经营分析☆ ◇688416 恒烁股份 更新日期：2024-11-20◇ 通达信沪深京F10
★本栏包括【1.主营业务】【2.主营构成分析】【3.前5名客户营业收入表】【4.前5名供应商采购表】
【5.经营情况评述】
【1.主营业务】
存储芯片和MCU芯片研发、设计及销售。
【2.主营构成分析】
截止日期:2024-06-30
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
存储芯片(产品) 1.59亿 89.54 2239.52万 91.54 14.09
微控制器及其他(产品) 1846.45万 10.41 197.61万 8.08 10.70
其他业务(产品) 9.29万 0.05 9.29万 0.38 100.00
─────────────────────────────────────────────────
截止日期:2023-12-31
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
集成电路(行业) 3.04亿 99.28 4237.63万 95.05 13.96
其他业务(行业) 220.60万 0.72 --- --- ---
─────────────────────────────────────────────────
存储芯片(产品) 2.61亿 85.32 3789.35万 85.00 14.52
微控制器及其他(产品) 4270.31万 13.96 448.28万 10.06 10.50
其他业务(产品) 220.60万 0.72 --- --- ---
─────────────────────────────────────────────────
境内(地区) 2.77亿 90.64 3733.16万 83.74 13.47
境外(地区) 2640.84万 8.63 504.47万 11.32 19.10
其他业务(地区) 220.60万 0.72 --- --- ---
─────────────────────────────────────────────────
经销(销售模式) 2.28亿 74.55 3170.04万 71.11 13.90
直销(销售模式) 7561.74万 24.72 1067.59万 23.95 14.12
其他业务(销售模式) 220.60万 0.72 --- --- ---
─────────────────────────────────────────────────
截止日期:2022-12-31
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
集成电路(行业) 4.32亿 99.73 1.16亿 99.01 26.79
─────────────────────────────────────────────────
NOR Flash(产品) 3.50亿 80.76 9010.13万 77.05 25.75
MCU(产品) 8219.07万 18.97 2568.57万 21.96 31.25
─────────────────────────────────────────────────
境内(地区) 3.92亿 90.40 1.02亿 87.60 26.15
境外(地区) 4044.55万 9.33 1334.93万 11.42 33.01
─────────────────────────────────────────────────
经销(销售模式) 3.37亿 77.78 8653.04万 74.00 25.68
直销(销售模式) 9512.39万 21.95 2925.66万 25.02 30.76
─────────────────────────────────────────────────
截止日期:2021-12-31
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
消费电子(行业) 2.87亿 49.84 --- --- ---
