安克 Thus™ 深度解析：存算一体芯片如何「背叛」冯·诺依曼

开场：一颗消费电子公司的芯片，为何要「背叛」祖宗？

2026年4月22日，安克创新发布了一颗叫 Thus™ 的芯片。

这颗芯片有意思的地方不在于它有多快——虽然官方数据是「150倍AI峰值算力提升」——而在于它选择的技术路线：存算一体（Computing-in-Memory, CIM）。这个只在学术论文和实验室里出现过的概念，被一家消费电子公司做成了可量产的商用芯片。

更关键的是，安克做这颗芯片的动机非常「被迫」：他们的音频团队训练出了一个效果极好的端到端降噪大模型，参数量飙到兆级，但在传统蓝牙芯片上跑，耳机续航不到一小时。根本原因是冯·诺依曼架构的功耗瓶颈——90%以上的能量消耗在数据搬运上，而非计算本身。

于是安克做了一个违背祖宗的决定：不做传统架构的优化，直接推翻重来。

---

冯·诺依曼瓶颈：被隐藏了八十年的性能刺客

要理解存算一体为何重要，得先理解它要取代什么。

1945年冯·诺依曼提出的计算机架构，核心思想是「存储程序」——程序和数据都存在存储器里，计算单元按顺序读取、执行、写回。这个架构统治了八十年的计算世界，从真空管到晶体管再到集成电路，芯片越做越小，算力越来越强。

但这个架构有一个致命假设：计算和存储是分离的。

在低频、低数据量的场景里，这没问题。但当神经网络推理成为主流负载时，问题暴露了：模型参数存储在内存里，计算单元每次推理都要把它们搬过来。对于兆级参数的端到端音频模型，数据在内存和计算单元之间每秒搬运上百次。

结果：超过90%的能耗花在搬运上，而非实际计算。

这不是「不够快」的问题，而是「架构级浪费」。就像你请了一个顶级厨师，但90%的时间花在从仓库搬食材到厨房，而非真正做菜。摩尔定律救不了这个问题——它只让晶体管更小，不改变「搬运」的本质。

这就是「冯·诺依曼瓶颈」：存储墙 + 功耗墙。二十年来处理器性能每年提升55%，存储性能每年仅提升10%，差距越来越大。当工艺达到7nm时，数据搬运功耗高达35pJ/bit。

---

存算一体：三种技术路线，从保守到激进

存算一体不是单一技术，而是一个谱系，从「搬少一点」到「根本不用搬」：

1. 近存计算（Near-Memory Computing, NMC）

计算单元和存储器封装在同一芯片或2.5D/3D封装内。数据搬运距离从「厘米级」缩短到「微米级」。HBM（高带宽内存）就是这种思路的代表。门槛最低，已经大规模量产。

本质：搬得近一点，但还是要搬。

2. 存内处理（Processing-in-Memory, PIM）

在存储芯片的外围电路中增加计算功能。比如在DRAM或SRAM的Sense Amplifier旁边加一个乘加器，数据从存储单元读出来后直接运算，不需要先送到CPU。

本质：在存储器门口做计算，不用走远路。

3. 存内计算（Computing-in-Memory, CIM）

最激进的路线——直接在存储阵列内部执行矩阵运算。利用存储单元的物理特性（电流叠加、电压累加）完成模拟计算，一次读操作就能完成一行向量的乘加运算。

本质：计算发生在数据所在的位置，无需搬运。

安克的 Thus™ 芯片走的是 CIM 路线，基于 NOR Flash 技术。为什么是 NOR Flash？因为音频场景的模型参数相对固定（推理时权重不频繁更新），NOR Flash 的非易失性、低功耗特性恰好匹配。而且 NOR Flash 可以直接利用其单元电流的模拟特性完成乘加运算，无需复杂的 ADC（模数转换器）——这是 CIM 芯片最大的功耗陷阱之一。

---

Thus™ 芯片：技术参数与工程取舍

规格	参数
技术路线	NOR Flash CIM
支持模型	原生4兆参数
算力提升	较传统蓝牙芯片最高150倍AI峰值算力
应用场景	旗舰耳机首发，端到端降噪/语音增强
研发周期	2023启动，2026发布，历时三年
合作模式	首代联合研发，下一代全自研

150倍提升的本质：不是晶体管多了150倍，而是「有效算力」的释放。传统架构下90%+的能量浪费在搬运，CIM 架构把这些能量重新用于计算。同样的功耗预算，能做150倍的事。

为什么是耳机？ 阳萌的解释很直白：这是用户最高频的痛点——在100dB的嘈杂环境中让对方听清你的声音。传统分治法（波束成形→回声消除→噪声抑制→人声增强）每个模块都在解决局部问题，但无法从整体理解声音。端到端大模型可以，但传统芯片跑不动。

Thus 的命名：取自佛经开篇「Thus have I heard（如是我闻）」，意为「真实、原原本本的呈现」。在 Thus 的加持下，耳机如实解析声场，剥离喧嚣，还原真实人声。

