Nature | 边缘计算的“寒武纪”时刻？0.016美元的柔性AI芯片如何把智能穿在身上

我们正陷入一种荒谬的智能悖论：手腕上的智能手表能监测心率，但一旦离开手机，它就变成了昂贵的电子表；体内的脑机接口试图解码神经信号，但刚性硅片与柔软组织的机械不匹配，让数据充满了噪声。

问题的根源在于架构的撕裂。一方面，传统的冯·诺依曼架构迫使数据在内存与处理器之间“通勤”，对于仅有毫瓦级功耗预算的可穿戴设备而言，这种能耗是致命的。另一方面，为了获得柔性，业界长期依赖将刚性芯片打薄后贴装于柔性电路板。这种“刚柔并济”的方案不仅成本高昂，更在频繁弯折下存在焊点断裂的风险。

学术界并非没有尝试过原生柔性电路。但过去的柔性电子产品，如基于金属氧化物或有机半导体的芯片，晶体管密度低、稳定性差，且往往受限于金属互连层不足（通常仅2-3层），无法承载哪怕是最基础的卷积神经网络。性能与柔性，在过去十年里，像是一道无法跨越的鸿沟。

Yan团队的突破，并非源自某种天降的新材料，而是一次教科书级的“系统性协同优化”。他们没有试图去制造下一个3纳米制程的怪兽，而是选择深耕成熟的低温多晶硅技术——一种长期被用于显示屏驱动、却被计算领域忽视的廉价材料。

图1 |计算机硬件设计比较。 a，在传统计算机架构中，中央处理器（CPU）和内存安装在独立芯片上。因此，数据必须在CPU和内存之间来回传输，这会消耗时间和能量，并限制计算机性能。这些芯片由刚性单晶硅制成。b，Yan等人研究中芯片由一种灵活、低成本的硅片形式制成，电路在内存中处理数据。这种“内存计算”设计是众多优化之一，相较于先前报道的柔性芯片，提升性能并降低功耗。作者的芯片适用于人工智能应用，并可用于需要本地处理数据、无需依赖外部服务器或云端的可穿戴设备。

这项工作的核心创新点，在于将“计算”从专用的ALU单元搬进了内存阵列内部。

深度解读：Yan 团队的数字CIM架构，本质上是一种“时空转换”策略。它将卷积运算分解到内存的位线（bitline）上，通过控制读写时序，在读取数据的瞬间完成乘累加运算。这就好比传统工厂需要把原料运往远处的加工车间，而 Yan 的设计则是让工人在原料仓库原地进行加工——时间延迟消失了，运输能耗归零了。

如果只是实验室里的巧思，它不足以登上顶级期刊。Yan团队的论文提供了两组极具说服力的实测数据：

图2：关键属性概述。

这项技术将首先在医疗健康和人机交互领域引发地震。

想象一下：一张像创可贴一样轻薄、成本仅几毛钱的贴片，贴在婴儿胸口就能独立分析呼吸模式，在检测到睡眠呼吸暂停时本地触发振动警报，全程无需蓝牙配对，无需上传云端。这不仅保护了医疗数据的隐私，更挽救了那些因网络延迟而错过的生命。

对于脑机接口领域，柔性原生计算意味着植入体可以像蛛网一样漂浮在脑脊液中，在神经信号产生的原位进行降噪和特征提取，仅将压缩后的决策结果传出颅骨，大大降低带宽和发热。

然而，正如评论文章作者 Myny 和 Bouakaz 冷静指出的那样，这项看似完美的技术突破，目前仍有其阿喀琉斯之踵。

关键的权衡：为了提升性能（增加金属层）和集成度，Yan 团队的设计在一定程度上牺牲了功耗。

根据评论者的推算，如果搭配简单的柔性电池并持续运行，该研究中最大的那颗芯片，续航时间仅有两小时。这在实验室演示中无伤大雅，但在全天候健康监测场景中是不可接受的。

此外，虽然0.016美元的成本极具侵略性，但这仅是最小芯片的裸成本。良率（尤其是大芯片良率）、封装测试以及系统集成成本，将是决定它能否走出实验室的关键。

结语：Yan 等人的工作无疑是柔性电子领域的一次“登月”。它证明了廉价、可弯曲的AI芯片不仅在物理上可行，在经济上也可行。现在，留给产业界的挑战是如何驯服这只“性能强劲却耗电略快”的猛兽——或许是通过引入新型低泄漏电流的半导体材料，或是更激进的能量采集技术。当续航突破24小时的那一刻，便是万物智联的真正开端。