安纳智芯AX100芯片完成流片,世界首颗全集成模拟矩阵求解芯片落地
安纳智芯自主研发的AX100芯片于2026年10月完成流片,为全球首颗全集成、一步求解矩阵方程的模拟计算芯片。单次求解耗时低于100纳秒,功耗约80毫瓦,已在大模型训练、具身智能与无线通信三大场景验证...
2026年10月,国产芯片企业安纳智芯完成其核心产品AX100的流片工作。这颗芯片被公司定义为“世界首颗全集成一步求解矩阵方程的模拟计算芯片”,标志着中国在新型计算架构领域实现从实验室原理验证到工程化落地的关键跨越。
与传统数字芯片通过海量乘加迭代求解矩阵不同,AX100采用模拟计算路径:将矩阵方程直接映射为物理电路网络,依靠电路自平衡特性一次性输出结果,无需迭代过程。实测数据显示,其单次矩阵求解时间小于100纳秒,单次功耗约为80毫瓦,完全符合理论仿真与设计预期。
这一技术路线并非全新构想,但长期受限于精度与可扩展性难题。突破点来自北京大学人工智能研究院研究员孙仲团队——2025年10月,该团队在《自然・电子学》发表论文,将模拟计算精度提升至24位定点(约千万分之一误差),达到与单精度浮点相当的水平。论文发表仅一年后,安纳智芯即完成工程转化,依托国内成熟的芯片制造与封装产业链,将实验室成果推向产线。
AX100的底层逻辑与GPU等数字芯片截然不同。安纳智芯CEO向锐指出:“这不是性能的简单追赶,而是计算范式的另辟蹊径。”在算力需求持续攀升而摩尔定律趋缓的背景下,模拟计算凭借其并行性、低延迟与低功耗优势,正成为突破算力瓶颈的重要方向之一。
在实际应用验证中,AX100已在三大典型场景展现显著效能提升:
其一,在AI大模型训练环节,团队选取293万参数的Autoencoder与272万参数的Transformer模型进行二阶优化实验。结果显示,模型参数更新阶段的计算消耗分别降低92%与56%。这意味着在相同硬件资源下,训练效率可大幅提升,或在边缘设备上实现更轻量级的模型微调。
其二,在具身智能领域,芯片对机器人实时控制任务产生直接影响。运动控制与路径规划的端到端算法提速150%至500%,三维重建与SLAM(同步定位与建图)的核心环节提速200%至500%。此类任务对延迟极为敏感,模拟计算的亚微秒级响应能力恰好匹配高动态环境下的决策需求。
其三,在无线通信侧,针对128×128规模的信道格拉姆矩阵处理,AX100相较现有数字ASIC与GPU方案,等效吞吐量提升20至207倍,能效比提升27.6至61.3倍。该指标对5G-A/6G基站、大规模MIMO系统具有现实意义——在有限功耗预算下,可支持更高密度用户接入与更复杂波束成形算法。
值得注意的是,AX100并未依赖7nm或5nm等先进制程。据公开信息,该芯片采用成熟工艺节点制造,全链路实现自主可控。这不仅规避了高端光刻设备限制,也降低了量产门槛与成本风险,为后续规模化部署提供可行性基础。
从技术演进角度看,模拟计算并非首次进入公众视野。上世纪七八十年代,运算放大器曾广泛用于求解线性方程组;但受限于器件非线性、噪声与温度漂移,其精度难以满足现代计算需求。近年来,随着CMOS工艺稳定性提升、校准算法进步及混合信号设计工具成熟,模拟计算重新获得学术界与工业界关注。
2023年以来,包括MIT、斯坦福、IMEC在内的多个研究机构陆续发布高精度模拟矩阵求解器原型,但多数仍停留在FPGA验证或小规模测试阶段。安纳智芯此次流片,是全球首个面向通用矩阵求解任务、完成全流程工程化验证的专用芯片,具备明确的产品化指向。
行业分析认为,AX100的出现可能催生新的硬件生态分工:数字芯片继续主导通用计算与逻辑控制,而模拟专用芯片则嵌入于特定高并发、低延迟子任务中,形成“数字+模拟”异构协同架构。例如,在大模型推理链路中,参数更新、Hessian矩阵近似等环节可交由AX100加速,主干网络仍由GPU或NPU执行。
此外,该芯片对国产算力基础设施亦具战略价值。当前AI训练与推理高度依赖英伟达GPU,而矩阵求解作为底层共性操作,若能通过国产专用芯片替代部分负载,将有效缓解“卡脖子”风险,并为国产AI框架(如MindSpore、PaddlePaddle)提供新的硬件适配选项。
目前,安纳智芯尚未公布具体量产时间表与客户合作进展,但已启动多轮场景适配测试。公司表示,下一阶段将聚焦于接口标准化、软件栈开发与多芯片互联扩展能力,以支撑更大规模矩阵运算需求。
在芯片产业普遍寻求“弯道超车”路径的当下,AX100提供了一种更具可行性的思路:不盲目追逐制程极限,而是从计算本质出发,重构硬件抽象层。正如向锐所言,“这是中国企业第一次有机会参与定义一种重要计算范式”——其意义不仅在于单颗芯片的性能指标,更在于为中国在下一代计算架构标准制定中争取话语权开辟了现实通道。
