面向AI的先进计算技术发展趋势 | 中国电子信息工程科技发展研究

先进计算是面向从量变到质变的信息需求，在计算方式、位置、算法或机理等方面产生进步和革新的新兴计算技术及产业的统称。纵观历史，人类社会的计算技术经历了从结绳计数、基于机械原理的计算器到电子计算机的诞生，再到现代的超级计算、云计算乃至量子计算等，每一次计算范式的革新都显著推动了社会生产力的跨越式提升。

硅-冯经典计算是现代计算技术范畴中发展最成熟、占据主流地位的技术范式，为人类社会进入信息化时代奠定了基础。经历了大半个世纪的发展，目前已形成相对清晰的技术框架，具体包括基础理论及定律、物理载体(包括材料、工艺、器件、架构、整机)、软件算法三部分（图1）。计算架构和器件技术相互影响，相互促进，架构是器件技术走向应用的桥梁，而器件技术的进步则促进了架构的创新。一段时期以来，硅基器件工艺逐渐逼近物理极限，而冯·诺依曼架构的存储程序模式也越来越难以满足应用发展的需求。

图1 经典计算的技术框架

随着人工智能(artificial intelligence，AI)算力需求的爆发式增长，业内通过改进器件工艺、提升器件性能的方式来应对海量数据所需的高密度、实时性和多样化的算力需求已难以为继。重新定义器件结构、计算架构、系统软件等，并在新兴计算领域寻求种种可能，以期获得较佳的技术路径变得异常重要。

当前，先进计算技术发展呈现出双轨并行的趋势：一方面是围绕AI 训练与推理等新型计算任务，不断优化和扩展现有计算架构，以应对模型规模持续扩大、实时性要求不断提升的应用挑战；另一方面则是通过探索量子计算、类脑计算等非冯·诺依曼架构的新兴计算范式来解决传统计算方法难以解决的问题。两类并行路线正推动先进计算体系朝着更高效、更智能、更适应AI 时代复杂应用场景的方向演进。

点击翻页

点击翻页

点击翻页

点击翻页

点击翻页

点击翻页

点击翻页

中国电子信息工程科技发展研究.

AI先进计算技术专题购买

中国信息与电子工程科技发展战略研究中心著

北京: 科学出版社, 2026.5

(新一代信息工程科技新质生产力技术系列)

ISBN 978-7-03-085637-1

《中国电子信息工程科技发展研究 .AI 先进计算技术专题》一书围绕经典与新兴两种计算范式，深入研究国内外面向AI 的新兴前沿计算技术(聚焦器件、工艺、材料等底层“使能”技术)发展现状和趋势，围绕经典及新兴计算技术发展态势及全球新兴前沿计算技术相关战略、科研布局展开分析，厘清新兴前沿计算技术谱系，提出近、远期发展思路，希望能为我国面向AI 的先进计算技术布局、政策部署、发展战略规划及产业体系完善提供参考。本文节选分享“第7 章 面向AI 的先进计算技术发展趋势研判”的部分内容。

为了更好地辨析面向AI 的先进计算技术整体发展态势，本章（文）从构成信息通信技术(information and communication technology，ICT)的底座要素——软件、硬件(器件技术)和架构的互动关系(图2左侧)出发加以分析。软件、硬件和架构三者关系紧密，相互依赖，共同推动ICT 的发展和创新。其中，软件和器件的互动来到“软件定义器件”阶段，软件和架构的互动则进入“软件定义架构”阶段，进而实现“软件定义一切”。而器件与架构的互动则形成四大技术谱系，如图2右侧所示。其中，“硅-冯”范式(即经典范式)的计算技术出现硬件、架构、软件等多维创新，“堆叠异构集成”使不同类型、功能和性能的芯粒紧密地组合在一起，提高了芯片的整体性能和能效(如英伟达的DGX GB200)；“多样性协处理器(xPU)的异构计算架构”为特定任务优化的协处理器协同工作，合理分配计算资源，提高了计算效率和灵活性(如xDSA)，是数字AI 芯片架构的发展主流；“软件定义算法”以适应不断变化的计算需求和硬件环境，优化计算流程，提高资源利用率(如英伟达的CUDA)。“类硅”技术是针对硅基器件能效(性能与功耗)瓶颈，寻找诸如TFET、2D FET 等新型开关器件替代硅CMOS 器件以提升能效。“类脑”架构是开发“类似”程度不同的“存算一体”“事件驱动”机理的神经形态计算，以解决存算分离的瓶颈，基于“类脑”架构的芯片属于模拟AI 芯片。“新兴”范式则基于新型状态变换(如量子态)的量子计算等，在上述创新过程中逐步逼近并在最大程度上解决“硅-冯”范式的能效瓶颈问题。