物联网(行业) 1.24亿 21.54 --- --- ---
其他(行业) 6951.05万 12.07 --- --- ---
通信(行业) 5524.05万 9.59 --- --- ---
工业控制(行业) 2578.52万 4.48 --- --- ---
计算机及人工智能(行业) 1210.23万 2.10 --- --- ---
其他业务收入(行业) 213.27万 0.37 --- --- ---
其他(补充)(行业) 74.90 0.00 --- --- ---
─────────────────────────────────────────────────
NOR Flash(产品) 4.97亿 86.24 2.01亿 85.32 40.40
MCU(产品) 7709.38万 13.39 3239.70万 13.78 42.02
其他业务收入(产品) 213.27万 0.37 --- --- ---
其他(补充)(产品) 74.90 0.00 --- --- ---
─────────────────────────────────────────────────
境内(地区) 5.20亿 90.38 --- --- ---
境外(地区) 5325.49万 9.25 --- --- ---
其他业务收入(地区) 213.27万 0.37 --- --- ---
其他(补充)(地区) 74.90 0.00 --- --- ---
─────────────────────────────────────────────────
65nm(其他) 4.90亿 85.01 --- --- ---
55nm(其他) 7709.38万 13.39 --- --- ---
50nm(其他) 712.29万 1.24 --- --- ---
其他业务收入(其他) 213.27万 0.37 --- --- ---
其他(补充)(其他) 74.90 0.00 --- --- ---
─────────────────────────────────────────────────
经销(销售模式) 3.74亿 64.99 --- --- ---
直销(销售模式) 1.99亿 34.64 --- --- ---
其他业务收入(销售模式) 213.27万 0.37 --- --- ---
─────────────────────────────────────────────────
【3.前5名客户营业收入表】
截止日期:2023-12-31
前5大客户共销售0.94亿元，占营业收入的30.79%
┌───────────────────────┬───────────┬───────────┐
│客户名称 │ 营收额(万元)│ 占比(%)│
├───────────────────────┼───────────┼───────────┤
│客户一 │ 2072.52│ 6.78│
│客户二 │ 2012.56│ 6.58│
│客户三 │ 1935.67│ 6.33│
│客户四 │ 1722.90│ 5.63│
│客户五 │ 1673.20│ 5.47│
│合计 │ 9416.84│ 30.79│
└───────────────────────┴───────────┴───────────┘
【4.前5名供应商采购表】
截止日期:2023-12-31
前5大供应商共采购4.04亿元，占总采购额的93.52%
┌───────────────────────┬───────────┬───────────┐
│供应商名称 │ 采购额(万元)│ 占比(%)│
├───────────────────────┼───────────┼───────────┤
│供应商一 │ 26662.36│ 61.76│
│供应商二 │ 9439.02│ 21.87│
│供应商三 │ 1513.94│ 3.51│
│供应商四 │ 1431.93│ 3.32│
│供应商五 │ 1321.00│ 3.06│
│合计 │ 40368.25│ 93.52│
