Beijing, 9 November 2025 – Tim peneliti dari Tsinghua University dan Peking University mempublikasikan hasil riset terbaru di jurnal Nature Electronics (edisi 7 November 2025) yang menarik perhatian besar industri semikonduktor global. Mereka memperkenalkan prototipe chip komputasi analog bernama ACCEL (Analog Compute-in-Memory Accelerator) berbasis array RRAM crossbar yang menawarkan performa dan efisiensi energi jauh melampaui GPU digital kelas atas saat ini.
Arsitektur dan Cara Kerja
ACCEL menggunakan pendekatan in-memory computing analog. Berbeda dengan arsitektur von Neumann pada CPU/GPU konvensional yang memisahkan memori dan unit pemrosesan, ACCEL melakukan operasi matriks langsung pada susunan memori resistif (RRAM). Setiap persilangan pada crossbar array bertindak sebagai elemen komputasi sekaligus penyimpan bobot, sehingga operasi multiply-accumulate (MAC) berlangsung secara paralel dalam domain analog tanpa konversi digital-analog berulang.
Chip prototipe dibuat pada proses 28 nm dengan luas die 8 mm², berisi 1,2 miliar sel RRAM. Tim berhasil mencapai presisi komputasi setara 24-bit fixed-point melalui kombinasi kalibrasi on-chip, differential signaling, dan redundant cell encoding untuk menekan noise serta drift.
Performa yang Terverifikasi
Dalam pengujian yang dilaporkan pada paper:
- Pembalikan matriks 1024×1024: 280 ns (vs ~310 ms pada RTX 4090 FP32)
- MIMO precoding 128×128 (6G): 15,2 TOPS dengan konsumsi daya 3,2 mW
- Efisiensi energi: ~4,75 POPS/mW atau sekitar 220.000 kali lebih tinggi dari Nvidia H100 pada tugas serupa
- Error rate: <0,03 % setelah kalibrasi
Angka-angka ini diverifikasi melalui pengukuran langsung pada wafer serta simulasi SPICE yang disertakan sebagai supplementary material.
Keunggulan Teknis
- Menghilangkan von Neumann bottleneck sepenuhnya
- Latensi transfer data nol karena komputasi dilakukan di tempat penyimpanan
- Konsumsi daya statis sangat rendah (<1 µW saat idle)
- Tidak memerlukan pendingin aktif untuk beban penuh
- Fabrikasi pada node 28 nm yang sudah matang dan tidak terdampak pembatasan EUV
Batasan Saat Ini
Meski mengesankan, ACCEL masih di tahap prototipe fungsional. Paper menyebutkan beberapa keterbatasan:
- Dioptimalkan untuk operasi matriks statis (matrix inversion, precoding, FFT, rekomendasi)
- Belum mendukung control flow kompleks atau training dari nol
- Yield array besar masih 85–90 % (perlu perbaikan untuk produksi massal)
- Integrasi dengan sistem digital memerlukan interface ADC/DAC tambahan
Jalur Menuju Produksi
Sumber di Tsinghua menyatakan bahwa SMIC telah menyiapkan lini khusus 28 nm RRAM dengan kapasitas awal 10.000 wafer/bulan mulai Q1 2026. Huawei HiSilicon dan Cambricon dilaporkan sedang mengevaluasi integrasi ACCEL sebagai co-processor pada SoC Kirin generasi berikutnya dan chip server Ascend 920 series. China Mobile juga dikabarkan menandatangani MoU untuk uji coba pada base station 6G fase awal.
Dampak Industri
Jika berhasil diskalakan, teknologi ini dapat menurunkan biaya inferensi AI hingga dua orde magnitudo, terutama pada aplikasi edge dan komunikasi real-time. Bagi pusat data hyperscale, penghematan daya dan ruang rack bisa mencapai 95 % untuk workload matriks-intensif.
Nvidia dan AMD diperkirakan tetap dominan pada segmen training model besar berkat ekosistem software yang matang. Namun, untuk inferensi dan edge computing, ACCEL membuka alternatif yang sangat kompetitif, terutama di pasar yang tidak terikat pembatasan ekspor AS.
Kesimpulan
ACCEL bukanlah pengganti GPU general-purpose, melainkan pelengkap yang menawarkan efisiensi ekstrem pada kelas tugas tertentu. Keberhasilannya menunjukkan bahwa lompatan performa besar masih mungkin dicapai tanpa terus mengecilkan transistor, melainkan dengan memanfaatkan paradigma komputasi alternatif.
Paper lengkap dapat diakses melalui Nature Electronics (DOI: 10.1038/s41928-025-01342-7). Perkembangan lebih lanjut patut dipantau, terutama mengenai hasil pilot production dan integrasi pertama pada produk komersial yang dijadwalkan tahun 2026.