技术突破与核心优势 - 北京大学团队研发出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片 [1] - 该技术通过采用模拟计算新路径，旨在绕开高端光刻机的制造限制 [1] - 技术解决了模拟计算长期存在的“算不准”难题，实现了高精度计算 [1] - 芯片在矩阵计算时具备速度更快、更省电的优势 [1] - 芯片可在28纳米及以上成熟工艺量产，无需依赖高端光刻机 [1][2] 发展阶段与应用前景 - 当前芯片仍处于实验阶段，适合中等规模计算任务 [1] - 明确的应用方向包括6G通信和机器人等领域 [1][2] - 团队计划在两年内扩大芯片规模，以推进在上述领域的应用 [1] - 长远目标是为AI大模型训练、超级计算机等高算力需求提供高能效的后备技术方案 [1]

文章核心观点 - 北京大学团队成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，在全球范围内首次将模拟计算的相对误差从1%降低至千万分之一（10^-7），精度提升至24位定点精度，相当于数字计算的浮点32位（FP32）[1][7][12] - 该芯片采用模拟计算范式，利用物理定律直接进行计算，无需二进制编码和逻辑门操作，在能效和算力上相比数字计算有显著优势，能效提升百倍，算力吞吐量提升千倍[5][9] - 该技术可在28纳米及以上成熟制程量产，绕开先进光刻机限制，为应对AI算力与能耗挑战、降低对单一技术路径依赖提供了新的可能性[1][4][10] 技术原理与突破 - **计算范式**：模拟计算是一种不同于当前主流数字计算（GPU/TPU/CPU/NPU）的范式，它通过物理定律直接对物理量进行运算，省去了数字计算中二进制编码和逻辑门操作的“翻译”环节，因此速度更快、能耗更低[3][5] - **精度突破**：研究团队通过器件、电路和算法协同创新，将模拟计算的相对误差从1%量级大幅压降至千万分之一（10^-7）量级，解决了长期制约模拟计算应用的精度瓶颈，使其精度首次能够满足AI训练等高精度计算场景的刚性需求[7][9][12] - **核心创新**：1) 器件层面，首次采用可量产的阻变存储器作为核心器件，形成“现代模拟计算”范式；2) 电路层面，设计全新反馈电路，在不显著增加能耗与延时的前提下实现高精度；3) 算法层面，引入迭代优化及“位切片”算法，高效实现高精度矩阵方程求解[9][15] 性能优势与比较 - **能效与算力**：相较于数字计算，该模拟计算芯片能效提升百倍，算力吞吐量提升千倍[9] - **硬件效率**：数字计算完成一次“1+1”需要28个晶体管，完成两个10位数的乘法需要约1万个晶体管，而模拟计算在电子尺度通过物理定律直接完成，硬件资源开销与能耗下降数个量级[3][5] - **工艺优势**：芯片可在28纳米及以上成熟工艺节点量产，无需依赖最先进的制程和EUV光刻机，利用现有芯片生产线即可[1][9][22] 应用场景与前景 - **目标领域**：芯片面向矩阵计算，是AI大模型训练（尤其二阶训练）、6G大规模MIMO、具身智能、超级计算（如气象预报、量子力学模拟）等前沿领域的核心运算的理想载体[1][9][10][20] - **当前阶段**：目前处于实验室原理验证阶段，矩阵规模为16x16，更适用于中等规模场景，在小规模任务上性能优势不明显，尚未进行大规模应用[9][18] - **二阶训练潜力**：当前主流AI训练为一阶方法，二阶方法迭代次数更少但计算量巨大，该技术擅长快速求解矩阵方程，理论上非常适合加速AI二阶训练[18][19] 发展路径与规划 - **规模扩展**：团队计划在2年内将芯片阵列规模从16x16提升至128x128，并力争扩展至512x512，以达到在具身智能、6G通信等中等规模场景产生实际效用的水平[10][24] - **产业化路径**：芯片制造流程与数字芯片相同，可委托现有代工厂生产流片，产业化路径清晰，但走向消费端仍需大量工程化、可靠性验证和商业推广工作[10][22][23] - **战略意义**：该技术为中国算力发展提供了一条“换道超车”的可能性，有望降低对先进制程和英伟达GPU的单一依赖，团队在该赛道上处于全球领先位置，但距离真正“摆脱依赖”还有很长的路要走，需要持续投入进行技术储备[10][25] 技术载体与扩展性 - **核心载体**：当前研究以阻变存储器为硬件载体实现高速、低功耗矩阵方程求解，但模拟计算的核心是数学到物理的映射，原则上其他非易失存储器（如相变、磁性、铁电存储器等）也可承载该电路[16][17] - **规模扩大逻辑**：对于超算等需要求解“百万×百万”级别大规模矩阵方程的场景，可通过算法设计实现“以小博大”，例如用512x512的硬件求解1024x1024的方程[21]

