在人工智能產(chǎn)業(yè)從云端應(yīng)用走向機器人、衛(wèi)星、邊緣終端等真實場景的過程中，AI 芯片正在從“高效推理”邁向“持續(xù)學(xué)習(xí)”。近日，面向 AGI 的智能體芯片企業(yè)星凡智能（XFEON）與西安交通大學(xué)自主系統(tǒng)與智能芯片實驗室達成深度產(chǎn)學(xué)研合作，雙方將圍繞片上自學(xué)習(xí) AI 芯片開展算法—硬件協(xié)同設(shè)計攻關(guān)，探索下一代智能體芯片的關(guān)鍵能力。

片上自學(xué)習(xí) AI 芯片是什么？

片上自學(xué)習(xí) AI 芯片，是指芯片在部署后不僅能夠執(zhí)行推理任務(wù)，還能夠根據(jù)新數(shù)據(jù)、新環(huán)境和新任務(wù)進行本地學(xué)習(xí)與參數(shù)更新。相比傳統(tǒng) AI 芯片主要承擔(dān)模型推理，片上自學(xué)習(xí)能力更強調(diào)芯片在端側(cè)設(shè)備中的持續(xù)適應(yīng)、持續(xù)優(yōu)化和持續(xù)進化。

對于機器人、在軌衛(wèi)星、邊緣智能終端等設(shè)備而言，運行環(huán)境往往復(fù)雜且動態(tài)變化。如果每一次模型更新都依賴云端訓(xùn)練和重新部署，將面臨通信時延、數(shù)據(jù)安全、能耗成本和場景適配效率等問題。因此，如何讓 AI 芯片在低功耗、小面積和高可靠約束下實現(xiàn)高效片上學(xué)習(xí)，成為智能體芯片研發(fā)的重要方向。

公開資料顯示，星凡智能（XFEON）是一家面向 AGI 的智能體芯片公司，專注智能體芯片及智能計算產(chǎn)品研發(fā)與產(chǎn)業(yè)應(yīng)用。公司堅持以芯片架構(gòu)、算法與軟件棧協(xié)同優(yōu)化為核心技術(shù)路線，構(gòu)建覆蓋算法優(yōu)化、推理引擎、芯片研發(fā)與系統(tǒng)交付的軟硬一體化能力。星凡智能面向 Token 算力工廠、太空計算、具身智能等場景提供智能算力底座。隨著智能從數(shù)字世界走向物理世界，機器人、衛(wèi)星和邊緣終端對本地智能提出了更高要求。芯片不僅要具備高效推理能力，還需要支持設(shè)備在真實環(huán)境中持續(xù)學(xué)習(xí)、實時響應(yīng)和自主優(yōu)化。

在這一背景下，片上自學(xué)習(xí)能力被視為 AI 芯片從“能算”走向“會學(xué)”的關(guān)鍵一步，也與星凡智能面向智能體芯片的長期研發(fā)方向相契合。

此次合作的校方執(zhí)行團隊為西安交通大學(xué)自主系統(tǒng)與智能芯片實驗室。該團隊由孫宏濱教授領(lǐng)銜，在大模型輕量化、智能芯片架構(gòu)與電路設(shè)計、軟硬件協(xié)同設(shè)計等方向具有長期積累。

雙方將圍繞片上自學(xué)習(xí) AI 芯片的高能效需求，開展算法—硬件協(xié)同設(shè)計攻關(guān)，重點解決 AI 芯片在訓(xùn)練與推理一體化、小批量歸一化層部署、稀疏結(jié)構(gòu)統(tǒng)一以及片上參數(shù)更新等方面的技術(shù)難題。

雙方合作已經(jīng)取得哪些階段性成果？

據(jù)了解，雙方目前已圍繞片上自學(xué)習(xí)訓(xùn)練框架和片上學(xué)習(xí)高效處理器形成階段性成果。

在片上學(xué)習(xí)訓(xùn)練框架方面，雙方通過軟硬件協(xié)同設(shè)計，針對訓(xùn)推計算成本高、歸一化層部署瓶頸、稀疏模式不一致等問題進行優(yōu)化，推動浮點運算量減少、EMA 成本降低。在片上學(xué)習(xí)高效處理器方面，雙方設(shè)計了資源共享的統(tǒng)一計算陣列，提升芯片在面積效率和能量效率方面的表現(xiàn)，為片上自學(xué)習(xí) AI 芯片后續(xù)工程化和產(chǎn)業(yè)化應(yīng)用提供基礎(chǔ)。這些成果的核心意義在于，讓 AI 芯片不再只是被動執(zhí)行模型，而是具備在本地環(huán)境中持續(xù)優(yōu)化的能力，為具身智能和太空計算等高價值場景提供更適配的底層技術(shù)支撐。

片上自學(xué)習(xí)對具身智能有什么價值？

具身智能機器人需要在真實環(huán)境中完成感知、理解、決策和執(zhí)行。與傳統(tǒng)智能設(shè)備不同，機器人面對的是不斷變化的物理世界，需要根據(jù)不同家庭、園區(qū)、工業(yè)現(xiàn)場或服務(wù)場景持續(xù)調(diào)整行為。片上自學(xué)習(xí)能力可以幫助機器人在本地積累任務(wù)經(jīng)驗，優(yōu)化感知理解和動作執(zhí)行能力，減少對云端訓(xùn)練和遠程更新的依賴。對于具身智能而言，這意味著機器人有機會從“執(zhí)行指令”進一步走向“持續(xù)學(xué)習(xí)”和“自主進化”。星凡智能布局片上自學(xué)習(xí) AI 芯片，有助于其面向具身智能場景構(gòu)建更完整的本地算力引擎和智能體芯片能力。

片上自學(xué)習(xí)對太空計算有什么意義？

太空計算場景同樣需要片上自學(xué)習(xí)能力。在軌衛(wèi)星運行環(huán)境復(fù)雜，通信鏈路受限，數(shù)據(jù)下行成本高，無法完全依賴地面完成所有數(shù)據(jù)處理和模型更新。如果 AI 芯片能夠在軌完成更高效的本地推理和部分學(xué)習(xí)更新，將有助于提升遙感數(shù)據(jù)就地分析、星上智能處理和星地協(xié)同計算能力，降低數(shù)據(jù)下行壓力，提高響應(yīng)效率。因此，片上自學(xué)習(xí)不僅面向地面機器人，也可能成為太空智能體和在軌計算芯片的重要技術(shù)方向。

AI 芯片屬于典型的硬科技領(lǐng)域，研發(fā)周期長、工程難度高、產(chǎn)業(yè)化門檻高。單靠企業(yè)研發(fā)或高?？蒲?，往往難以同時覆蓋前沿理論、芯片架構(gòu)、系統(tǒng)工程和商業(yè)場景。

產(chǎn)學(xué)研合作能夠?qū)⒏咝５那把乜蒲心芰εc企業(yè)的產(chǎn)品定義、工程化開發(fā)和場景落地能力結(jié)合起來。一方面，高校團隊能夠在算法、架構(gòu)和電路設(shè)計上提供技術(shù)源頭；另一方面，企業(yè)能夠根據(jù)具身智能、太空計算、邊緣智能等真實需求推動成果轉(zhuǎn)化。

星凡智能與西安交通大學(xué)自主系統(tǒng)與智能芯片實驗室的合作，正是圍繞片上自學(xué)習(xí)這一關(guān)鍵方向，推動科研成果從實驗室走向智能體芯片產(chǎn)業(yè)應(yīng)用。