└───────────────────────┴───────────┴───────────┘
【5.经营情况评述】
截止日期:2024-06-30
●发展回顾:
一、报告期内公司所属行业及主营业务情况说明
（一）公司所处行业
公司的主营业务为芯片的研发、设计和销售，根据中国证监会《上市公司行业分类指引》，公司所处行
业属于“计算机、通信和其他电子设备制造业”，属于新一代信息技术领域，行业代码为“C39”。根据《
国民经济行业分类（GB/T4754-2017）》，公司所处行业属于“软件和信息技术服务业”中的“集成电路设
计”，行业代码“6520”。
存储芯片的市场规模在经历了两年的下滑后，在2023年第三季度开始逐步环比回升。根据电子工程专辑
的数据显示，全球来看，2023年NANDFlash市场规模达到398亿美元，DRAM市场规模达到505亿美元，加上先
进技术产品继续发挥高价值效应，以及AI等新兴市场应用带来的更多机会，预计2024年存储市场规模相比20
23年将提升至少42%以上。
供需格局逐步改善，存储芯片价值稳步提升。各大存储厂商不约而同的减产计划促使存储周期提前，在
存储需求不断扩大的前提下，存储芯片的价格将会上升，提前进入复苏周期。目前根据测算，自2023年起，
海外厂商的产能利用率和资本支出已显著减少，存储芯片价值稳步提升。综观存储芯片今年价格走势，由于
原厂上半年控制增产，存储芯片价格加速反弹帮助原厂重回获利。
但由于外部地缘政治因素的加剧等因素的影响，国内存储市场的复苏也存在着一定的阻力和不确定性。
根据TrendForce集邦咨询最新调查显示，随着各家厂商下半年开始明显扩大投产，零售市场仍未复苏，晶圆
现货价走跌，跌幅扩大导致部分晶圆价格已低于合约价超过二成，晶圆合约价格未来上涨空间面临挑战。同
时，第三季度消费性电子需求仍存在一定不确定性，加上原厂下半年增产幅度趋于积极，客户增加库存意愿
渐趋保守，供应商及买方端的库存水平未有显著变化。
人工智能技术可以与家居设备相结合，实现智能控制、智能安防等功能；在智能制造领域，人工智能技
术可以优化生产流程、提高生同产时效，智能技术也将会在公共服务、医疗健康等领域得到更广泛的应用。
近年来，中国人工智能产业在政策与技术双重驱动下呈现高速增长态势。根据观知海内网数据显示，全球AI
市场规模由2018年的713亿美元，增长至2023年2496亿美元，中国AI市场规模由2018年的84亿美元，增长至2
023年388亿美元，预计2027年市场规模将增长至1150亿美元。全球消费级AIoT解决方案市场规模预，AIoT即
人工智能物联网，是AI（人工智能）+IoT（物联网）的组合，AIoT融合AI技术和IoT技术，通过物联网产生
、收集来自不同维度的、海量的数据存储于云端、边缘端，再通过大数据分析，以及更高形式的人工智能，
实现万物数据化、万物智联化。在技术层面，人工智能使物联网获取感知与识别能力、物联网为人工智能提
供训练算法的数据，在商业层面，二者共同作用于实体经济，促使产业升级、体验优化。2022年全球AIoT解
决方案市场规模为1582亿元，同比增长27.27%，预计2027年市场规模将增长至4059亿元，保持每年25%以上
的同比增长。AI软件解决方案包括支持一系列应用程序和产品的通用平台，适用于更狭窄的行业特定用例。
多种语音和语言翻译工具、视觉、音频和视频工具以及深度和机器盈利能力为熟练的技术从业者和大众消费
市场带来了人工智能功能。2023年中国AI软件解决方案市场规模为810亿元，同比增长33.44%；预计2027年
市场规模将达到2543亿元，保持每年30%以上的同比增长。
根据AI运算的位置，可分为云端部署、边缘部署和端侧部署，云端AI主要优势在于算力资源优势，以运
算为中心，擅长于模型训练和较大模型的推理处理，为国内外AI或互联网大厂所垄断，例如Intel、Google
、Amazon、Meta、百度、阿里、华为、科大讯飞等；端侧部署是把AI推理模型放到终端设备上运行，优点是
快速、安全、高效，以成本效用为中心，非常适合简单AI推理任务的运行，越来越多的AIoT设备投入运行，
为端侧AI的发展带来勃勃生机。视觉AI“四小龙”商汤、旷世、云从、依图正在加速端侧AI的拓展力度，音
