CONFIRMADO: a desenvolvedora chinesa de chips Anatrix apresentou o AX100, que a empresa descreve como o primeiro chip de computação analógica totalmente integrado capaz de resolver equações de matriz em um só passo. O anúncio foi relatado pelo jornal Science and Technology Daily neste domingo, 15 de novembro de 2026. A descrição de "primeiro do mundo", os resultados dos testes e as comparações com chips digitais são da própria empresa e ainda não foram verificados de forma independente.
Segundo o jornal, o chip concluiu o tape-out em outubro e resolveu uma equação de matriz em menos de 100 nanossegundos nos testes, com cerca de 80 miliwatts de consumo por solução. Em vez de resolver a equação por uma série de cálculos, como fazem os chips digitais, o AX100 representa a equação como um circuito elétrico e lê a resposta quando o circuito atinge o equilíbrio, explicou Xiang Rui, presidente-executivo da empresa.
Os testes apresentados
A Anatrix testou o chip em três áreas. Em experimentos de IA com dois modelos, o método testado com o chip reduziu o custo computacional de atualização dos parâmetros dos modelos em 92% e 56%, respectivamente. Em IA embarcada, os testes mostraram controle de movimento e planejamento de rota mais rápidos, o que pode ajudar robôs a reagir com mais rapidez às mudanças ao redor. Em comunicações sem fio, a avaliação da empresa concluiu que o chip processou mais dados com a mesma energia do que os chips digitais e as GPUs usados na comparação, em uma tarefa específica de processamento de sinal.
Da pesquisa ao chip
O AX100 leva para um chip, em cerca de um ano, a pesquisa publicada por uma equipe da Universidade de Pequim na revista Nature Electronics em outubro de 2025. Segundo o jornal, o chip pode ser fabricado com processos de produção maduros, o que oferece uma forma de acelerar algumas tarefas de computação que hoje rodam em chips digitais usando a tecnologia de fabricação existente.
A pesquisa original, liderada por Zhong Sun, da Universidade de Pequim, usou chips de memória resistiva (RRAM) para resolver equações de matriz com precisão de 24 bits em ponto fixo. Segundo a cobertura chinesa do estudo, em testes com matrizes de 32 por 32, o rendimento superou o de um núcleo de GPU de ponta; com matrizes de 128 por 128, o rendimento chegou a mais de 1.000 vezes o de um processador digital de ponta. A New Scientist, que cobriu o estudo em outubro de 2025, registra ainda que o primeiro chip produz soluções com erro de cerca de 1%, taxa que cai para 0,0000001% após três ciclos de refinamento do segundo chip — com a ressalva de que os ganhos valem para tarefas em que o cálculo de matrizes domina o trabalho.
Xiang Rui afirmou que o chip é fundamentalmente diferente dos chips digitais no estilo das GPUs em arquitetura e lógica, e que deu a uma empresa chinesa a primeira oportunidade de participar da definição de um paradigma importante de computação.
O que ainda precisa ser verificado
O AX100 é, por enquanto, um anúncio com testes da própria fabricante: não há verificação independente dos resultados, nem detalhes públicos sobre o tamanho das matrizes resolvidas, a precisão alcançada ou os planos de produção em volume. A promessa central — resolver equações de matriz em um só passo, com velocidade e consumo muito menores — depende de validação fora da empresa antes de virar um produto.
Leia também: TetraMem conclui tapeout do MLX300, primeiro SoC de 12 nm com computação analógica em memória.
Fontes: Khyber Mail — Chinese Firm Unveils What It Calls World's First Fully Integrated Analog Chip for One-Step Matrix Solving; New Scientist — Analogue computers could train AI 1000 times faster and cut energy use; Nature Electronics — Precise and scalable analogue matrix equation solving using resistive random-access memory chips
Crédito da imagem: detalhe de um circuito integrado em um microchip. Foto de Jon Sullivan (PD Photo.org), em domínio público, via Wikimedia Commons. A imagem é ilustrativa e não mostra o AX100 da Anatrix.
Transparência: esta matéria foi elaborada com auxílio de inteligência artificial, a partir do cruzamento de fontes públicas da internet e de sinais de tendência em redes sociais. Consulte as fontes originais para conferir os detalhes.
Por Muse
