孙仲团队研发的芯片，突破美国围剿完美

**先说结论版：**

- 北大孙仲团队确实做了一块很有代表性的“高精度模拟矩阵计算芯片”，是全球范围内第一次把模拟计算做到24位定点精度（误差压到千万分之一量级），能效和吞吐在特定矩阵运算上比传统数字芯片高很多，而且原理上可以在28nm及以上成熟工艺量产，不依赖EUV这样的高端光刻机。【turn0search2】【turn0fetch0】

- 但：它目前还处在“实验室阶段”，阵列规模不大、没有大规模量产，也谈不上已经“取代英伟达”或全面“打穿美国封锁”。更合适的说法是：它证明了一条新的、可以绕开“先进制程+高端光刻机”的AI算力路线，给中国在算力博弈中多了一张牌。

- 网络上那种“完美突破美国围剿”“秒杀一切”的说法，属于把“有前景的重大科研突破”夸张成了“已经赢下整局游戏”，这个差距非常大。

下面我分几块讲清楚：这芯片到底牛在哪、现在真实进展怎样、跟“美国围剿”的关系、以及未来可能怎么走。

## 一、孙仲团队的芯片，本质上是什么？

**简单说：** 它不是传统CPU/GPU那种“数字逻辑门堆出来的芯片”，而是用“物理系统直接算方程”的模拟计算芯片。

- 背景团队：北京大学人工智能研究院/集成电路学院的孙仲，联合集成电路学院蔡一茂、王宗巍等。【turn0search2】

- 核心器件：用“阻变存储器（RRAM）”作为核心器件，而不是传统硅晶体管逻辑门，把“矩阵方程”直接映射到电路的物理量上，让电路“自发”去解方程，而不是一步步逻辑推算。【turn0fetch2】

- 关键指标：

- 精度：从传统模拟计算的约1%误差，压到“千万分之一”量级，相当于24位定点精度，大致能对标主流数字计算的FP32（32位浮点）精度。这是全球首次把模拟计算拉到这个精度水平。【turn0search2】【turn0fetch2】

- 性能表现（特定任务）：

- 在求解32×32矩阵求逆这类问题时，单核算力已超过高端GPU单核；

- 当问题规模扩大到128×128时，计算吞吐量可以达到顶级数字处理器的1000倍以上；

- 在相同精度下，能效比传统数字处理器高超过100倍。【turn0fetch0】

- 工艺要求：团队明确表示，它可以在28nm及以上成熟工艺上量产——也就是说，不需要依赖目前被美国严控的EUV光刻机、7nm/5nm这种尖端制程，就能做出具备竞争力的AI矩阵计算芯片。【turn0search2】【turn0fetch0】

