一、问题背景：边缘智能对硬件提出新要求 随着可穿戴设备、物联网终端及便携式医疗仪器的快速普及，边缘端智能计算的需求日益迫切。传统刚性芯片体积、功耗与形态适配性上存在明显局限，难以满足贴合人体、持续监测等应用场景的实际需求。另外，现有边缘计算方案普遍面临数据传输延迟高、能耗大、隐私保护能力弱等问题，亟需在硬件层面寻求突破。 鉴于此，如何研制出兼具柔性形态与高效计算能力的新型芯片，成为学界与产业界共同关注的核心课题。 二、技术路径：跨层级协同优化破解关键难题 清华大学任天令教授团队历经多年攻关，推出了FLEXI系列柔性数字存内计算芯片，涵盖FLEXI-1、FLEXI-4和FLEXI-32三种规格，存储容量分别为1千比特、4千比特和32千比特，最大规格集成约26.5万个晶体管。 该芯片的核心创新在于覆盖制造工艺、电路结构与算法设计三个层面的跨层级协同优化策略。这个策略打破了传统芯片设计中各层级相互割裂的局面，使芯片在工艺波动与机械形变条件下仍能保持优异的精度、面积效率与能效表现，实现稳定、高速、并行的点积运算。 在体系结构上，FLEXI采用高度可扩展的模块化存算一体架构，可高效支持神经网络中的单指令多数据运算模式。研究团队还针对不同存储容量专门设计了一组轻量级神经网络模型，实现权重的片上一次性部署，从根本上降低了神经网络权重反复写入所带来的能耗与时延开销。 从底层电路特性来看，FLEXI所采用的6T-SRAM单元具有对称的电压传输特性和近轨到轨输出能力，亚稳态电压增益约为80，可实现可靠的双稳态存储。芯片支持2.5至5.5伏的宽电源电压范围，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，充分验证了其在极端物理条件下的可靠性。 三、应用验证：生理监测场景展现实用价值 为检验芯片的实际应用效能，研究团队开展了系统性的场景验证实验。团队采集了10名受试者在坐姿、步行、慢跑和骑行等不同运动状态下的心率、呼吸频率、体温及皮肤水分等多模态生理信号，经预处理后构建轻量级四通道卷积神经网络，并在最小规格的FLEXI-1芯片上完成一次性片上部署。 实验结果表明，通过量化感知训练，该模型在测试集上实现了97.4%的分类准确率，充分证明FLEXI芯片具备在边缘环境中高效、本地化处理复杂生理数据的能力。这一成果为便携式高保真生理监测和多模态传感器内计算的实际落地提供了有力的技术支撑。 四、深远影响：推动柔性智能硬件产业化进程 FLEXI系列芯片的问世，在多个维度上至关重要。其一，该芯片将存内计算架构与柔性制造工艺相结合，为解决边缘端算力与功耗之间的矛盾提供了新的技术范式。其二，轻量级模型与片上一次性部署方案的结合，有效降低了柔性智能硬件的使用门槛，为规模化应用创造了条件。其三，有关成果发表于《自然》期刊，标志着我国在柔性电子与智能计算交叉领域的研究水平已跻身国际前沿。 从产业前景来看，FLEXI芯片所代表的技术路线与可穿戴健康设备、智能运动监测、柔性机器人感知等新兴市场高度契合，具备广阔的商业化空间。随着制造工艺的持续成熟与成本的更下降，此类柔性智能芯片有望在未来数年内加速向消费级产品渗透。
从"能算"到"算得省、算得稳、算得弯"，柔性存算芯片的突破折射出边缘计算形态的深层变化。面向更贴近人体、更贴近现场的智能系统，关键不只是提升单点性能，更在于打通材料、器件、电路与算法的跨层协同优化闭环。随着对应的技术持续迭代，兼顾隐私保护、低碳能效与长期可靠性的本地化计算能力，有望成为可穿戴与物联网产业升级的重要支撑。