随着摩尔定律失效，传统冯·诺依曼架构的内存墙问题成为算力发展的核心瓶颈。北京大学提出的多物理域计算架构，通过集成异构存储并智能分配任务，一举突破后摩尔时代困局，在实现计算速度与能效数十倍提升的同时，保持了极高的准确性，为AI和高算力需求领域带来了颠覆性解决方案。
智能速览
传统冯·诺依曼架构存在内存墙问题，限制了AI时代的算力提升。
北大提出多物理域计算架构，集成异构存储器并智能分配任务。
该架构将傅里叶变换速度提升至5000亿次/秒，能效提高近42倍。
系统计算准确性高达99.2%，是首款真正可用的多物理域计算系统。
技术已与华为、阿里云合作，预计下半年应用于大模型训练等领域。
该技术有望在具身智能和脑机接口等前沿领域发挥关键作用。
精华内容
这一突破究竟是如何实现的？它如何打破延续70年的计算体系，又将如何改变未来的科技格局？
算力困局
摩尔定律逐渐失效，单纯增加晶体管数量和面积已难以为继。更核心的瓶颈在于，遵循冯·诺依曼架构的传统芯片，数据需要在内存和处理器之间频繁搬运，形成所谓的“内存墙”。在处理AI等大数据任务时，这种数据传输效率的低下，极大地限制了整体计算性能的发挥，使得算力提升遭遇了根本性障碍。
多域协同
为绕开内存墙，北京大学团队创造性地提出了多物理域计算架构。该方案的核心思想是打破单一存储单元的限制，将不同类型的存储器（如SRAM、DRAM、闪存等）集成在同一系统中。系统能够根据不同计算任务的特点，智能地将任务分配给最适合的物理域去处理，让运算在离数据最近的地方发生，从而极大减少不必要的数据迁移。
性能跃升
实验数据证明了该架构的卓越性能。在傅里叶变换测试中，其计算速度从每秒1300亿次提升至5000亿次。与此同时，能效提升了惊人的42倍，这对于功耗敏感的计算场景至关重要。更为关键的是，整套系统在实现高性能的同时，保证了高达99.2%的计算准确性，成为首款兼具高性能、高能效与高精度的可实用化多物理域计算系统。
应用前景
这项技术的产业化进程已经启动，目前已与华为、阿里云达成合作，预计今年上半年完成中试量产，下半年即可进入大模型训练中心。其高带宽特性使其在自动驾驶、机器人等实时性要求高的领域拥有巨大潜力。此外，该架构天然适合处理多传感器并行数据，有望推动具身智能发展；其超高能效也能显著降低脑机接口植入设备的更换频率，开辟新的应用前沿。
这项源自北京大学的计算架构创新，不仅是技术层面的单点突破，更是一套从算法到器件的完整系统性解决方案，标志着中国在核心计算领域正从追随者迈向引领者。随着这一技术的落地，全球科技竞争的格局或将迎来重塑。未来的算力世界，会是怎样一番景象？