技术突破与核心优势 - 北京大学团队成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，在全球范围内首次将模拟计算的精度提升至24位定点精度[2] - 该芯片将模拟计算的相对误差从1%大幅降低至千万分之一（10⁻⁷），精度提升了5个数量级，首次使模拟计算具备与主流数字计算（如FP32）接轨的数值可靠性[8][13] - 核心创新点包括：器件层面采用可量产的阻变存储器实现“现代模拟计算”范式；电路层面设计全新反馈电路实现快速近似求解；算法层面结合“位切片”与迭代优化算法高效实现高精度矩阵方程求解[15] - 相较于数字计算，模拟计算通过物理定律直接进行运算，无需二进制编码和逻辑门操作，因此在硬件资源开销与能耗上均下降数个量级，能效提升百倍，算力吞吐量提升千倍[6][10] - 该芯片可在28纳米及以上成熟制程量产，能够利用现有芯片生产线，有效绕开先进光刻机等“卡脖子”环节[2][10] 应用场景与市场定位 - 该芯片面向矩阵计算，是AI推理（矩阵乘法）、AI二阶训练（矩阵方程求解）、6G通信、具身智能及科学计算等前沿领域的核心运算单元[2][10] - 该技术特别适用于AI模型的二阶训练加速，因为二阶训练每次迭代都需解矩阵方程，计算量巨大，而该芯片擅长快速矩阵方程求解[19] - 除AI与6G外，超级计算（如气象预报、量子力学模拟）是更庞大且契合的应用场景，因为超算中心的大量算力实质上都用于求解矩阵方程[21] - 目前芯片处于实验室原理验证阶段，矩阵规模为16x16，更适用于中等规模场景，在小规模任务上性能优势不明显，尚未进行大规模应用[11][18] - 团队计划在2年内将芯片阵列规模从16x16提升至128x128，并力争达到512x512，以在具身智能、6G通信等中等规模场景产生实际效用[11][25] 行业影响与战略意义 - 该技术为算力领域提供了一条全新的“模拟计算”技术路线，有助于减少对单一数字计算范式（如GPU）的依赖[4] - 随着摩尔定律趋于终结，晶体管微缩困难，数字计算陷入能耗困局，横向堆叠计算卡（从百卡到十万卡）的方式在能耗和碳排放上不可持续，模拟计算被视为一种潜在的突破路径[5] - 该成果由中国团队在全球范围内首次实现，在模拟计算赛道上处于领先位置，为中国在算力领域提供了“换道超车”的可能性，有望降低对先进制程和英伟达GPU的单一依赖[11] - 新型芯片的问世证实了新路径的可行性，但距离真正大规模应用和“摆脱依赖”仍有很长的路，需要国家、科技界和产业界持续投入进行技术储备，以抓住未来算力需求爆发的窗口期[11][26]