图2 后摩尔时代的技术创新

“硅-冯”范式仍将长期存在，但就其高能效指标需求而言已渐“日薄西山”，为此需充分结合新兴范式的极高计算效率，通过“混合计算”实现计算资源的最优配置和任务的高效执行，如图3 所示。混合计算的核心在于动态的任务分配与协同，以一个复杂任务为例(如自动驾驶的实时决策)，整个计算任务将被智能地分解：规则性的大规模矩阵运算由GPU 或存内计算阵列处理；连续流式的传感器数据处理由事件驱动的神经形态计算芯片进行低功耗的实时感知与过滤；非结构化推理和复杂决策由CPU协调，这种“分工合作”的混合模式是实现能效和性能平衡的主要手段。

图3 混合计算架构

这一趋势首先体现在架构层面。传统的“CPU+加速器”异构计算将继续深化，并进化为更广义的异构混合架构。这意味着，在一台计算设备中不仅包含基于冯·诺依曼体系的通用CPU 和专用加速器(GPU、FPGA、ASIC 等)，更将集成基于不同物理原理或计算模式的计算单元，如模拟存内计算单元、神经形态计算芯片乃至量子处理器(QPU)，它们不是独立的计算机，而是作为一个整体计算系统的不同“器官”各司其职。

其次，混合计算体现在计算范式的互补上。最具代表性的是经典-量子混合计算，在量子计算可预见的未来，QPU 并非取代经典计算机，而是与之协同工作。量子计算机擅长特定复杂计算，但其初始化、控制、结果读取和后续处理均需强大的经典计算机辅助。未来的量子算法大多是混合算法，在经典计算机和量子计算机之间进行多次迭代，二者缺一不可。同样，数字-模拟混合计算也在神经形态计算芯片中普遍存在，模拟电路进行高效的乘加运算，数字电路则负责精确控制、路由和非线性函数。

最终，所有硬件能力的融合必将通过软件层来实现。未来的软件开发将不再针对某种特定硬件，而是面向统一的“混合计算平台”，底层复杂的硬件资源将被抽象化， 通过应用程序编程接口(application programming interface，API)、微服务和编译器，应用程序可以无缝地调用最适合的计算技术，而无须关心其物理实现是电子、光子还是量子。软件的核心任务将演变为智能的任务分解与调度，从而实现整个混合计算系统效能的最大化。

总而言之，未来面向AI 的先进计算的发展趋势是融合与协同。未来的AI 算力基石不是一个取代另一个的“杀手级”技术，而是一个由多范式混合计算架构构成的、高效协同的“算力联盟”，共同应对日益复杂和多样化的计算挑战。

本文摘编自《中国电子信息工程科技发展研究.AI先进计算技术专题》（中国信息与电子工程科技发展战略研究中心著. 北京: 科学出版社, 2026.5）一书“第1 章 先进计算技术发展概述”“第7 章 面向AI 的先进计算技术发展趋势研判”，有删减修改，标题为编者所加。

(新一代信息工程科技新质生产力技术系列)

ISBN 978-7-03-085637-1

责任编辑：孙力维 赵艳春

自20 世纪人类发明计算机以来，以冯·诺依曼计算架构和硅基半导体器件技术为核心的经典范式计算技术为人类社会进入信息化时代奠定了基础。然而，硅基器件工艺技术逐渐逼近物理极限，冯·诺依曼架构也越来越难以满足应用发展的需求。随着AI 算力需求的爆发式增长，业内开始探索各类新兴前沿计算技术和计算范式，以解决算力需求瓶颈。本书深入研究国内外面向AI 的新兴前沿计算技术(聚焦器件、工艺、材料等底层“使能”技术)发展现状和趋势，围绕经典及新兴计算技术发展态势及全球新兴前沿计算技术相关战略、科研布局展开分析，厘清新兴前沿计算技术谱系，提出近、远期发展思路，希望能为我国面向AI 的先进计算技术布局、政策部署、发展战略规划及产业体系完善提供参考。

本书可作为计算机、微电子等信息技术领域专家学者、工程技术人员及行业工作者的参考书，也适合相关专业的本科生和研究生阅读、参考。

（本文编辑：刘四旦）