长期以来，傅里叶变换作为将复杂信号“映射”为频率表征的关键工具，广泛服务于语音处理、图像分析、通信调制解调、雷达与医学成像等领域。
随着数据规模增长和实时处理需求上升，傅里叶变换在端侧与嵌入式场景中的计算负担日益凸显：一方面，算法频繁调用、算子通用性强；另一方面，传统通用芯片在能耗、延迟与面积约束下难以兼顾高效与低功耗，成为制约边缘智能与实时感知的重要瓶颈。
问题的根源在于，进入后摩尔时代后，晶体管微缩带来的性能红利放缓，算力提升与能效改善更多依赖体系结构创新与新型器件探索。
忆阻器、光电器件等新器件因具备并行计算、存算融合等潜在优势，被视为突破“算力—能效”矛盾的重要方向。
但现实挑战同样突出：不少新器件在执行某些简单线性算子时表现亮眼，却往往受限于算子类型单一、可编程性不足或系统集成复杂，难以适配实际应用中多样化、链路化的计算流程，导致前沿技术在走向工程化与规模化应用时面临“从实验室到市场”的阻隔。
针对这一矛盾，北京大学人工智能研究院研究员陶耀宇与集成电路学院教授杨玉超带领的团队，将突破口放在“通用且高频使用”的傅里叶变换上。
团队提出并实现一种全新的多物理域融合计算架构，创造性地把两类特性互补的新器件纳入同一硬件系统：一类是易失性氧化钒器件，另一类是非易失性氧化钽/铪器件。
前者具备适合作为频率转换载体的动态特性，后者则在状态保持与稳定存储方面具有优势。
通过系统级集成与协同设计，团队不仅实现了对傅里叶变换这一基础算子的硬件支持，也为更多计算方式提供了可拓展的实现路径，从而把“单一算子优势”推进到“通用算子可用”的层面。
从影响看，这一进展至少带来三方面启示。
其一，在性能层面，研究显示该架构可使相关计算算力提升近4倍，为在功耗受限场景中开展高吞吐信号处理提供了新的可能。
其二，在应用层面，傅里叶变换贯穿感知、通信与控制链路，若能在硬件层面高效实现，将有望提升边缘感知的实时性与稳定性，增强具身智能在复杂环境中的响应能力，同时为类脑计算中多模态信号处理、通信系统中的频谱分析与波形处理提供更高效的底座。
其三，在产业化路径层面，该成果强调“器件—电路—架构—应用”协同的重要性：仅凭单一器件性能领先难以形成可落地方案，只有将器件物理特性转化为可复用的系统能力，才能缩短从原型验证到工程应用的距离。
对策层面，后续推进仍需在可靠性与可制造性上持续攻关。
新器件与混合架构走向应用，既要面对工艺一致性、寿命与噪声、温漂等工程挑战，也要建立与现有设计流程相衔接的工具链与标准接口，降低系统集成门槛。
同时，面向不同应用负载，还需在算法映射、精度控制与容错机制上进一步完善，使“加速通用算子”真正转化为端到端系统性能与能效收益。
高校、科研机构与产业界若能围绕关键算子加速、异构集成与应用验证开展联合攻关，将更有利于形成从基础研究到工程样机再到场景落地的闭环。
前景判断上，随着端侧智能、卫星互联网、车载感知与工业物联网等场景对低功耗实时计算的需求持续增长，围绕傅里叶变换等基础算子的硬件创新将愈发重要。
多物理域融合思路为后摩尔时代的算力提升提供了新的可选路径：既不完全依赖传统制程推进，也不止于单一器件展示，而是通过系统架构把不同器件的优势“组织起来”。
若未来在规模制造、软件生态与应用验证上取得进一步突破，这类架构有望成为面向边缘智能与新型通信的关键支撑技术之一。
在全球算力竞赛进入"拼效率"的新阶段，这项源自中国实验室的原始创新，不仅破解了新型器件"有器件无系统"的产业化困局，更彰显了跨学科协同攻关的科研范式价值。
当物理定律与算法逻辑在微观尺度深度交融，人类突破算力边界的探索，正迎来前所未有的可能性。