专访每刻深思邹天琦：8年完成18次流片，提出“模拟感存算一体”智能芯片架构，功耗最高可降低2-3个数量级|模拟感存算|流片|邹天琦

随着数字芯片技术的高速发展，摩尔定律的发展已经遇到了瓶颈，尤其在工艺制程上正面临前所未有的挑战。

相较于数字芯片，模拟芯片的发展并不依赖于摩尔定律，主要是以试验次数、材料等的技术经验积累为基础，同时模拟芯片在功耗、集成度、灵活性、适应性以及信号处理精度等多个方面具有优势，尤其是需要高精度信号处理、高实时性以及对功耗严格要求的场景中，模拟芯片更是发挥其不可替代的作用。

随着 AI 和物联网应用的爆发式增长，传统数字芯片架构难以实现未来边缘计算的严苛要求，业界重新燃起了研发模拟芯片的兴趣。

针对传统数字芯片面临的成本、功耗高等挑战，每刻深思智能科技（北京）有限责任公司（简称“每刻深思 MakeSens”），专注于模拟计算芯片的设计与开发，创新提出“模拟感存算一体”智能芯片架构，利用模拟计算的高能效大幅降低了持续感知计算下的高功耗难题。

近日，「问芯」采访到了每刻深思联合创始人兼首席执行官邹天琦，访谈中他围绕创立公司初衷、业务布局、研发进展，以及模拟芯片技术和产业等多个方面进行了解读和分享。

图｜每刻深思联合创始人兼首席执行官邹天琦（来源：受访者）

邹天琦本科、硕士就读于德国卡尔斯鲁厄理工学院电子与信息工程系，是清华大学联合培养硕士，而后作为访问学者进入美国北卡罗来纳大学从事研究，研究方向主要围绕智能传感芯片。他在清华大学电子工程系智能感知集成电路与系统实验室学习时结识两位合伙人：清华大学电子系副教授乔飞、电子工程系博士刘哲宇，并于 2020 年联合创立了每刻深思。

布局模拟计算芯片开发 8 年完成 18 次流片

“每刻深思成立于 2020 年，虽然成立时间不长，但公司研发团队早在十余年前就已经布局模拟芯片赛道。”邹天琦介绍说，“我们 2012 年开始从事模拟计算方向的研发，当时名为清华大学电子系集成智能感知（iVip）实验室，是全球最早开始研发模拟计算方向的团队之一。”

“每刻深思的核心技术源自于乔飞教授 20 余年的研究成果。我在清华大学学习时认识了乔飞教授，直到 2019 年，我们认为模拟计算技术已经趋于成熟，具备产业化的条件，所以我们决定成立公司，把这项技术进行产业化。”他说道。

在邹天琦看来，“传统的数字计算架构，在摩尔定律运算逻辑下，90% 的功耗并没有用在数据处理过程中，而是损耗在数据存储和计算单元间的搬移过程中，这同时也带来了更高的延时，此外，数字芯片性能提升也伴随着工艺成本的增加和散热等问题。”

“在传统的感知计算链路中，传感器采集的数据需要经过 ADC 转换为数字信号，然后通过 DSP 进行处理，再借助计算芯片（比如 CPU、GPU、FPGA 等）进行计算，存在计算效率低、功耗大等问题。”他补充道。

相较之下，“模拟计算架构通过近传感计算芯片直接对传感器采集的数据进行计算，将部分 DSP 需要承担的任务进行前置处理，精简处理器信息后再将处理后的数据通过 ADC 传递给计算芯片，而芯片计算的是经过剔除了非必要信息的精简数据，减少了数据迁移量和处理量，进而提升计算效率，降低整个计算链路的功耗。”他解释道。

回顾当初做产品研发，邹天琦坦言和团队吃了不少苦头。“不同于数字芯片，模拟电路在实际的工程化量产过程中有大量 knowhow，且不能像数字处理那样通过仿真和 FPGA 验证来实现，只能通过流片和测试进行不断的迭代，才能达到预期的效果。换句话说，只有把芯片生产出来之后再进行测试，才能知道芯片的设计与实际情况是一致的还是存在偏差。”他表示，“从 2012 年到 2020 年，我们在 8 年间完成了 18 次流片，基本保持在每半年流片一次的节奏进行不停地迭代。”

图｜每刻深思开发的 MKS 系列芯片（来源：受访者）

“每刻深思核心团队都是技术出身，来自清华大学电子系，我们重点要做的是根据技术去寻找和匹配相应的应用场景，比如一些需要超低功耗的应用场景，直到后来我们才找准赛道，从智能耳机、智能手表等各种智能穿戴设备开始做起，如今我们的目标已经非常明确，即在大市场中锁定一个小赛道不断深耕。”邹天琦说道。

依托多年的技术科研背景，每刻深思针对传统常开感知高功耗的痛点，提出了基于模拟计算的近传感存算一体计算架构，具体而言，采用模拟信息转换技术解决能量效率瓶颈，利用模拟计算的高能效特性降低持续智能感知计算系统的能耗。

据了解，每刻深思开发的 MKS 系列芯片能够在超低功耗状态下实现感知功能，待机功耗小于 10 nW，常开监测功耗约 10 μW，唤醒状态功耗小于 1mW。该系列芯片可广泛应用于智能穿戴、智能体感、光电系统、智慧建筑、物联网等领域。

