算力焦虑讲了几年,主流解法一直是同一条:把更多晶体管塞进更先进的制程,再用更快的互连把它们连起来。安纳智芯给出的答案绕开了这条路——用电路的物理规律直接算,而不是用数字逻辑一步步逼近结果。
这家公司的首款产品 AX100 已于今年 10 月完成流片。按公司披露的定位,它是世界上首颗全集成、可一步求解矩阵方程的模拟计算芯片。测试数据显示,单次矩阵方程求解时间小于 100 纳秒,单次计算功耗约 80 毫瓦,实测结果与理论仿真和设计预期一致。
要理解这件事的分量,得先看清矩阵方程在今天的地位。大模型的训练参数优化、机器人的动作控制与空间规划、通信基站的信号处理,本质上都是在解复杂的矩阵方程。数字芯片的做法是把「求解」翻译成海量乘加迭代,计算量随矩阵规模呈立方级增长:以 512 阶矩阵方程为例,大约需要 5 亿次乘加,耗时数十到上百微秒。模拟计算则把矩阵方程直接映射成电路,电路自平衡后一次读出结果,无需迭代。公司首席执行官向锐的表述是,矩阵方程被直接映射为电路,电路自平衡后一次读出结果。
这条路并非凭空出现。2025 年 10 月,北京大学人工智能研究院研究员孙仲团队在《自然·电子学》发表成果,把模拟计算的精度从此前的百分之一量级提升到千万分之一量级,当时就有学者评论这项工作「复活」了模拟计算这一被长期忽略的领域。论文发表至今仅一年,安纳智芯借助国内成熟的芯片制造与封装产业链,把实验室方案推到了产线上。
团队公布了三类场景的实测。大模型训练侧,在 293 万参数的自编码器模型和 272 万参数的 Transformer 模型上验证,所采用的二阶优化方案使两类模型的训练更新消耗分别减少 92% 和 56%。具身智能侧,芯片可提升机器人实时计算能力,运动控制与规划端到端算法提速 150% 至 500%,三维重建与 SLAM 核心算法环节提速 200% 至 500%。无线通信侧,对 128×128 规模的信道格拉姆矩阵,模拟计算芯片相比现有数字 ASIC 与 GPU 的等效吞吐提升 20 至 207 倍,等效能效提升 27.6 至 61.3 倍。
更值得注意的是制造条件:该芯片不依赖先进制程,采用当前成熟工艺即可实现全链路自主可控。这意味着它的产能与成本不完全受制于最先进光刻环节,对需要在边缘侧、设备侧部署算力的场景尤其实用。
当然,模拟计算的优势从来都伴随代价。模拟电路对噪声、温漂和工艺偏差敏感,精度与可编程性通常不如数字方案;「一步求解」针对的是矩阵方程这类特定运算,并不等于通用计算。上述性能数字均来自公司自建测试与设计预期,尚待第三方复现,实际部署中的良率与长期稳定性也需要更多数据。
方向上的意义已经清晰:当先进制程的边际收益越来越贵,计算范式本身开始成为可竞争的变量。向锐的说法是,AX100 与 GPU 类数字芯片在架构与底层逻辑上完全不同,中国企业第一次有机会参与定义一种重要的计算范式。这条路能走多远取决于生态——编译器、算子库、开发者习惯都要重建,但至少在这一类被反复调用的运算上,多了一条不必排队等制程的通道。