近日，清华大学集成电路学院任天令教授团队在国际顶级学术期刊《自然》（Nature）上发表题为 “A flexible digital compute-in-memory chip for edge intelligence”（一种用于边缘智能的柔性数字存内计算芯片）的研究论文，报道了团队在柔性电子与边缘人工智能芯片领域取得的重要突破。
柔性电子器件因其超薄、轻质、可贴合、可定制及低成本等优势，正加速应用于可穿戴医疗、植入式神经记录、人机交互和物联网等场景。近年来，薄膜晶体管（TFT）技术的成熟使在柔性基板上大规模制造集成电路成为可能。然而，随着柔性多模态传感与本地智能处理需求的快速增长，传统柔性硬件在算力密度、能效与可靠性方面已难以满足高性能边缘智能应用的需求。
针对上述挑战，研究团队提出了一系列面向边缘智能加速的柔性数字存内计算芯片——FLEXI。FLEXI 采用低温多晶硅（LTPS）CMOS 工艺制造，兼具轻薄、低成本和高能效等优势。该系列包括 FLEXI-1（1 kb）、FLEXI-4（4 kb）和 FLEXI-32（32 kb）三种规格，最多集成约 26.5 万个晶体管，在单一柔性基片上实现了 SRAM 存储、计算单元和外围电路的高度集成。
图1.基于LTPS-TFT技术的柔性晶圆与芯片结构示意图：单个die集成 FLEXI-1、FLEXI-4、FLEXI-32 及测试结构；包含12个die的本征柔性芯片；柔性芯片三维结构示意。
FLEXI 采用模块化、可扩展的数字存算架构，每个模块由 6T-SRAM 单元及嵌入式可重构本地处理单元（RLPU）构成，支持稳定、高速、并行的点积运算。通过覆盖制造工艺、电路设计和算法实现的跨层级协同优化（CLCO）策略，FLEXI 在工艺波动和机械应力条件下仍能保持优异的计算精度、面积效率和能效表现，并高效支持神经网络推理中的单指令多数据（SIMD）运算。
为降低神经网络权重反复写入带来的能耗与时间开销，研究团队针对不同芯片容量设计了一组轻量级神经网络模型，实现权重的片上一次性部署。这些模型可在 FLEXI 芯片上高效处理心电信号、语音、图像以及多模态生理信号等多种数据类型，即使在最小规模的 FLEXI-1 芯片上也可稳定运行。
图2.FLEXI存内计算架构电路；结合量化感知训练与贝叶斯优化的双环训练策略；芯片上权重分布可视
实验结果表明，FLEXI 芯片可在 2.5–5.5 V 电源电压范围内稳定工作，并在半径 1 mm、180° 对折条件下经受超过 4 万次弯折循环而性能无明显退化。在 FLEXI-1 上，芯片分别实现了 12.5 MHz 的高性能运行模式和 55.94 μW 的超低功耗运行模式。同时，FLEXI 在长时间高频运算中实现零错误运行，整体良率达 70%–92%，单芯片成本低于 1 美元，并具备良好的长期稳定性。
与已报道的柔性计算芯片相比，FLEXI 在时钟频率和能效方面均实现数量级提升；相较于同步 CPU，其能量–延迟积降低 3–4 个数量级。高性能、低功耗与优异机械可靠性的结合，使 FLEXI 成为面向边缘人工智能应用的极具潜力的柔性计算平台。
图3.6T-SRAM柔性单元显微图、电路结构及传输特性；FLEXI-4在存算模式下的Shmoo测试；FLEXI-4经受43000次折叠测试过程中的性能监测；FLEXI系列芯片与其他柔性计算芯片的综合性能对比。
在应用验证方面，研究团队将 FLEXI 用于日常活动的连续监测与识别，展示了其在可穿戴健康监测和多模态传感器内计算中的应用前景。团队采集了受试者在不同状态下的心率、呼吸频率、体温和皮肤水分等多模态生理信号，构建了轻量级四通道卷积神经网络，并在 FLEXI-1 上实现一次性片上部署。通过量化感知训练，该模型在测试集上实现了 97.4% 的分类准确率。
图4.FLEXI 用于日常活动监测与分类的系统流程：数据采集、预处理、神经网络训练与片上推理；可一次性部署的四通道卷积神经网络结构；FLEXI-1不同电压条件下单次推理的延迟与能耗。
总体而言，本文提出的FLEXI是一种基于LTPS-TFT 技术的柔性数字存内计算芯片。通过工艺–电路–算法协同优化，该芯片在高频计算、极端机械应力和加速老化条件下均保持稳定、无误差运行，并展现出超过 6 个月的长期稳定性。相关成果为柔性电子器件在移动医疗、嵌入式智能及其他边缘计算场景中的应用奠定了坚实基础。
清华大学集成电路学院 2021 级博士生闫岸之、2021 级硕士生闫涧澜、2022 级硕士生沈鹏辉，以及北京大学集成电路学院 2023 级博士生符一涵为论文共同第一作者；清华大学集成电路学院任天令教授、清华大学信息国家研究中心刘厚方副研究员及北京大学人工智能研究院燕博南助理教授为共同通讯作者，清华大学集成电路学院杨轶副教授等为论文共同作者。清华大学为本论文的第一单位。该研究得到国家自然科学基金委员会、科技部、北京信息科学与技术国家研究中心及北京市自然科学基金委员会等机构的支持。
