可彎折超4萬次！清華造出柔性AI芯片，健康監測準確率超99％

“中國造”AI 芯片再發 Nature。芯片良率達 92.1%，反復彎折到 180 度，連續彎 4 萬多次計算能力絲毫沒下降。連續進行 100 億次乘法運算，一個錯誤都沒出現。通過了 ?40°C 至 80°C 的冷熱沖擊及高濕和光照老化，并在常規條件下長期放置 6 個月以上，性能依然穩定。芯片成本最低只有 0.016 美元，比一塊糖果還要便宜。

（來源：https://www.nature.com/articles/s41586-025-09931-x）

這便是清華大學任天令教授團隊打造的一種名為 FLEXI 的超薄可彎曲 AI 芯片，它薄如蟬翼厚度只有大約 25 微米，輕得幾乎感覺不到，卻能像人腦一樣思考，也能處理復雜的數據。它可以被反復折疊，卷曲 4 萬多次而不會損壞，甚至可以縫進衣服、貼在皮膚上，也能植入醫療設備之中成為我們身體的第二層智能皮膚。

圖 | 任天令（來源：受訪者）

FLEXI 芯片非常適合運行 AI 任務，比如識別圖像、理解語音和分析心電圖等。因為這些任務本質上就是做大量的乘法累加計算。同時，FLEXI 芯片可以一并運行成千上萬次這樣的運算，真正做到又快又準。

首次在柔性平臺實現存內計算架構，真正面向 AI 與神經網絡應用

談及芯片成本，論文第一作者、清華大學閆岸之博士告訴 DeepTech：“0.016 美元是一個基于批量生產估算的工程數據。柔性工藝本身的物料成本并不高。我們主要考慮的是非一次性成本，也就是大批量生產時的平均成本。這包括了每片面板的材料費、沉積、光刻等工藝的設備分攤費用等。像掩膜版這類一次性投入，在量產規模下可以被攤薄到很低?！?/p>

圖 | 閆岸之（來源：閆岸之）

目前，FLEXI 芯片已在健康監測場景中完成應用驗證。研究團隊圍繞該芯片開展多生理信號健康監測研究，通過采集心率、呼吸、體溫和皮膚濕度等數據訓練神經網絡模型，并將模型部署至 FLEXI 芯片上，實現高能效的片上本地推理分析。

比如，它能在單次心跳中識別出心律不齊的跡象，準確率高達 99.2%；也能判斷一個人是在靜坐、走路、跑步還是情緒緊張，準確率超過 97.4%。這意味著未來我們可以擁有更智能、更貼身的健康助手，及時發現身體異常，甚至能夠預防疾病發生。

比如，未來你手上的健康手腕不僅能夠記錄心跳和步數，還可以實時分析心電圖，在心跳出現異常之前發出預警；你穿的衣服則有可能感知你的體溫、汗水和呼吸，隨后自動地調節溫度，并能在你疲勞時提醒你休息。而這些，都有可能依賴 FLEXI 這塊可彎曲的 AI 芯片加以實現。

談及能夠發在 Nature 的原因，閆岸之表示：“我認為核心還是工作本身扎實且具有突破性。這一點從同期 Nature 新聞評論中也能看出，柔性電子領域的知名學者比利時魯汶大學 Kris Myny 教授評價我們的工作填補了空白，是當前最先進的柔性平臺之一。在性能指標上，無論是頻率、能效還是能量延遲積，我們都顯著超越了此前已報道的柔性芯片。”

他繼續說道：“我們首次在柔性平臺上實現了存內計算架構，真正面向 AI 與神經網絡應用。其次，我們是首個將時鐘頻率提升到 10MHz 以上的柔性芯片，而此前同類芯片多在 1MHz 左右。此外，我們也是首個采用工業標準進行系統化機械與老化測試的柔性芯片研究，從可靠性角度建立了新的評估范式?！?/p>

（來源：https://www.nature.com/articles/s41586-025-09931-x）

打破傳統芯片思路，在內存里直接做數學

傳統電腦或者手機芯片里的大腦分為兩部分：計算中心（CPU）和記憶倉庫（內存）。每次處理數據時，CPU 都要從內存里搬運數據過來，算完再存回去，這個過程很慢很耗電，就好比每做一道數學題都要跑一趟圖書館查公式一樣。

FLEXI 芯片采用了一種名為存內計算的新設計，能夠把計算單元直接建在記憶倉庫里，讓數據在原地就能完成計算。這就等于把公式和計算器帶在身邊，不用來回跑圖書館，那自然就能飛快做題，而且還特別省電。

