据称，该芯片在语音识别上的效率超过了通用处理器，有望突破当前 AI 开发因为算力性能不足、效率不高而导致的瓶颈。

该文章摘要中表示，当前拥有数十亿个参数的 AI 模型可在一系列任务中实现较高精度，但也凸显出传统通用处理器（包含图形处理器、中央处理器等）效能低下的问题。为此，研究团队提出“模拟内存计算”的方案，通过在自身的存储器上并行执行矩阵-向量乘法，提供更强的能效。

研究团队还开发了一个 14nm 模拟芯片，其 34 个模块中含有 3500 万个相变化内存单元。测试环节中，研究团队使用谷歌语音命令和 Librispeech 语音识别来测试该芯片语言处理能力的效率，在利用谷歌语音测试后发现，该芯片的性能、准确度“与当前的数字技术相当”；而在规模更大的 Librispeech 上，该芯片可达到 12.4 万亿次 / 秒 / 瓦运算性能，最高相当于传统通用处理器的 14 倍性能。