宏观经济政策导向 - 二十届四中全会提出建设强大国内市场，坚持扩大内需战略基点，促进消费和投资良性互动，大力提振消费，扩大有效投资 [2] - 加快高水平科技自立自强，统筹教育强国、科技强国、人才强国建设，加强原始创新和关键核心技术攻关，发展新质生产力 [2] 能源资源与技术 - 中国石化在四川盆地发现亿吨级新页岩油增储阵地，风险探井綦陆页1井测试获日产页岩油38.64立方米，天然气1万立方米 [3] - 日本电力巨头JERA将斥资15亿美元收购美国路易斯安那州Haynesville页岩盆地南曼斯菲尔德上游资产 [17] 新能源汽车与电池技术 - 欣旺达推出新一代聚合物全固态电池"欣·碧霄"，能量密度达400Wh/kg，循环寿命1200周，预计年底建成0.2GWh中试线，实验室样品能量密度达520Wh/kg [4][5] - 京东联合宁德时代、广汽集团推出"国民好车"埃安UT super，配置500公里续航，2750mm轴距，搭载"广汽华为云车机" [8] - 通用汽车计划于2028年推出"视线脱离"驾驶技术，并明年引入对话式人工智能技术 [15] - 韩国从2029年起强制新乘用车配备防止误踩加速踏板装置 [16] 科技与人工智能 - 字节跳动推出3D生成大模型Seed3D 1.0，实现从单张图像到高质量仿真级3D模型的端到端生成 [6] - 北京大学团队成功研制基于阻变存储器的高精度模拟矩阵计算芯片，计算吞吐量与能效较顶级GPU提升百倍至千倍 [10] - OpenAI、甲骨文与Vantage Data Centers将在威斯康星州建设"星际之门"数据中心园区 [11] - 特斯拉计划明年第一季度展示下一代擎天柱机器人V3原型，明年底开始建设100万台生产线 [10] 高端制造与物流 - 中船集团广船国际交付首艘自研大型出口双燃料客滚船，可使用燃油和液化天然气，配备485间客房，可搭载1800名乘客和550辆轿车 [3] - 菜鸟正式进入"小时达"时代，为淘宝闪购提供仓配小时达服务，加速拓展至国内核心城市 [7] 消费电子与智能设备 - 华为新品路线图曝光，Pura 90系列预计2026年4月亮相，2025年底至2026年将推出Mate 80系列、Mate X7系列及nova 15系列 [9] - 苹果可能跳过iPhone 19，计划2027年直接推出iPhone 20系列以纪念初代iPhone问世二十周年 [12][13] 企业资本运作 - 霍尼韦尔推进航空航天业务分拆计划，2026年下半年独立上市，重组后公司将聚焦楼宇自动化、工业自动化及过程自动化和技术三大板块 [14] - 智能电动房车品牌"松鼠动力"完成Pre-A轮融资，用于核心产品量产准备与北美市场布局 [17] - 新石器公司完成逾6亿美元D轮融资，由阿联酋磊石资本领投 [17] - 中电科蓝天科技科创板IPO审核状态变更为"已问询" [18] - 星河动力正式启动上市辅导，由华泰联合证券担任辅导机构 [18] 金融市场表现 - A股三大指数集体收涨，沪指涨0.22%，深成指涨0.22%，创业板指涨0.09% [19] - 恒生指数涨0.72%报25967.98点，科技指数涨0.48%报5951.45点，国企指数涨0.83%报9300.74点 [19] - 美股三大指数集体下跌，道指跌0.71%，标普500指数跌0.53%，纳指跌0.93% [20]

技术突破核心观点 - 中国科学家在计算架构上取得重大突破，成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片 [1] - 该技术首次将模拟计算精度提升至24位定点精度，计算吞吐量与能效远超现有顶级GPU，幅度可达百倍至千倍 [1] - 该技术有望打破数字计算的长期垄断，为算力提升探索出极具潜力的路径，开启算力无处不在且绿色高效的新时代 [1] 技术原理与优势 - 当前主流CPU和GPU均为采用冯诺依曼结构的数字芯片，其特点是将计算和存储功能分开 [1] - 基于阻变存储器的模拟计算优势在于取消了“将数据转化为二进制数字流”的过程，同时不必进行“过程性数据存储” [1] - 新技术将数据计算过程与数据存储合而为一，实现了算力解放 [1] 市场相关公司 - A股相关概念股包括圣邦股份、长电科技等 [2]