更直观一点，可以用一个结构图概括它的技术路线和价值：

```mermAId

mindmap

root((孙仲团队 高精度模拟矩阵计算芯片))

技术本质

模拟计算：利用物理量（电压、电流等）直接“类比”求解矩阵方程

采用阻变存储器RRAM作为核心器件

不同于传统CPU/GPU的数字逻辑门堆叠

关键指标

24位定点精度

相对误差约10⁻⁷（千万分之一）

可对标FP32数值精度

性能表现

32×32矩阵求逆：算力超越高端GPU单核

128×128问题：吞吐量达顶级数字处理器1000倍以上

相同精度下能效提升超100倍

工艺与制造

可在28nm及以上成熟工艺量产

不依赖EUV等极紫外光刻机

可沿用现有半导体产线（不需要像量子/光计算那样另起炉灶）

应用方向

6G大规模MIMO等通信场景

AI训练，尤其是二阶训练方法（需大量矩阵方程求解）

具身智能（机器人等）

超级计算（气象、量子力学、热扩散等偏微分方程场景）

当前阶段

实验室阶段

阵列规模尚不大（目标两年内从16×16扩展到128×128乃至512×512）

属原理性验证，尚未大规模商用

## 二、这条技术路线为什么被说成“绕开光刻机卡脖子”？

美国这几年对中国的芯片围堵，核心抓手有两个：

1）掐“先进制程”：通过控制EUV光刻机、相关设备和材料，卡死7nm/5nm及以下的制程升级。

2）掐“高端AI芯片”：通过出口管制限制H100、A100、H200等高性能GPU对中国供应，以及相关的制造设备、软件生态等。【turn0search8】【turn0search5】

而孙仲团队这条路线，确实从“算力范式”上换了一条赛道：

- 它的算力优势主要来自：

- 模拟计算本身“用物理定律直接算”，省去了数字计算里大量的“翻译/编码/逻辑门”步骤；

- 面对矩阵方程这种AI与6G中的核心负载，它天然更适合“一次解掉”，而不是数字方式的一步一步算。【turn0fetch2】

- 因为不再死磕“堆更多纳米级晶体管”的传统数字路线，所以它不需要7nm、5nm这种极限制程。

- 团队明确说：可以在28nm及以上成熟工艺上量产，这对中国来说，是完全可自主、可规模生产的工艺节点。【turn0search2】【turn0fetch0】

换句话说：

美国下的是“数字GPU + 先进制程 + EUV光刻机”这一局棋，但孙仲团队提出的是：

- 用“模拟计算 + RRAM + 成熟工艺”

- 去打“矩阵方程/AI训练与推理/6G”这些关键场景的局部仗

从战略上讲，这是典型的“换道超车/非对称突围”：

不在你最强的那一块硬碰硬，而是换一套规则，在你控制没那么严的地方发力。

孙仲自己在访谈里也强调：

当前GPU是靠“堆晶体管+摩尔定律”这条传统路径走到今天的，但随着摩尔定律放缓、能耗与碳排放压力巨大，探索新的计算范式（比如模拟计算）是必然方向。【turn0fetch2】

## 三、现在真实进展到哪一步？远没到“完美破局”

网上不少标题写的是“算力是英伟达千倍，能耗却只有百分之一”“彻底打破美国封锁”“完美突破美国围剿”之类的，这明显是对科研结果的情绪化放大，需要注意边界：

1）这是“实验室成果”，不是成熟产品

- 团队在采访中非常明确：目前芯片还处在实验室阶段，阵列规模较小，只能做原理性验证，尚无法与高端数字芯片全面抗衡。【turn0fetch2】

- 报道也提到：

- 目前“芯片尚处于实验室阶段，未来有望服务于6G通信、人工智能等重点领域”；【turn0fetch0】

- 更适用于“中等规模场景”，太小规模性能不及数字芯片，太大规模目前还够不着。【turn0fetch2】

2）所谓“算力是英伟达千倍”是有严格前提的

- “1000倍”是指在某些特定任务（例如128×128规模的矩阵运算）下，计算吞吐量可以做到顶级数字处理器的1000倍以上，是“在特定矩阵任务上的局部优势”，不是在所有AI任务上都碾压英伟达通用GPU。【turn0fetch0】

- 实际大模型训练涉及的远不止一种矩阵运算，还包括复杂的数据移动、内存访问、通信、软件栈、框架适配等等，这些都需要一整套生态。这方面传统GPU + CUDA生态仍然非常强势。

3）从实验室到大规模落地，还有很长的工程链路

孙仲自己列举了下一步要做的事：

- 扩大阵列规模：计划在两年内从16×16做到128×128，并力争扩展到512×512，这在工程上会面临寄生效应、良率、功耗分布等一系列挑战。【turn0fetch2】

- 流片与验证：需要真正去代工厂做工程流片、测试、可靠性验证等，这是从“实验室样片”到“可量产芯片”的巨大跨越。

- 生态与市场：要说服产业链伙伴放弃既有成熟方案，去采用一套新范式，这本身就是长期市场博弈。【turn0fetch2】

所以，与其说“已经成功突围”，不如说：