閆岸之表示，要為柔性設備賦予真正的智能，必須引入存內計算這樣的高能效架構。傳統 CPU 的能效和算力難以支撐神經網絡任務，而數字存算結構既能提供高并行計算能力，又具備良好的魯棒性，適合在機械應力多變的環境中使用。

你可能以為芯片都是在硅晶圓上刻出來的硬邦邦的小方塊。但是，FLEXI 芯片使用一種名為低溫多晶硅的材料，像印刷報紙一樣印在柔軟的塑料薄膜上的。

這種材料和傳統硅材料相比，雖然性能稍遜，但優點是可彎曲、成本低、適合大規模生產。該團隊通過優化制造工藝，讓它既柔軟又高效，還能集成成千上萬個微型晶體管。

他們還從以下三個方面進行了同時優化：材料工藝、電路設計、AI 算法，讓芯片在保持低功耗的同時，還能高速運行神經網絡。他們甚至設計了一套輕量化的 AI 模型，可以直接一次性燒錄進入芯片，無需反復讀寫，極大提升了效率。

（來源：https://www.nature.com/articles/s41586-025-09931-x）

實現傳統剛性芯片難以達到的性能

閆岸之告訴 DeepTech：“相比于傳統剛性芯片使用的高純度單晶硅，我們采用的低溫多晶硅在半導體參數上雖然有所差距，但在柔性芯片體系中，我們在精度和能效上已經做到了當前最先進的水平。這背后主要是通過我們在論文中提到的 CLCO 策略——也就是工藝、電路、算法多層級協同優化來實現的?！?/p>

在工藝層面，他們通過大量的實驗和模擬，充分掌握了薄膜厚度、晶體管參數等在制造過程中的分布規律，特別是針對柔性 CMOS 工藝進行了多次迭代優化。

在電路層面，他們采用了數字存內計算架構，這在器件一致性較差的柔性工藝中，相比模擬方案更能抵抗工藝波動和環境變化的影響，同時也省去了功耗較大的模數轉換模塊。

在算法層面，他們采用了一次性部署的輕量化神經網絡方案，即使是在僅 1 Kbit 存儲的芯片上也能完整運行，避免了外存數據搬運帶來的功耗和延遲，顯著提升了芯片在實際邊緣場景中的可用性。

閆岸之補充稱，本次芯片在 AI 應用上的核心思路是一次性部署，即讓整個神經網絡完全運行在存算芯片內部，避免與外存頻繁交換數據。為此，他們采用量化感知訓練等方法，在壓縮模型規模的同時盡量保持精度，實現了又小又準。

他們還測試了包括手寫數字識別、語音喚醒、心律失常檢測等多個任務，在 1 Kbit 芯片上實現心律分類 99.2% 的準確率。此外，還通過多生理信號融合，實現了對人體日?；顒幽Ｊ降淖R別。

（來源：https://www.nature.com/articles/s41586-025-09931-x）

對于應用前景，閆岸之有著更多暢想。他表示：“醫療健康是一個重要的方向，除此之外，我認為它在柔性機器人領域會有很大潛力?！?/p>

利用 FLEXI 芯片可以大面積延展的特性，能夠為機器人制作電子皮膚，解決現有機器人近距離感知能力不足的問題。例如結合紅外傳感器，實現非接觸式的距離感知與避障。此外，它也非常適合用于腦機接口這類神經探針設備。

柔性材質能更好地貼合生物組織，實現高通量神經信號采集與前端實時處理。對于近年來發展迅速的可變形機器人，FLEXI 芯片在復雜曲面上具有天然優勢，可用于局部運動控制、環境識別等任務，甚至可以應用于微型飛行器的導航與通信。

未來，清華大學團隊希望能將芯片集成在電子皮膚、可植入神經探針、甚至語音交互貼片等場景中，讓人機交互更自然、更高效。

能夠取得今天的成果，自然離不開團隊。閆岸之最后表示：“任天令教授等始終尊重科研探索的客觀規律，同學們在長期研究中難免遭遇挫折、走入彎路甚至經歷失敗，老師從不會苛責，反而耐心引導，鼓勵我們沉下心來獨立思考、深入探索。

團隊倡導交叉研究與大膽探索，不同研究方向的同學可隨時交流探討，遇到科研難題也能根據需求組建團隊協同攻關，這是這樣開放務實的科研氛圍，讓我們敢于探索、勇于嘗試，諸多創新想法也得以生根發芽、落地推進?！?/p>

參考資料：

相關論文 https://www.nature.com/articles/s41586-025-09931-x

運營/排版：何晨龍