美國南加州大學約書亞·楊教授團隊聯合多國科研機構，成功研制出全球首款集成化人工神經元“1M1T1R”。該器件通過模仿生物神經元的工作機制，實現了皮焦耳級超低功耗運行，為構建類腦硬件學習系統開辟了新路徑。相關成果發表于《自然·電子學》期刊，被學界視為通向通用人工智能（AGI）的關鍵技術突破。

研究團隊從生物神經元的離子通道機制獲得靈感，創新性地采用擴散型憶阻器作為核心元件。這種特殊材料在電壓作用下，內部銀離子會形成動態導電通道，模擬神經信號的積累與釋放過程。通過將憶阻器、晶體管和電阻進行三維垂直堆疊，科研人員成功將傳統需要數十個晶體管才能實現的神經元功能，濃縮至單個晶體管尺寸的器件中，集成度提升兩個數量級。

實驗數據顯示，該人工神經元在處理“噴發脈沖海德堡數字”語音識別任務時，準確率達到91.35%。這項測試要求系統同時解析語音信號的時間序列特征與空間頻率信息，傳統AI算法在此類時空數據融合任務中表現欠佳。研究負責人指出，1M1T1R神經元展現出的漏電積分、閾值放電等六大生物特性，使其能夠像真實神經元般處理動態信息流。

能耗測試結果引發行業震動。當前版本神經元單次放電僅消耗1皮焦耳能量，相當于蚊子振翅能耗的千分之一。研究人員通過3納米制程工藝優化預測，未來能耗可降至艾焦耳級，較人腦神經元節能數千倍。這意味著由數十億個此類神經元組成的電子大腦，處理現有服務器級AI任務時，僅需手表電池即可持續運行。

在硬件架構層面，該技術突破了馮·諾依曼結構的瓶頸。傳統計算機處理AI任務時，CPU需反復從內存調取數據，導致高能耗與延遲。而1M1T1R神經元網絡采用事件驅動型異步通信，信號以脈沖形式在神經元間直接傳遞，這種并行處理模式與人腦工作機制高度相似。實驗顯示，由32個神經元組成的微型網絡，在平衡球控制任務中展現出實時軌跡預測能力。

項目聯合負責人透露，美國空軍研究實驗室與NASA自2018年起便參與核心技術攻關。在器件制備環節，科研團隊運用原子層沉積技術，在納米尺度精準控制憶阻器與晶體管的界面特性。電學測試環節則開發出專用脈沖發生系統，能夠捕捉納秒級信號變化。經過七年技術迭代，器件壽命從最初的數百次循環提升至百萬次級穩定運行。

該成果對AI硬件發展具有雙重意義。在應用層面，超低功耗特性使類腦芯片有望植入可穿戴設備或醫療監測裝置。在學術層面，隨機性放電特征為機器學習提供了新的優化路徑——實驗表明，適當引入神經元級噪聲可使網絡跳出局部最優解，在圖像復原任務中將峰值信噪比提升12%。

目前研究團隊正與半導體企業合作推進7納米制程工藝開發。最新模擬顯示，采用先進制程的芯片可將神經元密度提升至每平方毫米10萬個，較現有GPU的運算單元密度提高三個數量級。這項技術或將在五年內實現商業化，為自動駕駛、實時語音翻譯等領域帶來革命性變化。

相關論文：https://www.nature.com/articles/s41928-025-01488-x
技術解讀：https://www.sciencedaily.com/releases/2025/11/251105050723.htm