中国团队研发新芯片：一步完成矩阵运算，挑战黄仁勋万亿步算力

背景

当前 AI 算力基础设施正陷入一种同质化的内卷困境。从 GPU、TPU、LPU 到 CPU，主流芯片厂商的竞争核心依然围绕数字计算展开：通过增加晶体管数量、采用更先进的制程工艺、提升带宽和吞吐量来换取性能。然而，这种基于摩尔定律的“硬堆”模式正逐渐逼近物理极限。

与此同时，模拟计算（Analog Computing）这一古老的技术路线正在重新进入视野。早在数字计算机普及之前，人类就已研究模拟计算。近年来，随着存算一体、光计算、量子计算及类脑芯片等概念的兴起，模拟计算因其天然具备的高并行度、低功耗以及对先进制程依赖度较低等优势，再次受到关注。

但模拟计算长期面临一个核心痛点：精度。数字计算通过处理 0 和 1 的高低压电平，能够不断校正误差；而传统模拟计算直接利用电压、电流、电导等物理信号表示信息，信号在传播过程中容易积累噪声和漂移。矩阵规模越大，误差放大越严重。行业普遍存在一种认知偏差，认为模拟计算虽然高效省电，但“不可信”，因此多数初创公司（如 Unconventional AI、Normal Computing、EnCharge AI）选择接受低精度，仅在特定场景或低功耗领域寻找“够用”的应用。

在此背景下，中国团队安纳智芯（Anatrix）选择了一条截然不同的技术哲学：不妥协于低精度，而是致力于解决模拟计算的精度死结，将高精度模拟计算推向可用。

核心内容

安纳智芯的核心突破在于其技术路线与计算范式的重构，具体体现在以下几个方面：

1. 高精度模拟计算的原理性验证与流片 过去近十年，安纳智芯核心科学家团队专注于解决模拟计算的精度问题。去年，团队完成了原理性验证，其精度已媲美数字芯片水平，在模拟计算领域达到断档式领先。今年，相关芯片已进入流片阶段。

2. 基于存储器阵列的非冯诺依曼架构 安纳智芯的技术路线是基于存储器阵列搭建非冯诺依曼架构芯片。其核心逻辑是将矩阵方程直接映射进物理电路，让电路本身成为方程求解器。

• 工作模式：输入数据进入电路，测量输出，输出即为解。
• 效率对比：对于同样的矩阵方程，GPU 需要将其拆解、转置、分解，转化为海量矩阵乘加运算，通过上亿次迭代逼近答案；而安纳智芯的芯片可以“一步”完成求解，并保持精确。

3. 从“矩阵乘法”转向“矩阵求逆” 这是安纳智芯与其他模拟计算公司最大的区别。

• 行业现状：大多数模拟计算公司（包括存算一体、模拟 CIM、类脑、光计算等）主要致力于替代 GPU 的矩阵乘法，因为这是 AI 推理的基础。
• 安纳智芯的选择：选择矩阵求逆。
  • 矩阵乘法：本质是“知因求果”。权重和参数已知，通过乘加运算得到结果，主要对应大模型的推理过程。
  • 矩阵求逆：本质是“知果求因”。已知输入和输出，反推中间未知的参数、权重或状态，主要对应大模型的训练过程，以及机器人控制、自动驾驶状态估计等现实世界中的“逆问题”。
• 范式差异：GPU 没有原生的矩阵求逆算子，必须将求逆问题转化为海量矩阵乘法并通过迭代逼近（即“用沙子、泥土烧制砖块”）。安纳智芯则提供原生的矩阵求逆能力（即“直接给砖块”），实现了从“迭代逼近”到“原生求解”的范式跨越。

4. “让矩阵归模拟，让逻辑归数字”的系统集成策略 为了解决模拟芯片如何融入现有 AI 基础设施的问题，安纳智芯提出了明确的集成策略：

• 兼容性：模拟芯片在接口、数据格式和互联方式上兼容现有 GPU 体系，可直接接入已规模化的 AI 基础设施和算力中心。
• 制程优势：模拟计算跳出了数字芯片对 3nm、2nm 等先进制程的依赖，不再陷入“拼晶体管、拼工艺”的竞争逻辑。

关键要点

• 技术突破：安纳智芯解决了模拟计算长期存在的精度难题，实现了精度媲美数字芯片的模拟计算，且芯片已进入流片阶段。
• 架构创新：采用基于存储器阵列的非冯诺依曼架构，通过物理电路直接求解矩阵方程，实现“一步”求解，而非 GPU 式的“上亿次迭代逼近”。
• 核心算子差异：不同于同行聚焦于矩阵乘法（推理加速），安纳智芯聚焦于矩阵求逆（训练及逆问题求解），填补了数字芯片体系中原生矩阵求逆算子的缺失。
• 应用广度：矩阵求逆能力不仅适用于大模型训练，还广泛适用于机器学习优化、具身智能实时控制、自动驾驶状态估计、6G 信号恢复及端侧 AI 在线学习等高频求解矩阵方程的场景。
• 系统集成：通过兼容现有 GPU 接口和互联方式，确保模拟芯片能无缝嵌入现有的 AI 算力中心，降低部署门槛。
• 资本与市场背景：尽管安纳智芯选择高精度路线，但模拟计算赛道整体受资本青睐。2025 年底 Unconventional AI 获 4.75 亿美元融资，Normal Computing 获 5000 万美元融资，EnCharge AI 获超 1 亿美元 B 轮融资，显示市场对模拟计算潜力的认可。

意义与影响

安纳智芯的技术路径若成功落地，将对 AI 算力格局产生深远影响：

1. 重新定义 AI 计算范式 如果矩阵乘法定义了过去的 AI 十年，那么模拟计算与矩阵求逆有望定义下一代智能系统。它标志着计算从“数字迭代逼近”向“模拟原生求解”的范式转移，解决了数字芯片在特定复杂问题上“太慢、太贵、太耗电”的瓶颈。

2. 突破算力与能效的物理瓶颈 通过不依赖先进制程且具备高并行度、低功耗的特性，模拟计算为算力扩展提供了新的维度。特别是在需要高频求解矩阵方程的场景（如实时机器人控制、在线学习），原生矩阵求逆能力将使原本只能离线、云端处理的任务得以在端侧或实时系统中高效完成。

3. 推动“逆问题”解决方案的普及 现实世界中大量核心难题（如从传感器数据还原真实状态、从混杂信号恢复信息）本质上是逆问题。安纳智芯将这块缺失多年的“砖”补上，意味着这些长期受限于计算成本和时间的问题，可能迎来根本性的解决效率提升。

4. 验证“高精度优先”的技术哲学 安纳智芯的实践反驳了“模拟计算只能低精度”的行业偏见。其遵循“先做到精度天花板，再向下做取舍”的发展逻辑，类似于数字计算从 FP32 到 INT4 的演进路径，证明了高精度模拟计算是通向通用、可信 AI 基础设施的可行路径。