人工智能加速向物联网、具身智能等方向渗透的背景下，智能终端对计算硬件提出新的约束：既要足够强大以支撑神经网络推理等数据密集型任务——又要足够轻薄、低功耗——能够贴合人体或复杂曲面稳定工作。长期以来，主流芯片依赖硅基刚性形态，难以在柔性、可弯折场景中兼顾性能与可靠性；而现有柔性处理器多受制于频率偏低、能耗偏高、并行能力不足等短板，导致“能用”与“好用”之间存在明显落差。如何在柔性载体上实现接近传统芯片的计算效率，成为柔性智能设备规模化落地的关键瓶颈之一。 针对上述痛点，北京大学人工智能研究院燕博南团队与合作者提出以跨层级协同为核心的技术路线，在“工艺—电路—算法”之间形成闭环优化：一上柔性工艺可承受的条件下提升电路计算能力，另一上通过算法与硬件的适配设计减少冗余开销，使系统级能效得到整体跃升。值得关注的是，该团队将高性能数字存内计算首次引入柔性电子领域，采用以全数字静态随机存取存储器为核心的“存算一体”架构，使“存储”和“计算”同一结构内完成，减少传统架构中频繁的数据搬运，从根源上压缩时间与能耗成本。这个思路直指当前终端侧计算的主要矛盾：算力增长不能以电池体积和散热负担为代价。 从已披露的关键指标看，这款芯片厚度约25微米，具备随意弯折的形态优势，并在可靠性与稳定性上给出较强验证：超过4万次180度弯曲后性能无衰减，连续执行百亿次运算仍保持零错误。此外，芯片提供“一键部署”特性，可将训练完成的模型一次性植入，运行过程中无需重复写入权重，降低了功耗与时延，并提升了终端设备在弱网络或无网络环境下的自主性。这些特征意味着，它不只是“能弯曲的电路板”，而是面向真实场景可长期工作的计算引擎。 其影响将体现在三个层面。第一，终端智能能力有望前移至更贴近人和环境的部位。对于可穿戴健康监测，持续采集与即时推理对功耗极为敏感，低能耗和稳定性直接决定产品体验与续航。团队给出的应用示例显示，即使在1kb存储容量的最小版本芯片上，也能实现较高准确率的心律失常检测与人体活动识别，表明其在边缘侧小模型推理上具备实用价值。第二，柔性机器人与复杂曲面设备将获得更紧凑的“本体算力”。当传感、计算与执行更紧密地融合，设备可减少对外部计算单元的依赖，提高响应速度与环境适应能力。第三，从产业链角度看，这类架构与工艺路线为柔性电子与智能计算的结合打开新路径，有助于带动材料、制造、封装、测试以及应用端的协同创新，推动形成从实验室到产品化的连续迭代机制。 当然，新成果从“首创”走向“普及”仍需系统性推进。其一，应面向典型应用场景构建标准化评测体系，更量化不同弯折半径、汗液与温湿度等复杂环境下的长期稳定性与安全性，为医疗级可穿戴设备等高要求领域提供依据。其二，需要与算法端共同完善软硬件协同的工具链和开发范式，降低模型部署门槛，让更多应用开发者能小存储、低功耗条件下实现可用的推理性能。其三，推动与企业和医疗机构等建立联合验证机制，加速从样机到量产的工艺成熟度提升，同时在数据安全、隐私保护与合规上形成可落地的解决方案，确保终端侧智能在“可用”的同时“可控”。 展望未来，随着柔性显示、柔性传感与柔性能源等技术持续演进，柔性存算一体芯片有望成为“环境智能”的关键拼图：智能系统将更贴近人体、更融入环境，并在更小的空间内完成感知、理解与决策。其潜在应用不仅指向健康管理、康复辅助和人机交互，也可能在工业巡检、应急救援、智慧家居等领域形成新的设备形态。可以预期的是，面向终端侧的高能效计算，将成为下一阶段智能硬件竞争的核心赛道之一。
当计算芯片获得如织物般的柔韧特性，人与机器的交互方式正在经历革命性重塑。这项来自中国实验室的原创成果不仅填补了技术空白，更预示着智能硬件将从"穿戴时代"迈入"融合时代"。在老龄化社会与数字健康需求叠加的背景下，如何将实验室优势转化为产业胜势，将成为下一个值得期待的创新叙事。