深圳市九天睿芯科技有限公司成立于2018年，致力于高性能混合信号芯片设计，是全球新型感存算一体架构技术领域的领跑者，已获得基金投资以及中欧政府资助数亿元。公司现有团队包含7位来自全球知名理工院校的青年科学家及近百名芯片设计、计算架构及深度学习的研发工程师，核心成员曾就职于Tl、ADI、Qualcomm、ST、腾讯、IMEC等全球知名半导体企业。公司主要产品包括高精度ADC，用于各种传感器的前端定制开发； 第一代感存算一体芯片（ADA：ASP模拟特征提取+ADC+CIM存内计算融合）。第二代视觉存算一体协处理器ADA2X0（支持处理Vslam、手势、高速防撞检测、事件相机信号处理等）预计2023年投产，已与B字头车企、飞利浦、西门子、一清智能等国内外一线企业建立合作联系。

(资料图片)

AIGC需要突破存储墙的瓶颈 存算一体及无线互联能够有效降低存储时延和功耗

ChatGPT的跨越式升级，附带内容的快速生成和多层级交互，已经对全球算力的压榨提升到了一个新的高度。传统冯诺依曼架构的计算方式，在后摩尔时代，已无法满足硬件的智能化升级。

业内人士指出，如果说，AIGC只是在内容生成上的重大突破，AR/VR、具身智能、外部感知信号链，也将迎来全面升级。如视觉算法从简单人脸，到支持自动驾驶的超大计算模型，如何更有效、更准确地将外部环境数据，转化提取成大算力模型需要的计算数据，以及更高效率的边缘计算芯片，将是下一个硬件智能升级的转折点。同类的大算力应用会辐射到自动驾驶、机器人、金融、医疗、教育、工业、大消费等众多领域。这是一场智能化革命新的起点。

据介绍，九天睿芯设计的基于SRAM的存内计算技术，拥有多项突出优势：算力迭代性强，可完美覆盖达200TOPS+大算力的需求，保持高面效比/能效比；可以支持Transformer等常用模型，高度阵列并行，可以更好地做流水线、层融合、图融合，以支持大模型；能效比达到20TOPS/W，是传统数字计算的5-10倍；基于同类算法，面效比高达4TOPS/mm2（基于已点亮的22nm芯片实测），无论是在边缘计算的低功耗体现，还是在超大算力的稳定运行，都具有突出优势；同时拥有支持4bit 8bit的CIMX（混合信号存算）和支持浮点运算的CIMD（数字存算）。

AIGC需要更多传感器产生海量数据（603138） 感存算一体化芯片能够有效降低部署及功耗成本

业内人士表示，眼耳鼻舌身意六识，人体本身是一个多元、多维度、智能化融合的感知系统。就像人要通过眼睛认知多彩的世界，通过耳朵听到美妙的声音，通过皮肤触摸感受自然的脉络。人体还有很多隐形的感知器官，使得平衡、运动、预知身体健康成为可能。而单一维度的感知往往不足以支撑人去做准确的判断，多元、多维度的智能感知，是未来各行各业智能化升级的方向。[page]

基于不同行业的应用，全球已开发出上千种各类传感器，从分离感知，到融合感知，到结合视觉、声音、霍尔、毫米波等多种传感器和算法的自动驾驶系统，再到未来的具身智能(机器人)行业，大算力、存储、高智能的融合感知，将是主要的发展方向。

存内计算在感知信号链中的计算作用，将覆盖从侧端传感器（生物电传感器）的超小算力，到视觉摄像头，PMUT超声波人体检测等大算力的需求。基于以上技术积累，九天睿芯已量产第一代感存算一体架构芯片ADA100（用于时间序列传感器信号的智能化处理），实现了微瓦级的超低功耗。

九天睿芯携手润欣科技（300493）等客户 共同打造基于存算一体和智能互联的新型信号链

传统模拟芯片大厂ADI、TI、Maxim，占据了全球近80%以上的信号链芯片市场，年销售额超150亿美元，随着自动驾驶、机器人及其他行业全品类智能化感知升级的需求，这一市场有望迎来更大的爆发。上游的需求，推动底层的创新，基于对市场及未来发展趋势的预判，依托传统模数混合电路的设计基础，结合创新的存内计算架构，九天睿芯提出新型的AI感知处理信号链芯片构想。

经过多年的潜心研发，九天睿芯已积累多个成熟IP，从高速ADC，到PLL/CDR和高并行度高效率的信号处理，这些是智能信号链（智能感知/互联）的基础IP；后摩尔时代，为应对多样化、快速更迭的市场需求，新一代互联技术将会以NoC和Die间互连（Chiplet）为主，芯片走上众核异构，柔性交付，已是必然趋势。

日前，九天睿芯和国内领先的芯片分销及解决方案提供商上海润欣科技（300493）达成合作协议，针对智能家居、AI智能穿戴、AI智能音箱、新能源汽车等市场定制化芯片，帮助高端客户实现产品的智能化升级。据介绍，双方已与部分重点客户达成定制开发及IP授权合作意向。基于以上市场及九天睿芯在模数混合领域的技术积累，九天睿芯及合作伙伴将共同打造的高速ADC、ADC based PAM4 Serdes、PCIe retimer等智能感知/互联芯片及IP，将为公司后续推出基于存内计算(CIM)和Transformer大模型的解决方案提供完整，高度匹配的闭环链路。