频AI的头部企业科大讯飞、思必驰、云知声、启英泰伦等公司都把端侧AI作为其重点业务发展。边缘AI处于
云端AI和端侧AI的中间层，主要处理小范围内的AI视觉任务，生态由算力芯片或模组供应商和算法开发商组
成，头部AI边缘算力硬件供应商有英伟达、华为、瑞芯微、全志、MStar等，算法开发商在AI应用场景收敛
的领域可以形成规模公司，例如做安防人脸识别的商汤、旷世、海康、云天励飞，另外还有为数众多做定制
场景开发且规模较小的AI边缘计算企业正在成长。
（二）主要业务、主要产品或服务情况
1、主要业务情况
公司是一家主营业务为存储芯片和MCU芯片研发、设计及销售的集成电路设计企业。公司现有主营产品
包括NORFlash存储芯片和基于ArmCortex-M0+内核架构的通用32位MCU芯片。AI业务以领先的TinyML算法软件
开发能力和出色的硬件融合能力，AI软件和AI模组硬件已经在智能终端产品领域展开销售，存算一体芯片也
在同步进行开发和设计。
2、主要产品
（1）NORFlash存储芯片
公司NORFlash产品在制程、电压、功耗、频率、工作温度及产品稳定性方面均处于行业主流水平，部分
产品技术水平达到行业先进水平。
公司自主研发的NORFlash产品，采用高速串行外设接口（SPI）技术，以其高可靠性、低功耗特性、良
好的兼容性和成本效益而受到市场青睐。
①技术工艺：公司的NORFlash产品采用了业界广泛认可的浮栅工艺（FloatingGate工艺，也称为ETOX工
艺）。这种基于ETOX的NORFlash技术完全拥有国内自主知识产权，无需依赖外部技术授权。经过长期和广泛
的客户验证，该技术已证明其在可靠性和稳定性方面的卓越表现。同时，我们持续关注其他架构工艺的发展
，并进行技术预研，以保持技术领先。
②制程技术：目前销售的NORFlash产品采用了武汉新芯的65nm和50nm制程技术，以及中芯国际的65nm和
55nm制程技术。对于中大容量产品，我们已经全面过渡到5Xnm工艺节点，以提高产品性能和生产效率。
③容量选择：能够提供从1Mb到512Mb的NORFlash产品系列，以满足不同容量需求的市场。
④工作电压：公司NORFlash产品根据工作电压可分为三个系列：低电压（1.65-2.0V）、高电压（2.3-3
.6V）以及宽电压（1.65-3.6V），全面覆盖了市场上主要的工作电压等级。
⑤性能参数：公司的NORFlash产品支持最高166MHz的工作频率，在双线（SPIDualMode）和四线（SPIQu
adMode）的工作模式下，数据传输带宽可分别达到332Mbits/s和664Mbits/s。在双边沿数据传输模式下，数
据带宽更是高达532Mbits/s。静态电流低至1μA，工作温度范围标准为-40℃至125℃，数据保持时间长达20
年，擦写次数可达10万次，确保了产品的长期稳定性和耐用性。
⑥车规认证：部分NORFlash产品已通过AECQ-100的标准认证，公司致力于未来实现车规产品全容量系列
的认证，以满足汽车行业对高可靠性存储解决方案的需求。
综上所述，公司的NORFlash产品在制程技术、工作电压范围、功耗控制、操作频率、工作温度适应性以
及产品稳定性方面均处于行业领先水平，部分产品技术已达到行业先进水平，能够为客户提供了高性能和高
可靠性的存储解决方案。
（2）通用MCU芯片
公司目前销售的CX32L003、ZB32L030、ZB32L032系列共包含超过30种型号，这些产品是基于M0+核心的
通用32位微控制器（MCU）芯片。这些芯片采用55nm超低功耗嵌入式闪存技术制造，具备宽电压工作范围、
低动态功耗、低待机电流、丰富的集成外设以及高性价比等特点。这些系列产品集成了高精度模数转换器（
ADC）、实时时钟（RTC）、比较器、多通道通用异步收发传输器（UART）等多样的模拟和数字外设。它们同
时支持两种低功耗工作模式：休眠模式和深度休眠模式，后者允许在3μs内快速唤醒。整个系统的动态功耗
低于100μA/MHz，而深度休眠模式下的功耗则低于1μA。
目前，公司已基本完成通用MCU低功耗产品线的布局。CX32L003和ZB32L030系列覆盖了从20PIN-48PIN的