量子通信 - 中国电信量子研究院团队成功实现超过80公里的经典光信号与量子密钥分发共纤传输现网实验，传输速率超过10Tb/秒，现网共纤距离创全球最高纪录[1] - 量子通信基于量子力学原理，具有无法被破解的安全性，因任何对量子系统的观测都会改变系统状态从而被察觉[1] - 量子通信主要应用包括量子密钥分发、量子隐形传态和量子纠缠传输等[1] 模拟芯片 - 北京大学科研团队成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次将模拟计算精度提升至24位定点精度[1] - 该芯片计算吞吐量与能效远超现有顶级GPU，幅度可达百倍至千倍[1] - 模拟计算优势在于取消数据转化为二进制数字流过程，将数据计算与存储合而为一，有望打破数字计算长期垄断[2] 大模型 - 字节跳动Seed团队推出3D生成大模型Seed3D1.0，能从单张图像端到端生成高质量仿真级3D模型，包括精细几何、真实纹理和PBR材质[2] - 海外World Labs的3D世界生成模型Marble性能较前代显著提升，未来模型有望赋能游戏、影视制作等领域[3] - 国内通义Deep Research实现多项测试SOTA并已赋能多个阿里应用，多模态模型技术持续迭代有望降低内容创作门槛[3] AI眼镜 - 阿里巴巴首款自研AI眼镜夸克AI眼镜开启预售，88VIP会员到手价3699元，普通消费者3999元，搭载高通AR1和恒玄BES2800双旗舰芯片[4] - 2025年AI眼镜中国市场销量预计增长188%，生态协同、技术迭代与成本优化将驱动其复刻智能手机发展轨迹[4] - 未来AI眼镜有望开启千亿元级市场空间，国产厂商通过鸿蒙生态整合、光波导技术、供应链降本实现硬件成本下探[4] 漫剧 - 近半年漫剧累计上线3000+作品，流水规模激增12倍，2025年4月-7月剧目供给量复合增长率达83%，赛道规模有望突破200亿元[5] - 2025年9月抖音漫剧新增播放量TOP50中，AI漫剧占据22部，AI已介入剧本、分镜、线稿、动效、配音、剪辑等全流程[5] - 应用AI后漫剧单分钟成本从2000元-5000元降至1000元-2500元，部分环节提效50%-80%[5] 宏观与行业新闻 - 二十届四中全会公报强调着力稳就业、稳企业、稳市场、稳预期，宏观政策要持续发力、适时加力，深入实施提振消费专项行动[6] - 中美将于10月24日至27日在马来西亚举行经贸磋商[6] - 我国在运核电机组达59台，总装机容量6248万千瓦，核准在建机组53台，装机容量6293万千瓦，总装机规模突破1.25亿千瓦，连续保持世界第一[6] - 人工智能驱动的存储"超级周期"或将持续时间更长、强度更大，三星电子、SK海力士等将在第四季度上调DRAM和NAND闪存价格，幅度高达30%[7] 市场题材复盘 - 量子计算领域相关公司包括德美化工、格尔软件、神州信息、科大国创、达华智能等[11] - 深圳本地股因《深圳市推动并购重组高质量发展行动方案（2025—2027年）》发布受到关注，相关公司包括深物业A、深赛格、广田集团、建科院、深纺织A、特力A、特发信息、天健集团、中新春克、力合科创、深粮控股、深圳能源、申科股份等[11][12] - 煤炭板块因大降温持续受到关注，相关公司包括大有能源、安泰集团、郑州煤电、云煤能源、陕西黑猫、辽宁能源、山西焦化、上海能源等[12] - 短剧/互动影游板块因漫剧市场超200亿规模受到关注，相关公司包括欢瑞世纪、幸福蓝海、海着股份、法狮龙等[12] - 其他活跃题材包括深地经济、机器人、核聚变、医药、冰雪产业、国产芯片、东数西算/算力、资产重组、锂电池、新能源汽车等，相关公司均有市场表现[12][13][14]

核心技术突破 - 成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次实现精度可与数字计算媲美的模拟计算系统 [1] - 该芯片在求解大规模MIMO信号检测等关键科学问题时，计算吞吐量与能效较当前顶级数字处理器（GPU）提升百倍至千倍 [1] - 团队特色在于专注于更具挑战性的矩阵方程求解（AI二阶训练的核心），而非主流的矩阵乘法（AI推理的核心） [7] 技术原理与优势 - 模拟计算无需将数据转化为二进制数字流，可直接用连续的物理量（如电压、电流）来类比数学上的数字，取消了“过程性数据存储”，实现计算与存储合而为一的“存算一体” [4][5][7] - 模拟计算凭借物理规律直接运算，具有低功耗、低延迟、高能效、高并行的天然优势 [7] - 在实验上成功实现16×16矩阵的24比特定点数精度求逆，矩阵方程求解经过10次迭代后，相对误差可低至10⁻⁷量级 [9] 性能表现 - 在求解32×32矩阵求逆问题时，其算力已超越高端GPU的单核性能 [9] - 当问题规模扩大至128×128时，计算吞吐量达到顶级数字处理器的1000倍以上，传统GPU需一天完成的计算，该芯片一分钟即可完成 [9] 行业定位与应用前景 - 模拟计算在未来AI领域的定位是强大的补充，最有可能快速落地的场景是计算智能领域，如机器人和人工智能模型的训练 [11] - 未来计算架构将是互补共存：CPU作为通用“总指挥”，GPU专注于加速矩阵乘法计算，而模拟计算芯片旨在更高效地处理AI等领域最耗能的矩阵逆运算 [11]

