🎯 情报来源：机器之心
麻省理工学院的研究团队开发了一种名为MAFT-ONN的新型人工智能硬件加速器。该加速器能够对原始射频（RF）信号进行全模拟深度学习计算，在调制分类任务中准确率快速收敛至95%，并在MNIST数字分类任务中完成近400万次全模拟运算。
研究人员通过实验验证了MAFT-ONN在三层深度神经网络中的应用，其架构无需数字化或预处理即可直接处理射频信号，延迟低至单层60ns，总延迟1ms，比传统FPGA快400-670倍。
核心要点：
- MAFT-ONN实现了端到端射频信号模拟处理，避免了数字化瓶颈。
- 系统利用43MHz带宽组件达到3.85 GOPS吞吐量，理论扩展后可达peta-OPS级别。
- 相比FPGA，MAFT-ONN将延迟降低400-670倍，同时具备低功耗、低成本优势。
📌 情报分析
技术价值：极高
MAFT-ONN首次实现了全模拟AI推理，解决了数据搬运导致的高延迟问题，并在物理层面将香农极限转化为计算优势，展现出突破性潜力。
商业价值：高
该技术在5G/6G MIMO、认知无线电等场景具有广泛应用前景，且因低功耗和低成本特性，可能显著降低下一代通信系统的部署成本。
趋势预测：
未来6-12个月内，光学神经网络领域可能迎来更多类似创新，MAFT-ONN的成功或将推动光子学与AI结合的技术进一步发展，为6G通信提供关键技术支持。