九天睿芯ADA100：晶体管层级存算一体架构，55nm工艺实现70μA超低功耗

电子发烧友网报道（文/李弯弯）在人工智能技术迅猛发展的当下，边缘AI芯片作为智能设备的核心，正迎来前所未有的市场机遇。据调研机构预测，2025年中国AI芯片市场规模将达1530-1780亿元，年增速超30%，其中边缘计算设备渗透率增速高达40%。这一趋势在智能穿戴、智能家居、工业物联网、自动驾驶等领域尤为显著，特别是AI耳机、AI眼镜等消费电子产品的普及，将推动了对高性能、低功耗边缘AI芯片的爆发式需求。

然而，边缘和终端场景对芯片的“低功耗、小体积、高实时性”要求，暴露出传统冯·诺伊曼架构的功耗瓶颈和算力密度不足等致命缺陷。如何在保证性能的同时实现极致能效比，成为制约行业发展的核心挑战。在此背景下，九天睿芯凭借创新的存算一体架构技术路线，在边缘AI芯片领域开辟差异化发展路径。电子发烧友就此深度采访九天睿芯副总裁刘铮，探讨其技术创新与落地实践，以及边缘AI芯片大规模商业化面临的挑战及解决方案。

存算一体架构创新：晶体管层级融合存储单元与计算单元

九天睿芯是一家专注于边缘/终端AI芯片研发的创新企业，其核心技术团队在存算一体架构领域拥有深厚积累。致力于打造集合高能效，高面效、高带宽存算一体AI芯片，是全球新型存算一体架构技术领域的领导者。基于融合存算一体神经网络加速器，在服务器、机器人等诸多场景支持大模型垂直应用算法。

九天睿芯的核心技术壁垒在于其创新的存算一体架构。与传统冯·诺伊曼架构不同，其ADA系列芯片在晶体管层级融合了存储单元与计算单元，实现了真正意义上的“存算一体”。

“我们的ADA100超低功耗音频处理芯片采用基于SRAM的存算一体架构，辅以模拟域的诸多前处理技术，大幅降低AI计算功耗以及信号前处理的功耗。”刘铮介绍道。这种架构创新带来了显著的性能优势：在仅1.4mm×1.6mm×0.45mm的极小体积上，ADA100实现了70μA的待机功耗（监测人声唤醒）和170μA的全功率功耗（监测关键词指令），相比传统架构芯片具有超过一个数量级的功耗优势和数倍的面积优势。在端侧设备诸如AI耳机、AI眼镜、智能助听器等应用场景中，极低功耗和小体积/面积的属性是工程开发设计和用户体验等不同层面的刚需。

值得注意的是，这些突破性性能是在55nm成熟工艺下实现的。“55nm工艺成熟、供应链安全可控、生产成本足够低，这为终端客户带来了显著的成本优势。”刘铮强调，“这也使得后续迭代产品有足够的空间，未来可以采用28nm、22nm甚至更先进的工艺，实现进一步的性能跃升，拉开与竞争对手的差距。”

九天睿芯已构建了完整的边缘AI芯片产品矩阵，满足不同算力场景的需求。除ADA100外，公司还成功流片了ADA200超低功耗视觉处理芯片，并在研ADA300超高能效比、超大带宽、大算力AI推理芯片。此外，公司还拥有几款辅助业务的模拟互联芯片，进一步丰富了产品线。

“ADA系列芯片的核心特点在于突破传统架构限制，从底层实现数倍甚至数量级的能效提升。”刘铮表示，“这解决了端侧设备对续航、散热、便携性（重量）的迫切需求，使客户能够在相对落后的工艺制程上获得先进制程才能实现的性能表现。”

与国内外竞争对手相比，九天睿芯的差异化优势不仅体现在技术层面，更转化为实实在在的商业价值。刘铮分享了一个典型案例：“在某头部客户导入过程中，我们首先因为芯片功耗的巨大优势得到了技术团队的认可，可以大幅提高其产品续航。同时，1.4mm×1.6mm的极小面积使客户能够直接沿用上一代产品的PCB板，只需在空余处加上我们的芯片并做相应布线调整，大幅降低了迭代成本。”

