剑桥大学科研团队近期研发出一种受人类大脑启发的新型计算机芯片，旨在解决人工智能领域长期存在的能耗瓶颈。该芯片基于“阻变存储器”架构，模拟了人脑神经元的连接方式，不仅大幅降低能源消耗，还具备类似生物大脑的学习与适应能力。
传统人工智能系统依赖海量通用计算芯片，数据需在存储单元与处理单元之间反复传输，导致巨大的能量浪费和效率损耗。相比之下，新型神经形态芯片将数据存储与处理整合在同一位置，通过极低功耗实现信息的高效流转。研究人员预计，该技术可将整体能耗降低约70%，同时提升系统的自适应能力。
该芯片的核心材料是一种新型氧化铪，具备优异的稳定性与低功耗特性。研究团队在氧化层内部构建了精密的电子门控结构，使器件能够平滑切换电阻状态，而非采用传统方式中剧烈且高耗能的开关模式。实验表明，该器件可承受每日数万次状态切换，并长期保持编程状态，展现出与生物系统相似的鲁棒性。
尽管该技术前景广阔，目前仍面临制造过程中的高温挑战。现有工艺需在极高温度下完成材料制备，限制了其大规模集成应用。研究人员正致力于优化工艺条件，降低生产温度，推动该芯片向实用化、商业化迈进。
中东及北非地区近年来积极布局人工智能基础设施，沙特、阿联酋等国已投入巨资建设智能城市与数据中心。然而，高能耗问题已成为制约其可持续发展的关键因素。中国企业在新能源、半导体制造及绿色计算领域具备成熟经验，可结合当地能源结构优化需求，提供定制化解决方案，助力阿拉伯国家实现智能转型与低碳发展。