问题：边缘端智能应用增长迅速，可穿戴健康监测、分布式传感网络、工业现场检测等场景对“本地、低功耗、低时延”的计算提出了更明确的要求。但传统方案多依赖数据回传云端，或端侧使用刚性芯片完成推理，不仅增加通信能耗并带来隐私风险，也受设备形态与散热空间限制。另一上，神经网络“存储—计算分离”的结构导致数据频繁搬运——成为能耗与时延的重要来源——难以支撑长续航、贴合人体或复杂曲面部署等需求。 原因：从技术路径看，端侧智能要同时兼顾算力、能效与形态适配并不容易。柔性电子器件弯折、拉伸过程中容易出现参数漂移与可靠性问题；存算一体虽可减少数据搬运，但要实现稳定的数字计算精度、可扩展的体系结构，并在工艺波动与机械形变下保持一致性，需要从制造工艺、电路结构到算法模型进行系统设计。尤其在可穿戴场景，芯片不仅要算得快，还要贴得稳、用得久、耗得低。 影响：针对这些痛点，任天令团队研发了面向边缘智能加速的柔性数字存内计算芯片FLEXI。该系列包括FLEXI-1（1kb）、FLEXI-4（4kb）和FLEXI-32（32kb）等规格，最高集成约26.5万个晶体管。团队提出跨制造工艺、电路结构与算法设计的协同优化策略，使芯片能够稳定、高速、并行地完成点积运算，并在工艺波动与机械形变条件下仍保持较好的精度、面积效率与能效表现。在体系结构上，FLEXI采用模块化、可扩展的存算一体架构，更高效支持神经网络常用的单指令多数据计算模式，为端侧推理提供更贴近应用的硬件基础。 对策：为降低端侧推理成本，团队将硬件设计与模型部署方式联动优化。针对神经网络权重反复写入带来的能耗与时延开销，研究人员根据不同存储容量设计轻量化神经网络，实现权重一次性片上部署，减少运行过程中的写入负担，更契合边缘设备对能耗与响应速度的要求。芯片关键存储单元采用6T-SRAM方案，具有对称的电压传输特性与接近轨到轨的输出能力，亚稳态电压增益约80，可实现可靠的双稳态存储。在可靠性上，芯片可在2.5V至5.5V电源电压范围内稳定工作，并在半径1毫米、180度对折条件下经历超过4万次弯折循环后性能无明显退化，为柔性形态下的长期使用提供了实验依据。 前景：应用验证表明，该芯片在边缘环境中具备本地即时数据解释能力。团队围绕日常活动的连续监测与识别开展实验，采集10名受试者在坐姿、步行、慢跑、骑行等状态下的心率、呼吸频率、体温与皮肤水分等多模态生理信号，构建轻量级四通道卷积神经网络，并在最小规模FLEXI-1上实现一次性片上部署。通过量化感知训练，模型在测试集上取得97.4%的分类准确率，显示该技术在便携式高保真生理监测、多模态传感器端侧计算等方向具备应用潜力。业内人士认为，随着物联网终端更下沉与健康管理需求增长，兼具柔性形态与高能效计算能力的存内计算芯片有望在医疗健康、运动监测、应急救援、工业巡检等领域拓展应用。下一步，更大规模集成、更丰富算子支持、标准化软硬件工具链，以及与传感器、通信模组的系统级协同，将成为推进产业化验证与应用扩散的关键。
从“把数据送到算力”到“让算力贴近数据”，边缘智能的演进正在重塑芯片形态与计算方式；柔性存内计算芯片的进展，为可穿戴与贴片式终端提供了兼顾形态适配与本地智能的新选择。面向下一阶段，持续提升基础器件可靠性，完善软硬件协同生态与应用标准体系，将有助于把实验室成果更快转化为面向民生与产业的规模化能力。