当前，AI应用的快速发展与可穿戴设备的实际需求之间存明显矛盾；传统AI计算需要高算力、高能耗的中央处理平台，而心率监测仪、脑植入器等边缘设备受柔性基底和成本限制，难以承载复杂的智能计算。此瓶颈长期制约着可穿戴设备和物联网终端的功能升级。 虽然柔性中央处理器已有问世，但运算速度慢、功耗高，无法满足数据分类、机器学习等AI任务的需求。柔性电子领域一直缺乏专用的高性能AI计算芯片，成为产业发展的关键制约。 清华大学集成电路学院任天令教授团队针对这一难题进行了系统研发。新推出的FLEXI柔性AI芯片采用CMOS低温多晶硅工艺，可直接在柔性基底上制造，特点是低功耗、低成本和高集成度。研究团队通过增加金属层数的工艺创新，突破了柔性电子难以支持复杂芯片互联的技术瓶颈，使复杂电路设计在柔性材料上成为可能。 在架构设计上，研究团队采用数字"存内计算"方案，将数据处理直接在存储器内部完成，消除了传统架构中数据在存储器与处理器之间反复搬运产生的时间和能耗开销，突破了长期困扰芯片设计的"存储墙"性能限制。相比传统模拟方案，这一设计明显提高了计算效率。 实测数据充分验证了芯片的可靠性。在折叠、卷曲等极端工作状态下，芯片仍能稳定运行。经过四万次反复折叠测试后，其计算能力保持稳定，并表现出良好的耐温、耐湿和抗光照老化性能。这些指标表明该芯片已满足实际应用的可靠性要求。 在成本控制上，最小尺寸芯片的制造成本仅为0.016美元，这一低廉的成本使其能够集成至各类可穿戴设备中。通过采集心率、呼吸频率、体温等生理信号，该芯片可实现人体日常活动的智能识别，为健康监测、运动追踪等应用提供了硬件基础。 《自然》期刊同期刊发的评述文章指出，该芯片通过设计架构与制造工艺的协同优化，在低成本、低功耗条件下实现了稳定的神经网络运算，填补了高性能柔性AI计算芯片的技术空白，为物联网领域的智能硬件创新指明了新方向。 展望未来，该技术仍有优化空间。通过应用新型半导体材料、优化功率门控技术等手段，芯片性能有望深入提升。若能持续改进生产良率并优化芯片尺寸，将推动可穿戴健康设备、物联网终端等产业的升级，为具身智能、边缘计算等新兴领域发展提供硬件支撑。
从"能弯曲"到"能计算"，柔性电子的价值正在从形态创新向功能跃迁；此次柔性数字存算芯片的突破表明：面向未来的终端智能竞争——不仅比拼算力——更比拼在受限能量与复杂环境中稳定、低成本部署智能能力的体系化能力。只有把关键技术做深做实、把产业链协同做强做细，才能让实验室里的新器件更快转化为服务公众健康与产业升级的现实生产力。