康奈尔大学的研究人员开发出一种名为“微波大脑”的实验性芯片，它将传统数字处理与微波神经网络相结合，能够以极低的功耗处理人工智能等复杂任务。该芯片利用微波的特性，通过实时频域计算，比传统数字硬件更快地完成任务，并且在识别无线信号类型方面达到了88%的准确率。由于其紧凑的尺寸和高效的能耗，该芯片有望在智能手机、可穿戴设备等边缘计算领域实现本地神经网络应用，减少对云网络的依赖，为AI驱动的设备带来新的可能性。目前该芯片仍处于实验阶段，但其潜力巨大，有望大幅降低AI应用的能耗和成本。

💡 **微波神经网络芯片的创新性：** 康奈尔大学的研究人员成功研发了一款名为“微波大脑”的实验性芯片，该芯片独特之处在于将传统数字处理与微波神经网络相结合，挑战了传统的电路架构。它利用数十千兆赫的微波来处理数据流，实现了比传统数字硬件更快的任务处理速度，尤其是在处理人工智能等特殊工作负载方面，功耗仅为传统处理器的极小一部分（低于200毫瓦）。

🚀 **微波大脑的优势与应用场景：** 该芯片的实时频域计算能力使其非常适合解码无线电信号、跟踪雷达目标、处理数字数据以及检测多频段无线通信异常等任务。其直接响应输入的能力，使其能够高效地处理超高速数据和无线信号，从而为无线通信和信号处理领域带来了革命性的潜力。

📈 **AI工作负载的高效处理与低功耗：** 通过采用概率设计策略将波导集成到神经网络中，“微波大脑”能够高效处理人工智能工作负载，同时避免了传统芯片在复杂度增加时功耗和纠错能力急剧上升的问题。在对无线信号类型进行分类的测试中，其准确率达到了至少88%，与数字神经网络相当，但功耗和芯片尺寸都显著减小。

📱 **边缘计算与可穿戴设备的未来：** 研究人员相信，该芯片的功耗可以进一步降低，使其适用于边缘计算场景。其紧凑的尺寸为在智能手机和可穿戴设备上实现本地神经网络提供了可能，这将大大减少对云网络的依赖，并有望解锁神经网络在智能手表、智能眼镜等AI设备上的巨大潜力，为用户带来更强大、更便捷的AI体验。

传统计算机芯片通过以常规时钟速度发送数字信号来执行任务，但新的实验硬件使用微波来处理特殊工作负载。由此产生的芯片可以处理包括人工智能在内的多种功能，同时功耗仅为传统处理器的一小部分。

康奈尔大学的研究人员开发出一款芯片，将传统数字处理与微波神经网络相结合，能够执行与传统神经网络类似的任务，但功耗却不到200毫瓦。该芯片被认为是同类芯片中的首创，其设计挑战了传统的电路架构。

该芯片被称为“微波大脑”，通过模拟无线通信处理数据流。通过操控数十千兆赫的微波，它可以比线性执行指令的传统数字硬件更快地完成复杂任务。

实时频域计算可以使微波大脑成为解码无线电信号、跟踪雷达目标、处理数字数据以及类似任务的理想选择。由于该芯片直接响应输入，它还可以检测多个微波频段的无线通信异常。

这是第一款利用微波物理学处理超高速数据和无线信号的芯片。

研究人员采用概率设计策略将波导集成到神经网络中，打造出一款能够处理人工智能工作负载的芯片，避免了通常随着复杂度上升而导致的功耗和纠错能力的急剧上升。最终，微波大脑能够以至少 88% 的准确率对无线信号类型进行分类——与数字神经网络相当，但功耗却低得多，芯片尺寸却小得多。

研究人员相信，他们可以进一步降低功耗，使该芯片适用于边缘计算。其紧凑的尺寸可以在智能手机和可穿戴设备上启用本地神经网络，从而减少对云网络的依赖。尽管苹果、Meta 和其他科技巨头正在推广智能手表和智能眼镜等支持人工智能的设备，但神经网络在可穿戴设备上的潜力在很大程度上仍未被探索。

微波大脑发表于8月14日出版的《自然电子学》（Nature Electronics），它源于一项由美国国防部高级研究计划局（DARPA）、康奈尔大学和美国国家科学基金会资助的大型项目（未具体说明）的一部分实验。该芯片目前仍处于实验阶段，但可以大规模扩展，研究人员的目标是提高其在不同平台上使用的准确性。