AI 系統（例如 ChatGPT 或 Claude）以高耗能著稱。它們需要將資料存放在一處，然後在別處進行處理，不斷地在兩者之間來回移動。這個問題或許現在能透過新的研究來解決。 路夫堡大學的一組物理學家已設計出一種裝置，能在資料隨時間變動的情況下，直接在硬體內完成處理。過去的傳統系統依賴軟體式方法來做到這一點。
由 @LboroScience 研究人員開發的、受大腦啟發的晶片，可能讓某些 AI 任務的能效提升高達 2,000 倍 ⚡🧠
該裝置可直接在硬體中處理資料——提供一條降低耗電、讓 AI 系統更永續的新途徑。
了解⤵️https://t.co/OdJGJhs3IW
— 路夫堡大學公關（@LboroPR）2026 年 4 月 2 日
研究團隊提出，借助這款新晶片，它相較於現有方法可能能達到 2,000 倍的能效。 「這令人振奮，因為它表明我們可以重新思考 AI 系統的建置方式。」該研究共同第一作者 Pavel Borisov 博士在一份聲明中表示。「透過使用物理過程，而不是完全依賴軟體，我們能大幅降低這類任務所需的能量。」 在傳統 AI 系統中，情況就像是把文件在兩間辦公室之間（記憶體與處理器）來回傳送，不斷重複；而有了這款新晶片，則可能更像是擁有一間更聰明的辦公室，讓所有工作都在同一個地方完成。 大腦增益 這款晶片的核心是一種「記憶電阻」（memory resistor），它是一種能記住過往訊號的記憶晶片。這種記憶會改變它對新訊號的反應——換句話說，它不只是照指令行事，而是從歷史中學習。這個概念是以人類大腦為模型。 「受到人類大腦在其所有神經元之間形成極其眾多、且看似隨機的神經元連結的方式啟發，我們透過在鎳氧化物（niobium oxide）的奈米薄膜中設計孔洞，作為一種新型電子裝置的一部分，在人工神經網路中建立了複雜且隨機的物理連結。」Borisov 博士說。
「我們展示了如何利用這些裝置，以相較於標準的基於軟體的解決方案最高可達兩千倍更低的能耗，去預測複雜時間序列的未來演化。」 AI 常用來處理會隨時間變動的資料，例如天氣報告、股市追蹤或波形分析。它們未必是隨機的，但對微小變化十分敏感。 對於這種更混沌的量測類型，傳統 AI 系統需要消耗大量能量才能跟上所有細微變化，並在資訊之間來回傳送。這款新晶片可能能為這些更混沌的系統量身打造。 透過分析過去的量測與經驗，這款晶片能更好地學習去追蹤與理解這些混沌類型的量測，從而降低所需的能量輸出。 儘管我們常把 AI 想像成像 ChatGPT 或人臉影像軟體那樣的東西，但如今它存在於多數應用之中。這項工具的目標並非靜態資訊——例如聊天機器人——而是時間相關（time-dependent）的資訊。 「心跳率、腦部的電活動、外界溫度。這些都每天都在變。有能力的應用可以追蹤這些，但它們能耗高，且需要與伺服器保持穩定的線上連接。」Borisov 博士對 Decrypt 表示。 這正是這款晶片可能被用於的領域，可為不穩定且常常在時間推移中改變的資料，打造更聰明的系統。
「我最終的目標是讓這類技術用在時間相關的訊號上。無論是在汽車、機器人、核電廠，或是智慧手錶上。」他補充道。「例如，用來監測某人是否中風、監測汽車引擎的健康狀況，或監控核反應爐是否正在正常運作——這類事情。」