多种应用场景，使得客户在选择基于M0+核心的MCU时拥有更全面的选项。ZB32L032系列在ZB32L030的基础上
进行了性能升级，提升了最高主频至64MHz，增加了静态随机存取存储器（SRAM）容量至16K字节，并引入了
直接内存访问（DMA）功能。此外，还增加了多种外设功能，如通用同步/异步接收器（USART）、四线同步
外设接口（QSPI）、串行外设接口/交错输入输出同步器（SPI/I2S）、运算放大器（OPA），并扩展了封装
类型。这些增强功能显著提升了产品在电机驱动、水表加密、TFT显示屏和工业制造等领域的应用竞争力。Z
B32L003系列在保持CX32L003系列原有优势的基础上，进一步优化了成本结构，从而增强了公司产品在市场
上的竞争力，并已实现大规模量产。
（3）AI业务
公司基于TinyML技术开发的AI软件算法模型具有模型小、运算速度快、计算精度高的特点，AI软件算法
模型和算法结合硬件而成的AI模组板卡是公司目前主要的AI产品。
AI算法软件，包括TinyML视频分割算法、TinyML视觉识别算法、TinyML语音识别算法、TinyML语音声纹
算法和TinyML语音降噪算法5大类别。最小的AI语音算法模型大小只有50Kbyte，可以在低至armM0级别资源
的计算硬件上实现部署运行，是业界最小的AI算法模型之一。算法模型降低硬件资源需求门槛，可广泛适配
于通用MCU/DSP等计算硬件，产品方案具备更强的竞争力。
AI模组板卡，基于公司TinyML算法开发能力和芯片硬件开发设计能力，公司研发并推出了多款AI软件集
合硬件的模组板卡产品。ZBA系列用于AI音频功能实现，满足AI语音识别、AI声纹识别、AI语音降噪等应用
场景需求，ZBV系列用于AI视频功能实现，满足AI图像分割、图像识别及视觉动作分析等应用场景需求。模
组板卡硬件计算平台包含Cortex-M内核MCU、Cortex-A内核CPU、RISC内核MCU及MCU+DSP核的MCU等。模组已
经在智能家居和智能办公等产品上批量应用。
（三）主要经营模式
自成立以来，公司的经营模式一直为Fabless模式，专注于芯片的研发、设计和销售，晶圆代工、晶圆
测试和芯片封测等环节通过委外方式实现。公司采用目前经营模式有利于公司集中资源进行芯片设计研发，
快速实现产品布局和更新迭代，及时适应市场变化、满足客户需求，从而充分发挥公司的竞争优势，同时避
免巨额资金投入，降低公司的经营风险。此外，公司采用Fabless经营模式，可根据不同晶圆代工厂工艺制
程特点来定义自身产品的技术路线，实现差异化竞争并弥补不同晶圆代工厂在品质、良率和产能方面的不足
。公司具体的盈利、研发、采购、生产及销售模式如下：
1、盈利模式
公司是一家采用Fabless模式的集成电路设计企业，主要向客户提供自主品牌的NORFlash和MCU等芯片产
品获取业务收入从而实现盈利。
2、研发模式
公司产品以自主研发为主，同时会与晶圆代工厂进行深入合作，充分利用其工艺优势，并针对工艺上的
缺陷，在产品设计上进行弥补。
3、采购和生产模式
公司的经营模式为Fabless模式，该模式下公司专注于芯片的研发、设计和销售，晶圆代工、晶圆测试
和芯片封测等均通过委外方式实现。
公司与晶圆代工厂之间建立了长期稳定的合作关系。晶圆测试和芯片封装测试的市场供应商相对较多，
产能相对充足。根据客户对产品形态要求不同，公司的芯片产品可分为晶圆片（KGD）和封装片，晶圆片是
指由晶圆代工厂生产完成并经晶圆测试（CP），但未经过芯片封装测试的产品；封装片则是在完成晶圆测试
后，还要进行芯片封装（Packaging）和最终测试（FT）形成的产品。对于具有合并封装（SIP）需求的主控
芯片厂商，则需要采购晶圆片，再按照自身具体要求将采购的晶圆片上的裸芯片（Die）取下后与其他芯片
合并封装。晶圆片和封装片在芯片电路和制造工艺等方面不存在差异。
4、销售模式
公司采用直销和经销两种销售模式。直销模式下，终端客户直接向公司下达采购订单。经销模式下，经
销商根据终端客户需求向公司下达采购订单，公司与经销商之间为买断式销售。公司根据芯片的市场价格与