“相较于传统方案，这种超低功耗近传感 AI 芯片的功耗最高可降低 2-3 个数量级。例如，我们目前已经把超低功耗模拟计算芯片应用到了车载环视摄像头中：在开启哨兵模式监测的情况下，此前传统方案需要消耗超过 10% 的整车电量，而基于我们开发的芯片实现的方案电量消耗仅为 1-2%。”邹天琦说道。

“以当下热门的智能驾驶为例，其实能做的东西很多，比如具有高附加值的自动驾驶芯片，然而我们并没有‘随大流’，而选择从一个小设备切入市场，这能为客户端带来价值，客户接受程度相对更高，而且验证周期也相对较短，我们目前 ToB 端和 ToC 端都已经全面打开了。”邹天琦表示。

（来源：公司官网）

此外，每刻深思通过支持深度神经网络与传统机器学习算法进一步提高了芯片通用性，在末端覆盖主流传感器智能应用，支持音频、视频、位姿、加速度计等多种传感，算力从 0.2 TOPS 覆盖至 4 TOPS，支持可穿戴设备、无人机、机器人等多种场景。

“现阶段，每刻深思开发的产品全都围绕‘智能感知’这一领域。我们发力的重点是让感知更加智能，让功耗降得更低，所以我们聚焦边缘端（感知端），包括给各种传感器进行供能，一方面解决供电问题，另一方面解决功耗问题。”他介绍道。

产品方面，“例如，我们开发的芯片只需要 0.4V 的电压就可以启动，对比一些传统芯片（比如蓝牙芯片）通常需要至少 1.2V，我们把冷启动电压降低到原来的三分之一，而且还能把 μW 级别的环境能量收集起来，实现自供能的感知系统。”邹天琦表示，“我们开发的一些自供能产品，比如通过吸收室内光、电磁互感、机械振动、温差能量等进行供电。实际上，围绕这种自供能产品，国内有很多家企业在开发，每刻深思是国内为数不多的已经实现产品量产的公司之一。”他说道。

用成熟工艺取代先进工艺实现成本控制

随着当今 AI 和物联网技术飞速发展，各种物联网设备已经渗透到人们生活的方方面面，预计未来几年全球范围内链接的物联网终端设备数量将突破上百亿乃至千亿台。

作为国内首家拥有自研核心技术的“感存算一体” 智能芯片设计公司，每刻深思提出了“传感 + 计算”共融的智能感知计算范式，面向听觉、视觉、触觉等多模态智能感知应用设计开发超低功耗芯片，满足物联网、机器人、可穿戴设备等智能感知场景对微型化、高性能和高能效的需求。

“我在德国求学和从业长达 7 年的时间，对欧洲的一些公司比较了解，很大程度上，我们主要是对标欧洲公司。”邹天琦说道，在他看来，“欧洲的公司并不像高通、博通、英伟达等这些巨头，更多的是一些‘小而美’的公司，这些公司在自己所属的细分领域深耕，利润也非常可观。”

“相较于欧洲同类型公司，我们开发的产品在性能、功耗等方面更具优势，同时成本也更低，还有至关重要的一点是，我们货期更短，最快能够当天或次日送达。总的来说，超低功耗、不依赖先进制程工艺以及不依赖供应链等都是我们的优势所在。”他表示。

“需要注意的是，我们的低成本并不是靠‘杀价格’、降低利润实现的，而是通过技术路线，用成熟工艺取代先进工艺来实现的。”他指出。

图｜每刻深思研发实验室（来源：受访者）

对比模拟计算和数字计算，每刻深思攻克的核心难题是解决了模拟计算信号转换和存储的代价。“毕竟数字计算芯片需要进行模数转换才能处理，但模数转换的功耗较大，同时实现起来也存在很多挑战。”邹天琦指出。

“整体而言，如何把模拟电路的缺点抵消掉，把优点提取出来，这需要长期技术积累沉淀，实现这个过程所需要的具体技术非常复杂，从电路，到架构，到算法，到系统优化，而且这并不是一套现成的理论体系，是通过不断试验得出的经验，比如，我们花了 8 年时间通过 18 次流片才一步步实现，生产周期没办法加快，而且也不能在 FPGA 上进行验证。”他说道。

（来源：受访者）

围绕产品研发，2023 年，每刻深思首席科学家乔飞教授与清华大学多位合作者联合开发出一种光电一体化芯片 ACCEL。“这款芯片的研发用到了每刻深思团队多年的技术积累。不同于传统架构，这项研究从物理本质彻底改变了芯片研发思路，以光为载体实现‘光计算’，即通过光传播及相互作用中的信息变化来完成计算，在一颗芯片上同时解决了高速光电接口、高效非线性和大规模集成三大难题。”邹天琦说道。

据介绍，这款芯片基于“纯模拟光电融合计算”架构，在多种复杂的智能视觉任务（比如 ImageNet、Fashion-MNIST 等）测试中，相同准确率下，比现有高性能 GPU 算力提升 3000 余倍，能效提升 400 万余倍，同时在弱光条件下也显示出优异的系统鲁棒性，能够用于可穿戴设备、自动驾驶、工业检测等领域，为超高性能芯片研发开辟了一条新路径。

目前，这项研究已经以“All-analog photoelectronic chip for high-speed vision tasks”（面向高速视觉任务的纯模拟光电计算芯片）为题发表在 Nature 上。