近年来，人工智能技术的快速发展让计算需求急剧增加，尤其是在个人电脑和边缘设备上的AI应用日益普及。然而，传统数字化处理方式在执行复杂神经网络计算时，能耗高企成为制约其广泛应用的一大难题。为此，半导体和AI领域的专家一直在寻求全新的计算范式，其中模拟人工智能（Analog AI）因其潜在的能效优势被业界广泛关注。EnCharge AI作为一家专注于模拟AI的初创公司，近日发布的EN100芯片将模拟计算带入了实际应用场景，宣告了一场可能改变AI计算格局的技术变革。 模拟AI的核心理念是通过利用模拟电子现象来替代传统数字逻辑中的比特计算，从而大幅降低数据传输和计算过程中的能量消耗。与数字AI芯片频繁在存储单元和处理器之间移动权重数据不同，模拟AI将权重以物理属性形式固化在计算单元，实现“计算即存储”，极大地减少了数据搬运所带来的能耗。
尤其是在神经网络中，矩阵乘法运算是核心且极为频繁的计算任务，而模拟AI利用欧姆定律和基尔霍夫电流定律的电学特性，通过电压、电阻以及电流的物理关系，直接实现乘法及累加操作，使计算过程天然并行且高效。 不过，传统模拟AI方案一直受到信噪比低的限制。模拟计算本质上的连续模拟量极易受到器件制造偏差、温度变化以及材料不均匀性的影响，从而造成计算结果不够稳定和准确，使得模拟AI难以在商业级大规模应用中取得突破。EnCharge AI的创新恰好在此处展开：该公司提出了一种基于电容而非电流的模拟AI计算架构，利用电容在集成电路工艺中对尺寸和几何结构高度可控的特性，显著提升模拟计算的准确性和稳定性。 电容是一种由两个导体夹层绝缘体构成的电子元件，其电容值主要由结构尺寸决定，几乎不会像电阻那样受温度和材料等非理想因素的影响。EnCharge AI通过将权重信息数字化存储在存储单元中，并用逻辑电路控制输入与权重的相乘结果以电荷形式存储在电容阵列，随后通过切换模式累积这些电荷并转换为数字信号，完美结合了模拟计算的能效优势和数字处理的稳定性。
通过这种开创性的“电容开关”操作，该公司大幅降低了模拟信号的噪声干扰，提升了计算的精度和可扩展性，实现了实际环境下的高性能AI推理。 EnCharge AI的EN100芯片体现了这项架构的实力。该芯片在功耗仅为8.25瓦特的情况下，能够实现每秒200万亿次操作，专为笔记本电脑和边缘计算设备设计，极大地延长了设备的续航时间并提升AI响应速度。同样，包含四个EN100芯片的处理器卡也已面向AI工作站市场，能够达到1000万亿次运算的大规模性能，满足更复杂的AI任务需求。 今年EnCharge AI完成了一轮由三星风险投资、富士康等大企业支持的1亿美元融资，进一步加速技术的商业化进程。该公司同时展开多方早期合作项目，帮助合作伙伴评估模拟AI在实际工作负载中的表现和优化潜力。
值得一提的是，EnCharge AI此举亦引发了业界对模拟AI潜力的重新认识，特别是在个人计算设备和低功耗边缘设备领域，与传统数字芯片和大型GPU的竞争愈发激烈。 除了EnCharge AI，市场上也存在许多数字化计算与模拟计算结合的创新方案。像D-Matrix和Axelera等公司开发的嵌入式SRAM计算单元通过存储-计算一体化设计提升能效，但仍保持数字域处理以保证精度。而传统模拟AI代表如IBM和Mythic AI则专注于采用电阻式非易失性存储器提高计算效率，主要面向物联网等低功耗应用。EnCharge AI以电容为基础的计算技术在稳定性和扩展性上具有独特优势，尤其适合需要高性能同时保持低功耗的PC和工作站市场。 技术专家普遍认为，EnCharge AI的创新在于利用硅基互连层实现精确的电容控制，把握住了现代CMOS制造工艺的优势，实现了以模拟方式执行机器学习乘法并准确计量积累结果的纯硬件解决方案。
这种融合了模拟和数字技术的架构不仅降低了单次计算的能耗，还避免了传统模拟计算难以避免的信号放大噪声问题，为模拟人工智能从实验室走向实际产品铺平了道路。 另外，EnCharge AI强调本地AI计算的重要性。传统AI任务严重依赖云端数据中心，不仅带来隐私风险，且增加延迟和能耗。通过将更高效的AI计算能力直接嵌入终端设备，用户可实现更快速、更个性化且安全的AI体验，无需频繁联网。这对于智能手机、笔记本电脑，甚至工业物联网设备来说，都是极具吸引力的未来应用方向。 从长远来看，模拟AI仍面临诸多挑战，包括进一步降低制造成本、完善软硬件协同设计以及兼容主流神经网络框架等。
然而，EnCharge AI成功实现了模拟电容计算硬件的可编程性和规模化生产潜力，无疑为模拟AI技术商业化奠定了坚实基础。未来，随着该技术在市场上的扩展，整体AI行业的电力消耗将有望实现显著下降，推动智能设备进入更绿色、更高效的新纪元。 面对Nvidia等大型科技公司在AI硬件领域的布局，EnCharge AI的差异化竞争策略尤为关键。Nvidia通过结合CPU和GPU融合的解决方案满足高性能需求，而EnCharge AI则瞄准低功耗、移动性强的设备市场，提供可替代传统数字AI芯片的节能选择。双方的竞争与合作可能将推动整个AI硬件生态系统不断创新和优化，最终受益的是数以亿计的消费者和行业用户。 总结来看，EnCharge AI通过创新的电容型模拟AI计算架构，成功突破了长期困扰模拟计算的信噪比瓶颈，带来了兼具高性能与低功耗的AI解决方案。
随着模拟AI技术的逐步成熟和实际应用的推广，个人电脑及边缘计算设备的智能化水平和能效表现正迎来前所未有的提升。这不仅有望推动AI走向更广泛的普及，也助力实现更加环保和可持续的科技发展方向，开启模拟人工智能技术全新的时代篇章。
