Ein Forschungsteam der Peking-Universität und der Chinesischen Akademie der Wissenschaften (CAS) hat einen Speicherchip entwickelt, der komplexe Hirnstrukturen in unter drei Millisekunden nachbilden kann – nach eigenen Angaben bis zu 478-mal schneller als ein Nvidia-A100-Grafikprozessor bei vergleichbaren Aufgaben. Die Studie erschien am 4. Juli 2026 im renommierten Fachjournal „Science”, das eines der strengsten Peer-Review-Verfahren der Wissenschaft durchläuft. Das unterscheidet die Meldung von vielen anderen chinesischen Tech-„Durchbrüchen”, die oft nur über Staatsmedien laufen.

Federführend ist Yang Yuchao, Professor an der Fakultät für integrierte Schaltkreise der Peking-Universität und Direktor des dortigen Zentrums für hirninspirierte Chips. Sein Team arbeitete mit der Forschungsgruppe von Song Zhitang am Shanghaier Institut für Mikrosysteme und Informationstechnologie der CAS zusammen. Die zentrale Kennzahl: Ein einzelner Rechenschritt eines sogenannten „neuronalen dynamischen Systems” – einer Hardware, die das zeitliche Verhalten von Nervenzellen simuliert – dauert auf dem neuen Chip nur noch 2,12 Millisekunden. Erstmals liegt dieser Wert unter der Zehn-Millisekunden-Schwelle, die als Grenze für „Echtzeit”-Verarbeitung neuronaler Signale gilt.

Der Rekord im Detail

Verglichen mit spezialisierten Beschleuniger-Chips ist das System 3,8- bis 36-mal schneller und benötigt 12- bis 25-mal weniger Energie. Bei der konkreten Anwendung, für die der Chip entwickelt wurde – der Rekonstruktion gefalteter Hirnoberflächen –, fällt der Abstand zur Nvidia-Hardware besonders groß aus: 50- bis 478-fach schneller als ein A100-Prozessor.

Um die Bedeutung einzuordnen, hilft ein Blick auf die klassische Computerarchitektur. Seit den 1940er-Jahren trennen praktisch alle Computer – auch Nvidias GPUs – Speicher und Rechenwerk physisch voneinander. Daten müssen für jede Operation zwischen beiden Einheiten hin- und hergeschoben werden. Bei Aufgaben wie neuronalen Simulationen, die extrem viele, aber kleine Rechenschritte in schneller Folge erfordern, wird dieser Datentransport selbst zum Engpass – in der Fachliteratur als „Von-Neumann-Flaschenhals” bezeichnet. Genau diese Beschränkung habe laut den Autoren seit einem halben Jahrhundert verhindert, dass neuronale dynamische Systeme in Echtzeit liefen.

Ein „Fehler", der zum Trick wird

Der Chip basiert auf sogenannten Phasenwechsel-Memristoren – Bauelementen, deren elektrischer Widerstand sich durch den Übergang eines Materials zwischen kristallinem und amorphem Zustand verändert und danach erhalten bleibt. Dadurch lassen sich Speicherung und Berechnung im selben Bauteil erledigen („Compute-in-Memory”), ohne den Umweg über ein separates Rechenwerk.

Der eigentliche Kniff steckt im Detail: Die Forscher nutzen gezielt den „conductance drift” – das langsame, aber physikalisch vorhersagbare Abdriften des elektrischen Leitwerts dieser Speicherzellen über die Zeit. In der Chip-Industrie gilt dieser Drift normalerweise als Störeffekt, der aktiv unterdrückt werden muss. Das Team hat ihn stattdessen „präzise kontrolliert” (so das Abstract der Studie) und als Rechenmechanismus eingesetzt: Der Drift bildet jene kontinuierliche zeitliche Entwicklung ab, die neuronale Prozesse im Gehirn ebenfalls zeigen. Aus einer technischen Schwäche wird so eine nutzbare Recheneigenschaft.

Wofür der Chip gedacht ist

Yang nannte gegenüber der staatlichen „Guangming Daily” mehrere Anwendungsfelder: Gehirn-Maschine-Schnittstellen, die künftig nicht nur Signale lesen, sondern den Gehirnzustand in Echtzeit modellieren könnten; die Neuronavigation, bei der Chirurgen während einer Operation ein aktuelles Modell der individuellen Hirnstruktur nutzen; sowie die Frühdiagnostik neurodegenerativer Erkrankungen wie Alzheimer und Parkinson. Langfristig sprechen die Autoren von personalisierten „digitalen Zwillingen” des Gehirns.

Einordnung: Was in den meisten Meldungen fehlt

Die „478-fach”-Zahl ist der Bestfall, nicht der Durchschnitt. Die im Paper genannte Spanne von 50- bis 478-fach deutet auf eine starke Aufgabenabhängigkeit hin. Relevanter für das Prädikat „Durchbruch” ist, dass der Chip erstmals unter die 10-Millisekunden-Latenzgrenze kommt – die Vervielfachungszahl gegenüber Nvidia ist eher eine PR-taugliche Zuspitzung als die wissenschaftlich wichtigste Kennzahl.

Geopolitisch bemerkenswert ist der bewusst gewählte 40-Nanometer-Fertigungsprozess. Dabei handelt es sich um einen reifen, seit Jahren beherrschten Knoten, für den keine der von den USA und ihren Verbündeten kontrollierten EUV-Lithografiemaschinen nötig ist. Der Fortschritt liegt hier also nicht in der Chipfertigung selbst, sondern in der Architektur und dem gezielten Ausnutzen eines Materialeffekts. Das passt zu einem Muster, das unabhängige Analysen des US-China-Chip-Wettbewerbs seit Jahren beschreiben: Chinesische Institute erzielen wiederholt Fortschritte bei Architektur und Materialforschung, die nicht von den Exportkontrollen für fortschrittliche Lithografie abhängen – etwa bereits 2023 mit einem ersten vollintegrierten Memristor-Chip der Tsinghua-Universität.

Zugleich handelt es sich um Grundlagenforschung im Labor, nicht um ein marktreifes Produkt. Der Chip bleibt ein Labormuster für eine sehr spezifische Aufgabe. Der Weg zu klinisch einsetzbaren Geräten für Alzheimer-Diagnostik oder Gehirn-Maschine-Schnittstellen ist damit noch nicht zurückgelegt. Dass das Projekt unter anderem über Chinas „New Cornerstone”-Förderprogramm und als eines der „Großprojekte der Peking-Universität mit Ausrichtung auf 2030″ eingestuft wurde, zeigt aber: Neuromorphes Computing genießt in China strategische Priorität – und ist längst kein akademisches Nebenprojekt mehr.