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，正深刻改变可穿戴医疗、植入式神经记录、人机交互和物联网等应用形态。近年来，稳定且高良率的薄膜晶体管（TFT）技术使在柔性基板上大规模集成电路制造成为可能。同时，柔性多模态传感与本地协同处理的深度融合，以及高性能边缘智能的快速发展，对能够高效加速神经网络推理的柔性处理器提出了迫切需求，而传统硬件架构在能效、可靠性和机械适应性方面面临显著挑战。

针对上述瓶颈，清华大学集成电路学院任天令教授团队提出了FLEXI——面向边缘智能加速的柔性数字存内计算芯片。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。每颗柔性芯片在单一基片上集成了SRAM存储阵列、计算单元及外围电路。通过覆盖制造工艺、电路结构与算法设计的跨层级协同优化（CLCO）策略，FLEXI实现了稳定、高速、并行的点积运算，在工艺波动与机械形变条件下仍保持优异的精度、面积效率与能效表现。

图1.基于LTPS-TFT技术的柔性晶圆与芯片结构示意图

在体系结构上，FLEXI采用高度可扩展的模块化存算一体架构。每个模块由6T-SRAM单元及嵌入式、可重构的本地处理单元（RLPU）构成。RLPU由四个n型晶体管和两个作为本地放大器的反相器组成，利用紧凑的动态逻辑完成计算结果感知，并以单比特形式输出。多个RLPU的输出经总线路由并由上拉p型晶体管汇聚，实现多位并行计算。该模块化设计支持在单个宏单元中灵活扩展位宽与分区规模，各模块并行计算部分乘积，最终汇总得到运算结果，从而高效支持神经网络中的单指令多数据（SIMD）运算。为降低神经网络权重反复写入带来的能耗与时延开销，研究团队针对不同存储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、数字、语音、图像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芯片上亦可稳定运行。

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化

实验结果表明，FLEXI所采用的6T-SRAM单元具有对称的电压传输特性和近轨到轨输出能力，亚稳态电压增益约为80，实现可靠的双稳态存储。芯片可在2.5–5.5 V电源电压范围内稳定运行，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，研究团队展示了高性能模式（12.5 MHz、2.52 mW）与超低功耗模式（1.19 MHz、55.94 μW）。此外，FLEXI在10¹⁰次固定与随机输入乘法运算中实现零错误运行，整体良率约为70%–92%，单芯片成本低于1美元，并具备长期运行稳定性。与已报道的柔性计算芯片相比，FLEXI的时钟频率提升5.7–11.2倍，能量延迟积（EDP）降低87.8%–99.1%；相较于同步CPU，其频率提升15.7–27.5倍，EDP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，FLEXI可在边缘环境中实现高效、本地化的即时数据解释。研究团队将其用于日常活动的连续监测与识别，展示了在便携式高保真生理监测和多模态传感器内计算中的应用潜力。团队采集了10名受试者在坐姿、紧张、步行、慢跑和骑行等状态下的心率、呼吸频率、体温及皮肤水分等多模态生理信号，经预处理后构建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，该模型在测试集上取得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，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，FLEXI在实现神经网络一次性部署的同时，兼具高可靠性、卓越能效、高成品率（70%–90%）与良好可扩展性。该芯片在高频计算、极端机械应力及加速老化条件（-40至+80 °C温度循环、90%相对湿度、UVA-340及全光谱辐照）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。

图5.Nature News & Views中对本工作柔性存算芯片与传统计算机硬件的对比

1月28日，上述研究成果以“一种用于边缘智能的柔性数字存内计算芯片”（A flexible digital compute-in-memory chip for edge intelligence）为题，发表在国际顶级学术期刊《自然》（Nature）上。

研究成果获得了《自然》（Nature）的“新闻与观点”（News & Views）栏目专题报道。柔性电子专家克里斯·米尼（Kris Myny）和杰哈德·布瓦卡兹（Djihad Bouakaz）发表新闻“用于可穿戴技术的可弯曲AI芯片”（A bendable AI chip for wearable technology），高度评价本工作“通过对芯片制造工艺、电路设计和运行算法的全面优化，将柔性电子技术推向了新的高度…报道了在柔性基板上直接实现AI芯片的方案，填补了柔性电子技术领域的重大空白，为人工智能应用提供了专用、可扩展且低功耗的计算硬件…为面向边缘计算的超低成本AI系统开辟了道路”。

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。