客户协商定价。
二、核心技术与研发进展
1.核心技术及其先进性以及报告期内的变化情况
（1）NORFlash有关核心技术
公司NORFlash产品，针对不同的市场应用需求，分别在高安全性、低功耗、高性能和高可靠性方面进行
技术革新，其运用的主要核心技术具体情况如下：
a.高安全性设计
该技术将主控加密引擎和NORFlash集成在一起，共享同一组I/O接口，采用Intel通用的RPMC加密技术，
配有标准的HMAC-SHA-256加密引擎，以及独立的单向性闪存计数器，可对密钥进行HMAC签名。可有效提高Fl
ash存储数据的安全性、可靠性。加密芯片可自由适配全系4Mbit~256Mbit存储芯片，增加选择的灵活性。
b.低功耗设计
提供业界领先的低功耗参数，通过优化存储单元架构及外围电路设计，修改模拟电路结构，使用专利技
术降低静态功耗，对数字电路采用clockgating技术，降低动态功耗，大大延长了电池供电应用的工作时间
；采用动态自适应电压频率缩放技术，拓宽了工作电压范围，支持1.65~3.6V的宽压工作的产品，可广泛应
用于电池供电的系统设计。
c.高速高性能设计
通过优化存储单元架构及读出电路的设计，增加读取精度，提升读出速度，数据传输速度最高可至四线
664Mbits/s。支持最高80MHz的时钟双边沿采样技术，极大提高了数据吞吐速度。优化擦写算法，减少芯片
工作过程中不必要的充放电和开关切换，可在节省动态功耗的同时，进一步缩短芯片的擦写时间。
d.高可靠性的设计
高温和低温对于NORFlash芯片的擦写读都带来更多的挑战，公司NORFlash支持-40℃~125℃的超宽工作
温度范围。公司基于和晶圆代工厂多年的深度合作，对存储单元的特性有深度了解，在算法上进行了优化，
提升了高温下存储单元的数据存储能力。其次，公司在芯片内部设计了温度检测模块，能实时检测芯片温度
，并针对不同的温度，自适应地调整芯片内部模块，例如调整擦写电压及时间，使得芯片在不同温度都能达
到最佳工作性能。
（2）通用MCU相关核心技术
a.电路自检技术
公司在MCU芯片设计中加入自检机制、展频技术与施密特触发器，对内存、Register、I/O以及周边线路
进行功能自检。内建EMC（电磁兼容）软件处理可预防电磁干扰或当电磁干扰发生时保护芯片。
b.高精度ADC设计技术
微处理器只能处理数字信号，MCU里的模数转换器（ADC）可以对外部物理世界的各种模拟信号（如声音
、图像、位置等）进行采集，转换成数字信号供MCU进行处理，ADC的转换速度和精度直接影响到MCU的性能
指标。公司掌握高精度ADC设计技术，目前MCU嵌入了12位1MSPS高精度SAR型ADC。SAR型ADC具有良好的转换
效率和低功耗的特性，在可穿戴设备和物联网的数据采集方面有广泛应用。
c.低功耗设计技术
MCU芯片设计采用低耗电的控制回路技术，在对MCU操作不活跃的情况下，可以根据不同回路的功能停止
对部分模块的供电；依据不同线路速度的需求而改变供应的电压；随外界温度变化，可自动调节提供适当的
电压；在芯片不工作时（Standby）仅提供低电压和低电流，而在唤醒时（Wake-up）又能迅速自动转为高电
压和高电流操作。
d.MCU辅助开发软件技术
为了缩短产品的开发周期，充分发挥MCU芯片的硬件性能优势，公司开发并提供了功能强大的用户开发
界面（ZB-GUI）。开发者只需针对产品本身的功能去选择MCUSDK的相应接口及模块，ZB-GUI会自动产生MCU
代码对接服务。ZB-GUI同时提供云接入的服务平台的云模组，让使用者在开发时高效便捷有灵活性，提高开
发效率。
e.系统应用技术
MCU芯片与各种产品和应用平台的兼容性非常重要。公司的应用实验室（AELab）多年来通过对NORFlash
的技术支持，研究了各种系统应用平台，如TWS耳机，多种可穿戴设备、智能监控设备、马达控制设备、车
灯控制和智能电表等。对这些嵌入式平台的系统方案、工作原理、性能要求以及可能出现的问题通过NORFla
sh的使用有充分了解，这些技术和经验为公司MCU的快速扩展打下了坚实基础。
f.MCU程序保密设计技术
