让矩阵归模拟，让逻辑归数字！这家中国团队重新定义了计算机
一句话看懂：中国芯片公司安纳智芯（Anatrix）推出基于模拟计算原理的芯片，能一步完成矩阵求逆运算，而传统GPU需要上亿次乘法迭代逼近。这绕开了对先进制程的依赖，有望改变AI底层计算范式。
事件核心：发生了什么
安纳智芯是一家专注模拟计算的中国团队，去年完成精度媲美数字芯片的原理性验证，今年芯片已流片。其技术路线不走常见的矩阵乘法加速，而是直接实现高精度矩阵求逆——将数学方程映射到物理电路中，输入即输出解。对比之下，英伟达GPU解一个512×512矩阵方程，需拆解成海量乘法并通过迭代逼近。
目前模拟计算赛道重获资本关注：2025年底，Unconventional AI获4.75亿美元种子轮投资；Normal Computing获三星领投的5000万美元；EnCharge AI完成超1亿美元B轮融资。但多数公司仅做低精度存算一体，安纳选择先攻克精度天花板，再谈效率与成本。
为什么重要
模拟计算天然具备高并行度、低功耗、不依赖先进制程（如3nm/2nm）的优势。但过去几十年困于精度问题——物理信号易受噪声漂移，矩阵越大误差越不可控。安纳团队证明模拟计算精度可做到与数字芯片相当，这打破了行业“模拟很快但不可信”的旧认知。
更关键的是，他们选择做矩阵求逆而非乘法。大模型训练、机器人控制、自动驾驶状态估计、6G信号恢复等本质都是“逆问题”（从结果反推原因），而GPU只能将求逆转化为巨量乘法迭代。安纳提供原生求解器，相当于从“沙子烧砖”进化到“直接给你砖”，计算范式本身发生改变。
对用户/开发者/创作者的影响
目前，安纳芯片接口、数据格式兼容现有GPU体系，可直接接入算力中心。对开发者而言，若该芯片落地，未来训练大模型或编写机器人控制算法时，可能无需再为矩阵方程设计复杂迭代算法，大幅降低开发门槛和算力成本。对创作者而言，端侧AI设备（如具身智能、AR眼镜）可能因低功耗高精度计算获得实时在线学习能力，减少云端依赖。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业采购，该芯片不依赖先进制程，意味着供应链风险降低、成本结构可能更优。但需注意，目前芯片尚处流片阶段，离量产和生态成熟还有距离。
值得关注的后续
1. 流片与量产进度：芯片流片后能否如期量产？第一代产品的具体性能指标（如矩阵规模、能效比）需第三方验证。
2. 生态兼容性：模拟芯片能无缝接入现有AI Infra，但开发工具链、编译器、算子库是否完善？开发者迁移成本多高？
3. 竞品与融资：黄仁勋在GTC 2026是否已提及模拟计算应对方案？其他模拟计算公司（如Unconventional AI）是否会转向高精度求逆路线？安纳后续融资节奏如何。
来源：Readhub · AI
