一个根本问题始终没变：传统芯片只会”执行”，不会”思考”。
孙林锋教授团队的工作，让我们第一次看到芯片”思考”的可能性——不是简单地按照程序指令运行，而是能够记忆、遗忘、学习、适应。虽然距离真正”像人脑一样思考”的芯片还有很长的路要走，但我们已经迈出了关键的第一步。
或许在不远的将来，你的手机、手表、甚至眼镜里，都会装上一颗能”思考”的小芯片。它会记住你的习惯，理解你的需求，在你开口之前就为你准备好需要的信息——就像一个永远在身边的聪明助手。
这不再是科幻，而是正在发生的现实。
参考资料
- 北京理工大学孙林锋教授课题组研究论文，发表于《先进材料》《自然·通讯》
- 环球网2026年5月8日报道
发表回复