麻省理工學院研發省電 AI 晶片：模仿人腦神經突觸，能效大幅提升

人工智慧已滲透生活角落，從影像生成、文獻整理到編寫程式，無不倚靠高速運算的龐大 AI 模型支撐。這些算力消耗龐大電力，國際能源總署估算到 2030 年，全球資料中心年耗電量達 945 太瓦時（TWh），等於日本一整年用電。為了讓 AI 更節能永續，麻省理工學院嘗試從大腦汲取靈感，開發更省電 AI 晶片。

主流 AI 晶片幾乎都建立在運算與儲存分開進行的「馮‧諾伊曼架構」（von Neumann architecture）上。模型執行時，資料必須在處理器與記憶體間不斷傳輸，「資料搬運」過程正是最耗電的部分。而大腦神經元能同時處理資訊與更新記憶，幾乎不需長距離傳輸。MIT 團隊就是想模仿這種能同地方「思考與記憶」的高效架構。

模仿神經突觸的「離子突觸」

團隊開發「離子突觸」裝置，原理與兩神經細胞傳遞訊息的「突觸」（synapse）相似。當外加電壓變化，鎂離子會進入金屬氧化物層（如氧化鎢），改變導電率。變化就像突觸學習時「強化」或「減弱」訊號，能同時計算與記憶。博士生米蘭達‧施娃可（Miranda Schwacke）指出，選用穩定性更高的鎂離子取代常見氫離子，以確保元件重複操作時仍保持穩定。

然要讓新元件走出實驗室，還有幾項挑戰。首先是製程穩定性：離子在固體內的擴散速度、氧化物薄膜厚度及材料界面反應，都可能影響元件壽命與再現性。其次是整合門檻：現有晶片多採「互補式金屬氧化物半導體」（CMOS）架構，要將新材料整合至傳統製程並維持良率，難度極高。施娃可表示，研究橫跨固態化學與電機工程兩大領域，「許多現象都超出現有理論與經驗，幾乎沒有前例可循。」

能耗可望降低數十倍

但若「運算與記憶共存」（compute-and-memory co-localization）設計成功，AI 系統能耗可望降低數十倍。領導研究的爾吉‧耶迪茲（Bilge Yildiz）教授認為，真正突破不在單純「模仿大腦」，而是學習大腦運算邏輯，重新定義晶片架構。只有當材料科學與系統設計融合，AI 能源效率才有機會跨越時代大躍進。

MIT 研究提醒我們，打造永續 AI 並非僅靠綠電，而是必須從晶片架構重新設計。全球資料中心用電需求以倍數成長，能源壓力不容忽視。模仿大腦運作的「離子突觸」概念，為人工智慧晶片開啟一條全新路徑，讓運算不再仰賴龐大電力。若能成功落地，可大幅提升 AI 能源效率，並推動半導體產業邁向「智慧且節能」的新時代。