摘要：人工智能的研究和应用已经取得了突飞猛进的发展，但是运行人工智能深度神经网络算法的计算平台主要是超级计算机群（成百上千个CPU和GPU）,不但需要巨大的硬件投入，而且占用的空间和消耗的能源也非常可观。受限于存储计算分离对芯片性能的限制，同时CMOS工艺微缩速度放缓，以及人工智能应用对计算存储需求的不断提升，当前的技术将面临诸多新的挑战。在这一背景下，新器件的出现变得至关重要，通过引入新原理的半导体器件，不但可以拓展芯片的功能，甚至可以颠覆传统电路理论，突破当前芯片面临的能效、速度瓶颈，大幅提升芯片性能。基于过渡族金属氧化的忆阻器件显示出了优越的存算一体的特性，能够规避存储和计算之间数据搬运的功耗并且能够实现大规模集成，进而实现高性能计算。展望未来，智能社会即将来临！面向未来的智能芯片，最底层的器件需要具备哪些特性呢？

简介：吴华强， 清华大学微纳电子系，长聘副教授，副系主任，清华大学微纳加工平台主任，北京市未来芯片技术高精尖创新中心副主任。2000年毕业于清华大学材料科学与工程系，获得工学学士学位；同年获清华大学经济管理学院管理学士学位（双学位）。2005年在美国康奈尔大学（Cornell University）电子与计算机工程学院获工学博士学位。随后在美国AMD公司和Spansion公司非易失性存储器研发中心任高级研究员和主任研究员，从事先进非易失性存储器的架构、器件和工艺研究。2009年，加入清华大学微电子学研究所，研究领域为新型半导体存储器及基于新型器件的类脑计算研究。先后负责多项自然科学基金、863、973和重点研发计划多项课题。在Nature Communications, Nano Letters, Advanced Materials, Scientific Reports等期刊和国际会议发表论文100余篇，获得美国授权发明专利21项，获得中国授权发明专利25项。