“中国已经验证了一条完全不同于传统数字GPU的新技术路径，这条路径在关键指标上展示出巨大潜力，而且不依赖被严控的先进光刻机。”

## 四、“美国围剿”这个层面，应该怎么看？

更客观地看，可以把“围剿 vs 反围剿”理解成一个动态博弈，而不是“一刀切”的封锁或成功：

1）美国对华芯片围堵的现状

- 在高端制程和高端AI GPU上，美国依然掌握很大优势，并通过不断加码出口管制、拉拢日本/荷兰限制光刻机设备出口等，试图把中国压在成熟制程和“算力天花板”之下。【turn0search8】【turn0search7】

- 同时，美国内部在“要不要继续严控”上有分歧：

- 一方面，有议员推动《安全芯片法案》，进一步收紧高端AI芯片对华出口；

- 另一方面，又传出允许英伟达对华出口H200（但要抽成）等信号，反映出美国既想保持技术领先，又不想完全放弃中国市场。【turn0search7】【turn0search6】

2）中国这边的应对不是“单点突围”，而是“多点开花”

除了孙仲团队的模拟矩阵计算芯片，最近几年中国在：

- 先进制程和自主产线建设（中芯国际等）；

- 国产GPU/AI加速芯片（华为昇腾、寒武纪、沐曦、壁仞等）；

- 车规/智驾芯片（比如黑芝麻的华山A2000通过美国商务部与国防部审查、可在全球范围销售）；【turn0search16】

- 以及算法与开源模型层面（如DeepSeek-R1等）

都在持续突破，整体上是在把“被围堵的局面”转成“多条路线并行发展”的格局。【turn0search15】【turn0search18】

3）比尔·盖茨那种话，更多是战略判断，而不是预言某一款芯片

- 媒体会引用比尔·盖茨的警告：美国过早对华断供芯片，等于提前“发战书”，倒逼中国加快自研；长期看，这会培养出更强的对手。【turn0search10】【turn0search15】

- 这类观点和孙仲团队的出现可以放在同一叙事下理解：

封锁在短期内确实制造了巨大压力，但也让中国更早、更坚决地在多条技术路线上重投入，包括像模拟计算、量子计算、光计算等“换道”尝试。【turn0search18】

从这个角度看：

孙仲团队的芯片，是中国应对围堵的一张“技术储备卡”，而不是“终结一切的王炸”。

## 五、未来几年，这块芯片可能怎么走？

结合团队公开信息和技术逻辑，可以大致判断几个可能的发展方向（不是确定预言）：

- 1–3年内：

- 更多是在科研圈和产业试点里验证：

- 在特定场景（比如某类6G MIMO信号处理、特定AI训练任务、超算中的某类偏微分方程求解）做小规模或中等规模部署测试；

- 持续把阵列从16×16扩展到128×128、512×512，解决工程化难题。【turn0fetch2】

- 3–5年内：

- 如果工程化顺利、可靠性达标，有可能看到：

- 面向“AI加速卡”或“专用矩阵计算加速器”的商用产品，与现有GPU形成互补而不是完全替代；

- 在能效敏感的场景（比如部分边缘AI、基站侧AI推理、车端某些算法加速）率先落地。

- 更长期维度：

- 这条路线会不会形成像当年GPU那样的大浪潮，很大程度取决于：

- 二阶训练方法会不会在大模型/超算等领域真正爆发式普及；

- 业界是否愿意围绕模拟计算重构部分算法栈和工具链；

- 中国产业链能否在器件、工艺、封装、软件等层面形成完整生态。

也就是说，它现在更像是在“打地基”：

地基打得好，未来才有机会盖起一座与传统数字GPU并列的大楼。

## 六、怎么理解你说的“完美突破美国围剿”？

如果把“完美突破”理解成：

- 中国完全不再被美国卡脖子；

- 高端芯片随便造，全球市场随便进；

- 短期内就在所有算力场景全面取代美国产品；

那显然现在离那个状态还差很远：

无论是在高端制程、EDA、设备和全球生态层面，美国仍然拥有巨大优势。

但如果把“突破”理解成：

- 在关键赛道上，中国已经掌握了一些“不被你卡死”的技术选项；

- 美国再想通过单一手段（比如断供某一款GPU或某一款光刻机）就锁死中国AI与算力发展，变得越来越难；

- 从战略上，中国已经具备“多条路并行、多点反制”的能力；

那么，孙仲团队的模拟矩阵计算芯片，确实可以被视为其中一个标志性的“突破点”之一——

而且是真正意义上的“原始创新 + 非对称优势”，而不是简单的“追赶型国产化”。

**一句话总结：**

- 这块模拟矩阵计算芯片，是非常扎实、非常有想象力的一项科研成果，给中国提供了一个不依赖先进光刻机的高效能AI算力选项，对打破美国围堵具有“潜在战略价值”；

- 但它现在还处在“实验室+小规模验证”阶段，距离大规模产业化和全面替代传统GPU还有很长的路要走；

- 用它来说“中国找到了一条新路、可以在局部绕开围堵”，是成立的；

- 用它来说“完美突破美国围剿、一切问题都解决了”，就是情绪化宣传了。