11 月 15 日，据科技日报消息，模拟计算芯片公司安纳智芯自研的 AX100 已于 10 月完成流片，这是世界首颗全集成一步求解矩阵方程的模拟计算芯片，单次求解时间小于 100 纳秒，单次计算功耗约 80 毫瓦。
把矩阵方程直接映射成电路
大模型训练参数优化、机器人动作控制与空间规划本质上都是在解复杂的矩阵方程。数字芯片的做法是把求解转成海量乘加迭代，计算量随矩阵规模呈立方级增长，以 512 阶矩阵方程为例约需 5 亿次乘加，耗时数十至上百微秒。模拟计算直接利用物理定律实现并行运算，矩阵方程被映射为电路，电路自平衡后一次读出结果。安纳智芯 CEO 向锐这样描述这一机制。
三个场景的实测增益
在大模型训练上，团队用 293 万参数的 Autoencoder 模型和 272 万参数的 Transformer 模型做验证，采用的二阶优化方案让两类模型的训练更新消耗分别减少 92% 和 56%。在具身智能方向，运动控制与规划的端到端算法提速 150% 到 500%，三维重建与 SLAM 核心环节提速 200% 到 500%。在无线通信方向，对 128 乘 128 规模的信道格拉姆矩阵，模拟计算芯片相比现有数字 ASIC 与 GPU 的等效吞吐提升 20 至 207 倍，等效能效提升 27.6 至 61.3 倍。
精度瓶颈由北大团队突破
模拟计算长期卡在精度上。2025 年 10 月，北京大学人工智能研究院研究员孙仲团队在《自然·电子学》发文，把模拟计算精度从百分之一量级提升到千万分之一量级。安纳智芯把这套技术从实验室推到产线，制造不依赖先进制程，采用当前成熟工艺即可实现全链路自主可控。端侧与边缘推理芯片的选型对照可见 DX-M2 边缘 AI 芯片指南。
延伸阅读
- IBM与西门子联手推进7埃米3D晶体管：密度翻番、功耗降七成，AI芯片的下一个十年1 月前
- 北大联合 IBM 定义现代模拟计算：估值超 45 亿美元2 周前
- 微软Maia 300深度：7倍吞吐、40%能效，2027多吉瓦部署1 月前
- 英伟达 Vera CPU 实测：每瓦多跑 1.6 倍智能体1 周前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
往下这几篇值得接着看：
- 超聚变创业板IPO过会：174天走完流程，2024年营收435亿2026-11-15
- 前 OpenAI 研究员取证：六个中国模型藏英伟达 Blackwell 指纹2026-11-13
- DEEPX DX-M2：2nm 80TOPS 5W 跑 10B 模型，边缘芯片怎么选深度2026-11-13
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记