问题：随着人工智能与物联网、具身智能加速融合，计算能力正从数据中心走向终端与人体周边；面向健康监测、智能辅具、柔性机器人等场景，设备不仅要“算得快、算得准”，还要“贴得住、耗得低、用得久”。但传统硅基刚性芯片在形态上难以贴合人体曲线或复杂曲面，长期贴附也容易带来舒适性和可靠性问题。现有柔性处理器虽然可弯折，却普遍存在频率偏低、能耗偏高、并行能力不足等短板，在神经网络推理等数据密集型任务上往往难以胜任，制约了柔性智能终端从“能用”走向“好用”。 原因：关键矛盾在于“形态柔性”和“计算高效”难以兼顾。柔性电子在材料和工艺上与刚性硅基路线差异很大，传统通过提高主频、堆叠算力的做法难以直接迁移。此外，神经网络推理对存储与计算之间的数据搬运极为敏感，数据在存储器与处理器间频繁往返会显著增加能耗与时延；在电池体积受限、散热空间有限的可穿戴设备上，这个问题更突出。要在柔性基底上获得可用的AI算力，必须在工艺、架构与算法上同步设计，而不是依赖单点提升。 影响：北京大学此次发布的成果根据上述瓶颈提出系统方案。团队研制出世界首款大规模全柔性存算一体AI芯片，通过“工艺—电路—算法”跨层协同优化，将高性能数字存内计算引入柔性电子领域，在架构上融合“记忆单元”和“计算单元”，以减少数据搬运带来的能耗与延迟。该芯片厚度约25微米，可弯折；测试显示在超过4万次180度弯曲后性能无衰减，并在连续执行百亿次运算后保持零错误，体现出面向实际使用场景的可靠性。其“一键部署”能力同样值得关注：训练好的模型可一次性写入芯片，运行时无需反复写入权重，有助于继续降低功耗与时延，提升终端侧实时响应。在应用验证中，最小版本存储容量仅1kb的芯片已实现心律失常检测准确率99.2%、人体活动识别准确率97.4%，显示出小型柔性端侧设备的智能潜力。 对策：推动柔性智能硬件走向规模化应用，还需要技术与产业链联合推进。一是围绕标准化与可靠性评测完善测试体系，覆盖弯折、拉伸、汗液、温湿度等多因素耦合环境，形成可对比、可复现的评价标准。二是加强与医疗器械、消费电子、机器人企业的联合验证，围绕佩戴舒适性、长期稳定性与数据安全等需求开展工程化迭代，推动从实验室样机向产品化模块演进。三是完善软硬件协同生态，围绕端侧模型压缩、量化与部署工具链降低开发门槛，促进更多算法与应用迁移到柔性终端。四是面向重点应用，探索与传感器、能量采集与无线通信模块的一体化集成，形成可持续供能、可长期运行的系统方案。 前景：从趋势看，终端智能正进入“更贴近人体与环境”的阶段，柔性电子与存算一体架构的结合可能成为重要方向。随着可穿戴医疗从单一指标监测转向多模态、连续化与个性化服务，对低功耗实时推理需求将更为迫切；柔性脑机接口、电子皮肤、软体机器人等领域也需要高能效、高可靠的本地计算引擎，以减少对外部算力与通信的依赖。此次成果在柔性形态、能效与可靠性上给出了可验证的路径，有望推动涉及的应用从概念展示走向可规模部署。同时，如何在更大规模阵列、更复杂模型与更多任务下保持稳定性能，以及如何实现更低成本制造与更高良率，仍是产业化需要持续攻关的关键。
从刚性电路到可折叠芯片，由材料与工艺创新引发的计算形态变革正在加速。北大团队的实践表明，通过底层技术的持续突破，中国科研力量有望在涉及的新兴领域取得更具引领性的进展。未来当智能设备像织物一样融入生活，这项来自燕园的研究成果或将成为改变人机交互方式的重要节点。