用GPU取代CPU來運行神經網絡，已經使AI發展迅速，但GPU在運行時，仍要將處理和存儲分開，導致數據的傳遞需要耗費大量的時間和能量。
未來的人工智能，需要大規模可擴展的計算單元，無論是在云端還是在邊緣，DNN都會變得更大、更快。不過，在此之前，人們還不清楚DNN是不是真的能夠通過模擬技術進行高精度訓練。
由于當前NVM存儲器的固有缺陷，以前相關實驗都沒有在DNN圖像分類任務上得到很好的精度，這一次，IBM研究人員收了神經科學的啟發，使用了短期計算和長期記憶兩種類型的“突觸”。隨后，基于NVM的芯片在訓練全連接層方面展現出了極強的潛力，在計算能效上超過了當前GPU兩個數量級。
據稱，這類芯片若加以應用，便可將AI引入手機、自動駕駛汽車等個人設備，還可提高數據中心的運行效率，降低科技公司的服務器運營成本。
京公網安備 11010502049343號