英国的ARIA创新机构将出资6600万英镑（7000万欧元，6.1亿元人民币）资助57个人工智能（AI）硬件项目。
英国先进研究与发明局（ARIA）资助的项目包括imec UK的首个项目以及为Fractile的模拟内存计算提供500万英镑。该机构的目标类似于美国的DARPA（国防高级研究计划局），资助具有商业机会的长期硬件项目。
Fractile的项目是改进模拟内存矩阵-向量乘法。其目的是利用已经用于推理加速硬件的方法，使前沿模型的运行速度比目前的技术水平快几个数量级。至于理论上能否达到足够的精度，以应用于大规模训练系统，这仍然是一个悬而未决的问题。
伦敦国王学院的研究人员也在研究神经形态矩阵乘法，而其他项目包括牛津大学的Noa Zilberman领导的可扩展人工智能系统互连技术开发，以及Alphawave Semi的连接技术，该技术可以在不限制性能的情况下，以较低的成本和功耗将数以万计的人工智能加速器芯片互连起来，距离可达150米。
Alphawave项目技术负责人Behzad Dehlaghi表示：“该项目将开发和展示下一代可持续人工智能扩展的连接技术。”
七个团队正在开发有望开拓计算新领域的新技术，这些技术与现代人工智能算法密切相关。剑桥的Signaloid正在开发一种CMOS数字热力学人工智能硬件加速器，用于使用模拟热力学计算的线性代数。
Normal Computing UK的Patrick Coles正在领导一个项目，建立基于物理的计算芯片，用于矩阵反转，并探索在训练大规模人工智能模型中的应用，目标是将能耗降低到GPU的千分之一。
该项目将结合基于CMOS技术的事件驱动、无反向传播算法、随机计算和内存计算，建立一个神经形态框架，以降低开发人工智能模型的成本。
该机构还资助了比利时鲁汶大学的“组合优化问题的大规模并行性”项目，该项目将开发一类专门用于解决组合优化问题的新型混合信号处理器，以及美国康奈尔大学的“改进人工智能训练算法”项目。
在美国的Rain AI公司，Jack Kendall正在领导两个人工智能硬件项目，其中包括一个团队正在开发基于SRAM的模拟人工智能加速器，利用带有反馈控制的数字可编程晶体管阵列实现快速向量矩阵逆乘法。
Kendall说：“扩展计算项目使从机器学习到光子学、模拟计算和材料科学等多个学科的研究人员能够汇聚一堂，以创建高能效人工智能系统的新范例为统一目标。”（校对/孙乐）
