问题：柔性电子器件凭借超薄、轻质、可贴合等特点，正加速进入可穿戴医疗、植入式神经记录、人机交互和物联网等应用。但要让传感数据从“采集”继续走向“即时理解”，端侧计算能力成为关键。现实中，传统刚性芯片难以与柔性基底长期匹配，能耗、可靠性与机械适应性之间也很难同时兼顾；另外，柔性基板上可规模化制造的电路能力虽在提升，但要高效加速神经网络推理，仍受限于架构与器件层面的瓶颈。 原因：一上，边缘场景算力需求增长迅速，医疗监测、语音交互、多模态生理信号等数据需要本地完成分析，才能降低通信带宽压力、减少时延并更好保护隐私。另一上，柔性电路往往受制于工艺窗口、器件一致性与供电条件，直接移植传统计算架构，通常会功耗、面积与误差累积上付出更高代价。尤其在反复弯折、形变和工艺波动等条件下，计算精度与长期稳定性更容易成为系统落地的短板。 影响：针对这些需求与约束，清华大学团队提出FLEXI——面向边缘智能加速的柔性数字存内计算芯片，尝试以“存算一体”路径缓解端侧算力与能耗矛盾。该系列包括FLEXI-1（1 kb）、FLEXI-4（4 kb）和FLEXI-32（32 kb）等规格，最多集成约26.5万个晶体管，在单一基片上集成SRAM存储阵列、计算单元及外围电路。其核心思路是让数据在存储阵列附近完成点积等高频计算，减少存储与处理单元之间的数据搬运，从而降低能耗与时延，并提升并行度。团队还提出覆盖制造工艺、电路结构与算法设计的跨层级协同优化策略，使芯片在形变与工艺扰动下仍能保持较好的精度、面积效率与能效表现。 对策：在体系结构上，FLEXI采用模块化、可扩展的存算一体设计：每个模块由6T-SRAM单元与可重构本地处理单元组成，通过总线路由与汇聚实现多位并行计算，面向神经网络推理中的SIMD运算需求进行优化。为降低边缘场景中权重反复写入带来的能耗与时延开销，团队按不同存储容量设计轻量级神经网络模型，实现权重在芯片上的一次性部署，使其可处理心电信号、数字、语音、图像及多模态生理信号等多类数据，并在最小规模芯片上保持稳定运行。测试结果显示，该芯片可在较宽电源电压范围内稳定工作，在小半径弯折与多次折叠循环后性能无明显退化；同时在大规模乘法运算中实现零错误运行，并在良率与单芯片成本等指标上给出较具竞争力的结果。与既有柔性计算芯片相比，其频率与能量延迟积等关键指标表现更突出，体现出兼顾性能、功耗与机械可靠性的技术取向。 前景：从产业趋势看，柔性电子正从“可穿戴”走向“可计算”。未来竞争焦点将不止于传感器与显示等前端器件，更取决于端侧协同处理能力与系统级可靠性。FLEXI展示的存内计算与跨层级协同优化路径，为柔性边缘计算提供了可借鉴的技术路线：一上可医疗健康监测等场景实现更低时延的本地判读，提高连续监测的可用性；另一上有助于降低对无线传输与云端算力的依赖，为隐私保护与离线运行留出更大空间。下一步仍需规模化制造一致性、长期服役环境下的可靠性验证、与柔性传感器及能源器件的系统集成各上持续推进，并围绕应用场景完善软硬协同生态，推动从实验室指标向工程化产品转化。
从实验室突破到应用落地，柔性电子正在重新定义人机交互的物理边界；这项成果不仅补上了柔性边缘智能芯片的关键拼图，也深入说明“材料—器件—系统”全链条协同创新的重要性。在全球科技竞争加速向微观尺度深入的背景下，坚持自主创新与需求牵引并行，将是把握未来产业主动权的重要路径。