中国科学家运用碳纳米管替代传统的硅半导体，成功研制出一种新型张量处理单元（TPU），这是一款特殊的计算机芯片。这款新型芯片或许能为更节能的人工智能（AI）开辟新路径。
人工智能模型依赖大量数据，运行时需要庞大的计算能力，这给机器学习模型的训练与拓展带来了巨大阻碍，尤其在人工智能应用需求持续攀升的当下。正因如此，科学家们积极投身于新型组件的研发，从处理器到计算内存，这些组件旨在运行必要计算时降低能耗。
2015年，谷歌科学家为应对这一难题创建了TPU。这些专用芯片作为张量运算的专用硬件加速器，用于执行训练和运行AI模型所需的复杂数学计算。通过将此类任务从中央处理器（CPU）和图形处理器（GPU）中分流，TPU让AI模型能够更快速、高效完成训练。
然而，与传统TPU不同的是，这款新型芯片首次采用碳纳米管（由碳原子呈六边形排列构成的微小圆柱形结构），取代了硅等传统半导体材料。这种结构能让电子（带电粒子）以极小的阻力通过，使碳纳米管成为极佳的电导体。
据科学家介绍，研发的TPU功耗仅为295微瓦（μW），每瓦可执行1万亿次操作，这是衡量能源效率的重要指标。相比之下，谷歌Edge TPU使用2瓦功率时，每秒可执行4万亿次操作（TOPS）。如此一来，中国碳基TPU在能源效率上提升了近1700倍。
新型TPU由3000个碳纳米管晶体管组成，采用收缩阵列架构（一种以网格状排列的处理器网络）。脉动阵列以同步、循序渐进的顺序将数据传输至每个处理器，犹如物品在传送带上移动一般。这使得TPU能够通过协调数据流，确保每个处理器同时处理一小部分任务，进而实现多个计算的并行执行。
这种并行处理方式能够加快计算速度，这对于处理大量数据的AI模型而言至关重要。TPU还减少了内存（特别是静态随机存取存储器（SRAM））读写数据的频率。通过将这些操作降至最低，新型TPU能够在降低能耗的同时，更快速地执行计算。
为了测试新型芯片的性能，科学家们构建了一个五层神经网络，这是一组模拟人类大脑结构的机器学习算法，并将其应用于图像识别任务。最终，TPU在保持295μW低功耗的情况下，实现了88%的准确率。研究人员表示，未来类似的基于碳纳米管的技术有望为硅基芯片提供更节能的替代方案。