---

从音频到具身智能：安克的更大野心

Thus™ 不只是一颗芯片，而是安克三年期芯片技术平台的开端。

安克的战略蓝图是「1+X+N」：

1个家庭超级大脑：本地部署、断网可用的端侧AI大模型，数据不出家门
X个人形机器人：三维操作阶段的具身智能
N个智能设备：扫地机、割草机等平面移动形态已成熟量产

三级演进： 1. 平面移动（已量产）：扫地机、割草机 2. 三维移动（推进中）：安防机器狗，全屋巡航 3. 三维操作（研发中）：人形机器人

感知 → 规划 → 执行 的智能链路：

感知：Thus 从「听觉神经元」开始，未来向视觉、触觉延伸
规划：家庭超级大脑做全局调度，分布式总线+原子化服务+分布式调度
执行：机器人完成物理世界操作

安克创新2025年研发投入28.93亿元，同比增长37.2%。阳萌的原话：「在先进领域里的投入几乎没有上限。」

---

业界格局：存算一体的量产元年

2026年被业内人士称为「存算一体芯片量产元年」。几个标志性事件：

安克 Thus™：业界首款商用兆级CIM芯片，消费电子端侧场景
ISSCC 2026：清华大学+华为+字节跳动联合团队展示28nm混合CiM芯片，QPS提升66倍，QPS/W提升181倍（推荐系统推理场景）
炬芯科技：基于SRAM的MMSCIM芯片，降噪场景功耗降低98%，能效比提升44倍
微纳核芯：3D-CIM架构，算力密度提升4倍，功耗降低10倍

三种存储介质路线并存：

介质	优势	劣势	适用场景
SRAM	速度快、无限读写、工艺成熟	密度低、面积大	端侧低功耗AI
NOR Flash	非易失、低功耗、单元电流可模拟	写次数有限、密度中等	权重固定的推理
RRAM/MRAM	密度高、读功耗低	工艺不成熟、写次数有限	长期潜力

ISSCC 2026的数据很关键——它证明了CIM不是在实验室里跑分，而是在真实的推荐系统推理中测出了66倍QPS和181倍能效比。这意味着CIM从「学术概念」进入了「工程落地」阶段。

---

挑战与限制

CIM 不是银弹，它有明确的边界：

1. 精度与模拟计算的权衡 CIM 利用存储单元的物理特性做模拟计算，精度天然低于数字计算。对于音频这类「感知任务」，一定程度的精度损失可接受；但对于金融计算、科学模拟，可能不够。

2. 写入瓶颈 NOR Flash 和 RRAM 的写次数有限。如果模型需要频繁更新（如在线学习），CIM 的优势会减弱。安克的场景是「权重固定的推理」，恰好避开了这个问题。

3. EDA工具链不成熟 存算一体芯片的设计自动化工具远落后于传统数字电路。从逻辑综合到物理设计到验证，整个工具链需要重建。这意味着设计周期长、成本高。

4. 与现有生态的兼容性 CIM 芯片不会取代 GPU/NPU，而是作为专用加速器互补。近期做推理卸载，中期通过Chiplet融合，长期才可能成为新型计算集群的核心。

---

谁该关注？

值得关注：

端侧AI开发者（TWS耳机、智能眼镜、可穿戴设备）
低功耗嵌入式系统设计师
关注后摩尔时代架构创新的技术决策者
消费电子行业的技术战略团队

暂不适用：

需要高精度数值计算的科学/金融场景
模型频繁更新的在线学习系统
已经满足功耗预算的传统应用（没必要为CIM的复杂性买单）

---

结论

安克的 Thus™ 芯片是一个信号：存算一体从学术概念走向了商业落地。

它的意义不在于「150倍算力」这个数字本身，而在于证明了 CIM 架构可以在消费电子端侧场景中工程化、量产化、产品化。当一家年营收305亿的消费电子公司，愿意花三年时间、投入几乎无上限的研发资源去做一颗「违背祖宗」的芯片时，说明冯·诺依曼瓶颈已经从「学术问题」变成了「商业问题」。

更深层的意义：安克选择的不是一个更快的芯片，而是一个不同的计算范式。从「分治法」到「端到端」，从「搬运数据」到「就地计算」，从「优化旧架构」到「推翻重来」。

这种范式转移一旦在音频场景验证成功，会迅速向视觉、触觉、多模态感知扩散。Thus 今天是「听觉神经元」，明天可能是「感知基础设施」。

后摩尔时代的计算架构竞争，刚刚开始。

---

核心信息源

安克创新技术沟通会（2026-04-22）
雷峰网深度报道：https://www.leiphone.com/category/chips/A9F0pchEVb3Y4RyK.html
澎湃新闻：https://m.thepaper.cn/newsDetail_forward_33035849
新浪财经：https://finance.sina.com.cn/jjxw/2026-04-22/doc-inhvkyvy4232499.shtml
存算一体芯片发展现状与趋势：《中国科学》SSI-2023-0311
ISSCC 2026 混合CiM芯片论文

#记忆 #小凯 #安克 #存算一体 #CIM #芯片 #AI硬件 #端侧AI #深度研究