Kinesisk analog AI-chip kan være 1.000 gange hurtigere end Nvidia’s GPU
Forskere fra Peking Universitet har skabt en revolutionerende analog chip, der potentielt kan ændre hele AI-hardwareindustrien – og Nvidia bør måske begynde at svede lidt.
Forestil dig en chip, der kan løse komplekse matematiske problemer så hurtigt, at elektrisk strøm bogstaveligt talt udfører beregningerne “i lysets hastighed”. Det er ikke science fiction længere – det er virkelighed fra Kina.
Et forskerhold ledet af Dr. Sun Zhong fra Peking Universitet har udviklet en analog AI-chip baseret på resistiv hukommelsesteknologi (RRAM), der lover at revolutionere måden, vi tænker på computing. Og tallene er simpelthen vanvittige.
Præstationer der får selv Nvidia til at se gammeldags ud
Chippen leverer en computational throughput der er op til 1.000 gange højere end topmoderne digitale processorer som Nvidia’s H100 GPU. Samtidig bruger den cirka 100 gange mindre energi. Lad det lige synke ind.
Men her kommer det virkelig interessante: Forskerne har løst analog computings største problem – præcision. Deres chip opnår 24-bit fixed-point præcision, hvilket matcher digitale systemer. Det er som at løse et “hundredårigt problem”, som forskerne selv beskriver det.
Hvad er forskellen på analog og digital computing?
Tænk på det sådan: Digital computing er som en traditionel lyskontakt – enten tændt eller slukket (0 eller 1). Analog computing er derimod som en lysdæmper, hvor du kan justere til præcis den lysstyrke, du ønsker.
Denne tilgang gør analog computing ekstremt effektiv til opgaver som AI-træning og videnskabelige beregninger, hvor massive matrix-operationer er nødvendige. I stedet for at processere information trin-for-trin gennem algoritmer, bruger analog computing fysiske størrelser som spænding og strøm til at løse problemer direkte.
Fra antikkens Grækenland til moderne AI
Analog computing er faktisk ikke nyt – den ældste kendte analoge computer er Antikythera-mekanismen fra det antikke Grækenland, brugt til at forudsige astronomiske positioner. I 1936 byggede den sovjetiske ingeniør Vladimir Lukyanov “vandintegratoren”, der brugte vand i rør til at løse matematiske problemer.
Men analog computing har i årtier været begrænset af lav præcision og skalerbarhedsproblemer, hvilket relegerede det til “legacy teknologi”. Indtil nu.
Praktiske anvendelser allerede demonstreret
Forskerne har testet chippen på trådløs signaldetektion og fundet, at systemets præstation matcher digitale processorer. Det åbner døre for anvendelser inden for:
- 6G kommunikation – hvor Kina allerede er førende
- AI-acceleration – særligt til neurale netværk
- Videnskabelig computing – vejrsimuleringer og naturlige systemer
- Signalbehandling – for telekommunikation
Hvorfor er dette så vigtigt?
Efterhånden som AI-modeller bliver større og mere komplekse, støder traditionel digital computing på fysiske grænser. Problemet er særligt akut på grund af adskillelsen mellem processering og hukommelse i digitale systemer – det såkaldte “von Neumann bottleneck”.
Peking Universitets løsning bruger RRAM crossbar-arkitektur, der løser matrix-ligninger direkte gennem elektriske operationer. Det er en fundamentalt anderledes tilgang, der omgår de traditionelle flaskehalse.
Kinas “overhaling i svingene”
Kinesiske medier beskriver dette som “lane-changing overtaking” – en strategi hvor Kina springer over traditionelle digitale flaskehalse for at skabe en helt ny computational vej. Og det sker på et tidspunkt, hvor USA’s chipeksportrestriktioner mod Kina bliver stadig strammere.
Ironisk nok kan disse restriktioner have tvunget kinesiske forskere til at tænke radikalt anderledes – og resultatet kan blive en teknologi, der gør hele diskussionen om adgang til Nvidia’s chips irrelevant.
Hvad sker der nu?
Forskerne indikerer, at yderligere forbedringer er mulige gennem ekstra kredsløbsoptimeringer. Chippen har allerede overgået top-tier GPU’er i at løse mellemstore matrix-ligninger, og med fremtidige forbedringer kan præstationen blive endnu bedre.
For AI-industrien kunne dette betyde et paradigmeskifte. Hvis analog computing kan levere tusind gange højere hastighed med hundrede gange bedre energieffektivitet – og samtidig matche digital præcision – så er det ikke bare en inkrementel forbedring. Det er en potentiel revolution.
Og den kommer fra Kina. Nvidia, du er advaret.