核心技术突破 - 成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次实现精度可与数字计算媲美的模拟计算系统 [1] - 该芯片的核心创新在于解决了模拟计算“算不准”的痛点 [4] - 团队专注于更具挑战性的矩阵方程求解，这是AI二阶训练的核心，而非仅集中于矩阵乘法 [6] 性能优势 - 在求解大规模MIMO信号检测等问题时，计算吞吐量与能效较当前顶级数字处理器提升百倍至千倍 [1] - 当问题规模扩大至128×128时，计算吞吐量达到顶级数字处理器的1000倍以上，传统GPU需一天完成的工作，该芯片一分钟即可搞定 [8] - 模拟计算具有低功耗、低延迟、高能效、高并行的天然优势 [6] - 实验成功实现16×16矩阵的24比特定点数精度求逆，矩阵方程求解经过10次迭代后相对误差低至10⁻⁷量级 [8] 技术原理与架构 - 模拟计算无需将数据转化为二进制数字流，是一种“类比计算”，直接用连续的物理量来类比数学数字 [4] - 基于阻变存储器的模拟计算取消了过程性数据存储，将数据计算过程与数据存储合而为一，实现算力解放 [6] - 该技术路径不同于采用冯诺依曼结构的当前主流CPU和GPU [6] 行业定位与应用前景 - 模拟计算在未来AI领域的定位是强大的补充，最有可能快速落地的场景是计算智能领域，如机器人和人工智能模型的训练 [10] - 该芯片旨在更高效地处理AI等领域最耗能的矩阵逆运算，是对现有算力体系的有力补充 [10] - 未来将与CPU、GPU互补共存，CPU作为通用总指挥，GPU专注于加速矩阵乘法 [10]

技术突破 - 成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次实现精度可与数字计算媲美的模拟计算系统 [1] - 该芯片在求解大规模MIMO信号检测等关键科学问题时，计算吞吐量与能效较当前顶级数字处理器提升百倍至千倍 [1] - 团队成功实现16×16矩阵的24比特定点数精度求逆，矩阵方程求解经过10次迭代后相对误差可低至10量级 [8] 性能优势 - 在求解32×32矩阵求逆问题时，其算力已超越高端GPU的单核性能 [8] - 当问题规模扩大至128×128时，计算吞吐量达到顶级数字处理器的1000倍以上，传统GPU需一天完成的任务该芯片一分钟即可完成 [8] - 模拟计算凭借物理规律直接运算，具有低功耗、低延迟、高能效、高并行的天然优势 [6] 技术原理 - 模拟计算无需将数据转化为二进制数字流，可直接用连续的物理量来类比数学上的数字 [4] - 基于阻变存储器的模拟计算取消了过程性数据存储，将数据计算过程与数据存储合而为一 [5] - 该技术专注于更具挑战性的矩阵方程求解，即AI二阶训练的核心，其矩阵求逆操作要求计算精度极高，时间复杂度达立方级 [6] 行业定位与应用前景 - 模拟计算在未来AI领域的定位是强大的补充，最有可能快速落地的场景是计算智能领域，如机器人和人工智能模型的训练 [9] - 该模拟计算芯片旨在更高效地处理AI等领域最耗能的矩阵逆运算，是对现有算力体系的有力补充 [9] - CPU作为通用总指挥因其成熟与经济性难以被淘汰，GPU专注于加速矩阵乘法计算，模拟计算芯片将与之互补共存 [9]

技术突破 - 成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片 [1] - 首次实现了在精度上可与数字计算媲美的模拟计算系统 [1] - 将模拟计算的精度提升至24位定点精度 [1] 性能表现 - 在求解大规模MIMO信号检测等关键科学问题时，计算吞吐量与能效较当前顶级数字处理器提升百倍至千倍 [1] - 在求解32×32矩阵求逆问题时，其算力已超越高端GPU的单核性能 [2] - 当问题规模扩大至128×128时，计算吞吐量达到顶级数字处理器的1000倍以上 [2] - 相同精度下能效比传统数字处理器提升超100倍 [2] 技术细节 - 实验上成功实现16×16矩阵的24比特定点数精度求逆 [2] - 矩阵方程求解经过10次迭代后，相对误差可低至10⁻⁷量级 [2]