这种“功耗足够低、面积足够小”的特性，使九天睿芯的产品能够帮助各类终端设备厂商快速实现AI智能化升级，在激烈的市场竞争中脱颖而出。

边缘AI芯片行业：痛点、挑战与解决路径

边缘AI芯片的落地高度依赖对场景需求的精准把握。刘铮以可穿戴类消费电子为例进行了说明：“比如耳机或AI眼镜在骑行场景中，用户不希望用手势控制（出于安全考虑），而倾向于使用语音操作。但传统音频唤醒、控制方案功耗过高，因此超低功耗的VAD（语音活动检测）、KWS（关键词识别）功能成为刚需。”

类似地，在扫地机器人等端侧视觉场景中，对功耗（续航痛点）和芯片面积（设备尺寸限制）的敏感性同样极高。“把握这些行业痛点，为下游客户和最终消费者解决工程技术和使用体验上的问题，是超低功耗视觉处理芯片的核心价值所在。”刘铮强调。

目前，九天睿芯的芯片已在AI耳机、AI眼镜、智能助听器、智能运动随身挂件、AI玩具等多个智能化消费电子场景中实现量产交付或正在导入。这些行业的共同特点是用户对设备续航、体积和实时性有极高要求，而这正是九天睿芯产品的优势所在。

边缘AI芯片的价值释放需要构建完整的生态闭环。“我们会和客户在前期对齐算法（底层算子）需求，然后通过存算架构高效执行相关算子来实现客户所需算法。”刘铮介绍九天睿芯的生态策略时表示，“同时，我们在未来芯片研发中会提前收集客户或潜在合作伙伴的算法（算子）需求，确保设计方案能够覆盖市面上绝大部分主流音频、视频算法和大模型。”

这种“软硬结合”的生态建设思路，使九天睿芯能够与算法厂商、设备制造商形成紧密协作，共同推动边缘AI场景的落地。刘铮认为，一家合格的AI芯片公司要兼备大模型的能力，这样才能在芯片设计上把握最前沿的需求，避免芯片总是追着模型走。

尽管前景广阔，边缘AI芯片的大规模商用仍面临诸多挑战。刘铮认为，阻力主要来自两方面：一是用户使用传统芯片的惯性，二是大模型快速迭代带来的芯片设计落伍风险。“质量”越大，“惯性”越大。改变已经形成的供应链和技术路线需要巨大动力。不过他也相信，AI的“力”足够大，从硬件到模型，这个“力”足够推动中国AI事业向正确的方向加速。

面对这些挑战，总结来说可以从几个方面着手解决：其一是技术层面，比如进一步深化存算一体、近存计算等创新架构，从根本上突破冯·诺伊曼瓶颈；其二是生态层面，加强芯片企业、算法公司、设备厂商的协作，形成技术合力；其三是战略层面，提升对AI技术趋势的前瞻判断能力，使芯片设计更具未来适应性。

“我们不仅仅是一家芯片设计公司，从员工的科研、工程技术能力到客户战略合作，我们都能做到‘软硬结合’。”刘铮表示，“只有行业同仁有机协作，同时把握模型发展趋势、硬件演进方向和用户需求痛点，才能设计出真正‘好用’的AI芯片。”

写在最后

边缘AI芯片正站在技术与商业爆发的前夜。随着5G、物联网技术的普及和AI应用的深入，边缘计算的重要性将持续提升。在这一进程中，如何平衡性能与功耗、通用性与专用性、先进性与成本，将成为行业持续探索的方向。存算一体等创新架构的涌现，为解决这些矛盾提供了新的可能，但技术突破永无止境。可以预见的是，随着算法、芯片、应用场景的协同进化，边缘AI将释放出改变人机交互方式的巨大能量，推动智能设备进入一个更高效、更自然、更个性化的新时代。