华科大推出首款低功耗肺音 AI 处理器专用芯片，面向穿戴式肺部监测

华中科技大学王超课题组成功研制出全球首款面向肺音监测的专用 AI 处理器芯片，已经完成 55nm 工艺流片验证，采用两阶段由粗到细的混合神经网络架构，解决传统可穿戴肺音监测方案算力开销大、耗电高、没法长时间连续佩戴监测的痛点，芯片先做低成本初筛，正常肺音直接输出结果、跳过复杂计算，只有识别到异常肺音才启动精细多分类诊断，大幅削减无效算力消耗，适合集成在数字听诊器、胸贴式健康穿戴设备上，在本地直接完成肺音采集、AI 识别、异常预警，不用持续把音频传到云端，既降低功耗也保护生理数据隐私，这项成果发表在集成电路领域顶刊 JSSC，也给心音、心电这类其他生理信号的低功耗边缘 AI 芯片提供了参考思路。

一、芯片核心实测参数表

二、两阶段肺音 AI 识别工作流程

1. 穿戴设备的收音模块采集人体肺音音频信号，转换成数字信号送入这颗肺音 AI 处理器。
2. 第一阶段轻量神经网络完成粗筛判断，判定肺音是否正常。
3. 如果判定正常，直接输出结果，终止后续复杂计算，节省电量。
4. 如果判定存在异常，自动触发第二阶段高精度网络，做多分类识别，区分不同类型肺部异常信号。
5. 芯片本地输出识别结论、预警信号，设备可以本地弹窗提醒，按需上传关键结果。

三、三大核心技术创新点清单

• 可重构计算阵列 + 双模脉动数据流：适配不同神经网络算子，动态切换硬件工作模式，减少硬件资源浪费。
• 多分支混合驱动存储架构：配合两级网络结构，最大化数据复用，降低读写存储带来的功耗。
• 大步长层优化方案：提升硬件利用率，缩短推理延迟，做到实时肺音识别。

四、主要落地应用场景

• 家用智能数字听诊器：居家长期监测哮喘、慢阻肺人群肺音变化
• 胸贴式连续健康监测穿戴设备：全天候持续采集、本地预警
• 基层医疗筛查设备：社区、乡村快速肺部初筛
• 病房床边监护终端：辅助医护持续跟踪患者肺部声音变化

五、需要理清的关键提醒

• 这是专用 ASIC AI 处理器芯片，不是通用 GPU 或者通用 NPU，只针对肺音识别做硬件加速。
• 当前已经流片验证，属于科研原型芯片，距离商业化量产、医疗器械认证还有不少环节。
• 芯片是辅助筛查工具，识别结果不能直接等同于临床诊断报告，需要医生复核。
• 架构思路可以迁移，后续有机会衍生心音、脑电、心电同类低功耗生理信号 AI 芯片。

【常见问题】

问题 1：华科大这款低功耗肺音 AI 处理器芯片，和通用 AI 芯片最大差别是什么？

回答 1：华科大这款低功耗肺音 AI 处理器芯片是面向肺音识别的专用 ASIC，采用两级粗筛加精判架构，优先压低正常样本的能耗，而通用 AI 芯片需要兼容各类模型，功耗很难做到这么低，不适合小型穿戴设备长期监测。

问题 2：华科大这款低功耗肺音 AI 处理器芯片的两级识别逻辑具体怎么省电？

回答 2：华科大低功耗肺音 AI 处理器芯片先用轻量网络粗筛，正常肺音直接结束推理，不跑复杂模型；只有识别到异常肺音才开启高精度分类，砍掉绝大多数场景下多余计算，实现大幅降功耗。

问题 3：华科大这款低功耗肺音 AI 处理器芯片，是不是已经可以直接做成市售的医用听诊设备？

回答 3：还不行，华科大这款低功耗肺音 AI 处理器芯片目前完成流片与学术验证，属于科研成果，后续还要经过整机开发、医疗器械注册认证，才能做成合规上市的医疗设备。

问题 4：搭载华科大低功耗肺音 AI 处理器芯片的设备，肺音识别一定要联网上传数据吗？

回答 4：不需要，华科大低功耗肺音 AI 处理器芯片支持本地端侧推理，肺音识别运算在芯片内部完成，仅在需要的时候才上传结果，能够减少数据传输、保护用户生理隐私。

【参考资料】

[2026-11-13]（从重症病房到顶刊论文：一批肺音数据，六年磨出一颗 AI 芯片）DeepTech 深科技

[2026-10-10]（华中科技大学光电信息学院王超课题组在人工智能处理器芯片领域取得重要进展）智慧城市网

[2026-10-08]（An Energy-efficient, Reconfigurable and Dual-mode AI Processor Based on Two-Stage Hybrid CNN for Wearable Lung Sound Monitoring Systems）IEEE JSSC

[2026-09-22]（低功耗与智能集成电路研究室：面向可穿戴医疗的专用 AI 芯片进展）华中科技大学光电信息学院官网

【免责声明】

本文为华科大低功耗肺音 AI 处理器芯片科研成果科普解读，该芯片目前为实验室流片原型，尚未量产，不具备医疗诊断资质；芯片性能、落地周期、医疗转化路径存在不确定性，技术细节以 JSSC 论文原文以及华中科技大学官方发布内容为准，本文不构成投资、采购、临床使用建议。