芯片增加了芯片身份识别码（即芯片唯一ID号）使用AES加解密技术将总线加密法主要有地址总线乱序
法、数据总线乱序法，或在MCU芯片地址总线与存储器地址总线间增加可编程芯片，使MCU芯片地址与存储器
地址之间形成新的映射关系。这样芯片设计具有三个重要的特点：保密性：需要确保信息不为其它未授权的
个人或团体所获得；完整性：维持和确保信息的完整，不被未授权的篡改；可行性：被授权访问信息的主体
，在需要信息的时候能及时访问并获取。
（3）存算一体化人工智能芯片相关核心技术
AI推理是一个计算密集型且存储密集型的任务，传统的AI推理芯片解决方案是将大量数据存储在外部的
存储器中，CPU或GPU在做推理运算时不停地调用存储器中的数据，并将中间数据实时存回。这种架构被称之
为传统冯·诺伊曼架构。这种架构存在存储墙、功耗墙和温度墙的问题，系统的运算效率大打折扣。因此传
统的AI推理芯片常需要采用28nm以下的先进制程以及配置大量高速DRAM。公司研发的存算一体AI技术将有效
解决上述瓶颈，提供一种低功耗、低成本、高能效的新型方案。
a.存算一体CiNOR技术
公司研发的存算一体AI芯片基于65nmNORFlash制程，利用NORFlash的模拟特性，实现芯片内完成了AI计
算的核心任务——向量矩阵乘法(VMM)，是边缘计算方向和物联网设备智能互联的一种新型解决方案。该芯
片适合于终端器件及IoT领域，即在终端上进行AI的推理。
公司CiNOR芯片是一颗工作在模拟域的存算一体芯片，将传统NORflash的程序读取过程与计算进行融合
，能够极大降低AI计算的功耗。CiNOR“恒芯2号”扩增了Flash计算阵列的规模，能够容纳更大的AI模型；
目前该芯片已回片，正在进行相关测试工作。
b.基于SRAM的数字存算一体技术
为了让存算一体技术应用在科学计算等更广大的领域，公司与中国科学技术大学正在共同研发基于SRAM
的数字存算一体技术。不同于CiNOR，该技术为无损计算，应用领域更广泛。受益于CMOS的制程微缩，与其
兼容的SRAM存算方案可以工作在更高频率且功耗更低，进而具有更高的算力和能效比。
针对AI场景对指令集以及硬件系统进行设计和简化，目前已基本完成指令集结构、指令预取/分发模块
、片上存储结构、SRAM计算宏单元、SIMT向量计算模块、以及整个系统架构的设计与RTL实现，同步与之指
令集匹配的编译器设计也在研发中。
c.软硬件协同设计技术
结合存算一体阵列的计算特性和芯片规格，有针对性地优化AI算法结构，使得存算芯片和算法模型之间
的匹配度更高。根据芯片规格调整模型结构，让模型在芯片上能获得更好的推理结果；根据模型约束芯片设
计，让芯片在推理时使用最优的配置和资源使用率，获得最佳的能效。
d.系统级三维集成互连技术
利用三维堆叠技术将存算一体芯片的不同电路模块分别使用最合适工艺制程流片，通过3D晶圆级连接组
合在一起形成单颗完整功能的芯片，突破了现有工艺的瓶颈，提高产品的开发效率、同时发挥各模块的特性
、实现高性能并减小芯片面积。
e.系统级开发技术
综合CiNOR或者数字存算的AI加速模块，构建以神经网络为代表的AI算法的完整计算系统。最大化地利
用整个系统的计算资源和存储资源，以完成更高效的AI推理任务。
（4）基于MCU的TinyML推理方案相关核心技术
a.TinyML的轻量化模型设计技术
基于PyTorch等框架进行TinyML的算法设计，结合模型量化、知识蒸馏、NAS、模型剪枝等技术，综合前
沿的AI发展，对具体应用进行定制化设计，能够用更小的模型和算力获得相似甚至更高的模型准确度。
b.TinyML的模型调优技术
在数据预处理、结果后处理等阶段，通过合适的数据清洗、数据增强、路径优化等方法，结合传统的信
号处理技术，进一步提升模型在不同应用上的性能表现。该技术能够为轻量化的模型设计带来额外的探索空
间和性能提升，有效提升算法的竞争力。
c.TinyML的端侧部署技术
公司从应用出发，结合算法逻辑，对推理过程进行优化，以期最大程度地发挥出端侧设备和算法的性能
。已具备将PyTorch的算法模型高效地部署在Cortex-M系列、Cortex-A系列和RISC系列等MCU的开发能力，涉
及多种语音、视
|
