IBM在博客中写道：“现代AI模型的增强功能提供了前所未有的识别准确性，但通常是以更多的计算和精力投入为代价的。”“因此，开发基于全新处理范式的新型硬件对于人工智能研究的发展至关重要。”因此，在2019年三藩市的IEE E E国际电子设备大会(IEDM)上，IBM Research通过以下方式披露了一系列关于AI硬件在一些关键领域取得突破的论文。
IBM写道，“在过去的五十年里，半导体技术一直是计算硬件的引擎。”“[FinFET]技术仍在扩展，同时满足对密度、功率和性能日益增长的需求，但还不够快[。”堆叠式全方位(GAA)纳米片是IBM的答案，因为对AI的需求超出了功能性FinFET半导体架构。“纳米片”是2015年才创作出来的。现在IBM的研究集中在纳米片技术领域的三篇论文上。这些措施包括实现纳米片堆叠和多电压电池的新技术，以及新的制造方法。希望IBM GAA纳米片能够提供“更高的计算性能和更低的功耗”，同时允许更多的变化和简化的设计，从而实现更通用的设备设计。
相变存储器
IBM还强调了一系列关于相变存储器(PCM)的论文，“仍然构成了重大挑战”，包括对噪声的敏感性、电阻漂移和可靠性。这些论文展示了IBM研究人员在开发新设备、算法和结构解决方案以及新的模型训练技术方面的工作，以帮助解决这些问题并提高稳定性和可靠性。其他研究人员介绍了一种新的，受神经启发的PCM硅集成原型芯片设计。
最后，IBM详细解释了其通过使用新的存储设备来加速深度学习的工作，这些存储设备是利用半导体工厂的现有材料创建的。最终的电化学随机存取存储器或ECRAM“证明了亚微秒编程速度、电导率变化的高线性度和对称性以及没有存取选择器的22阵列配置。”ECRAM与CMOS兼容，并在深度神经网络训练中常用的线性回归上进行了测试。与此同时，IBM的研究重点是可以提高AI预测准确度的新算法。
