安纳智芯 AX100 模拟计算芯片流片：矩阵方程求解小于 100 纳秒
世界首颗：单次矩阵方程求解时间小于 100 纳秒，国产新型模拟计算芯片问世
模拟计算这条路线沉寂多年，现在有了实测芯片：解矩阵方程不用迭代，100 纳秒出结果，吞吐比 GPU 高两个数量级。做机器人控制、通信基带或者研究训练优化的工程师值得看看它在自家场景能不能用上。
安纳智芯自主研发的 AX100 芯片于 10 月完成流片，号称世界首颗全集成一步求解矩阵方程的模拟计算芯片。实测单次矩阵方程求解时间小于 100 纳秒，单次计算功耗约 80 毫瓦，与理论设计预期一致。传统数字芯片解 512 阶矩阵方程约需 5 亿次乘加、耗时数十至上百微秒，而 AX100 将矩阵方程直接映射为电路，电路自平衡后一次读出结果，无需迭代。
技术源头是北京大学孙仲团队 2025 年 10 月发表在《自然·电子学》的成果，该研究将模拟计算精度从百分之一量级提升到千万分之一量级，安纳智芯在一年内将其从实验室推向产线。团队在三类场景完成验证：大模型训练方面，在 293 万参数 Autoencoder 和 272 万参数 Transformer 上，二阶优化方案使训练更新消耗分别减少 92% 和 56%；具身智能方面，机器人运动控制与规划端到端算法提速 150% 到 500%，SLAM 核心算法环节提速 200% 到 500%；无线通信方面，对 128×128 信道格拉姆矩阵，相比数字 ASIC 与 GPU 的等效吞吐提升 20 至 207 倍，能效提升 27.6 至 61.3 倍。
该芯片制造不依赖先进制程，采用成熟工艺即可实现全链路自主可控。CEO 向锐表示 AX100 与 GPU 类数字芯片在架构和底层逻辑上完全不同，希望借此实现芯片领域的“开道超车”。
世界首颗：单次矩阵方程求解时间小于 100 纳秒，国产新型模拟计算芯片问世
IT之家 11 月 15 日消息，据科技日报从模拟计算芯片公司安纳智芯了解到，该公司自主研发的 AX100 芯片已于 10 月完成流片，这是 世界首颗全集成一步求解矩阵方程模拟计算芯片 。 经测试， 该芯片单次矩阵方程求解时间小于 100 纳秒 ，单次计算功耗约为 80 毫瓦，完全符合理论仿真与设计预期。 据介绍，我们熟悉的 AI 大模型训练参数优化、机器人动作控制和空间规划、通信基站信号处理等， 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”转化成海量乘加迭代，计算量随矩阵规模呈立方级增长 —— 以 512 阶矩阵方程求解为例，约需 5 亿次乘加，耗时数十至上百微秒。 模拟计算则直接利用物理定律实现并行运算，延时低、功耗低，在算力瓶颈背景下，具有先天优势 。安纳智芯 CEO 向锐表示，“矩阵方程被直接映射为电路，电路自平衡后一次读出结果，无需迭代。” 如何让模拟计算兼具可靠性与可扩展性，从而在现代计算任务中发挥其先天优势，是困扰全球科学界的世纪难题。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， 将模拟计算的精度从此前的百分之一量级提升到千万分之一量级 。当时就有学者评论，孙仲的研究“复活”了模拟计算这一个长期被忽略的领域。 论文正式发表至今仅一年时间，得益于我国成熟的芯片制造封装产业链 ，安纳智芯将孙仲团队的技术从实验室推向了产线。 团队已在三种场景下对芯片进行了测试。针对大模型训练，团队在 293 万参数的 Autoencoder 模型和 272 万参数的 Transformer 模型上开展验证，在对应实验中， 所采用的二阶优化方案使两类模型的训练更新消耗分别减少了 92% 和 56% 。在具身智能领域，芯片可提升机器人实时计算能力， 运动控制与规划端到端算法提速 150% 到 500% ，三维重建与 SLAM（实时定位建图）核心算法环节 提速 200% 到 500% 。在无线通信领域，评估结果显示，对于 128×128 规模的信道格拉姆矩阵，模拟计算芯片相比现有数字 ASIC 芯片与 GPU 的等效吞吐 提升 20 至 207 倍，等效能效提升 27.6 至 61.3 倍 。 IT之家获悉， 该芯片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。 “AX100 芯片和 GPU 类数字芯片在架构和底层逻辑上完全不同，且具备现代模拟计算顶尖计算能力，有望实现芯片领域的‘开道超车’。”向锐表示，这是中国企业第一次有机会参与定义一种重要计算范式，将为广泛的矩阵方程求解需求，提供全新且更加高效的计算底层硬件。
This report is categorized under AITOP's "Models" desk, focusing on China's AI industry and domestic foundation model ecosystem. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include AX100, open-source models.
Source attribution: curated from IT之家.
