0
实现了超越昨天的自己和超越最好的同行之后，2023年安克在规划未来的发展方向时，面临的是持续改良，还是回到用户真实需求重新定义创新边界的选择。
“我们二三十个核心高管开了三天会后，最后的决定是我们已经有了一个不错的基础，但接下来要挑战的是上限。”安克创新创始人兼首席执行官阳萌在首次技术沟通会上回忆，“那场会议之后，我们修改了使命和愿景，从弘扬中国制造之美，变成了极致创新激发。”
这次调整并不只是口号层面的变化，而是一次从产品逻辑到技术路径的重构。安克开始将视角从单一硬件创新，转向更底层的端侧智能体系构建：一方面，是能够在设备端独立运行的AI能力；另一方面，则是支撑这些能力的系统级协同机制，甚至延伸到未来的家庭级智能操作系统与具身智能形态。
安克看准的第一步，是端侧智能的感知入口，并从眼耳鼻舌身意六感中选择了“耳”这一感知维度。
“当时选择通话场景，是因为商务人士在高频移动中，最直接的痛点就是在嘈杂环境里无法清晰沟通。”阳萌说，“过去几十年，人们解决通话里的背景噪音问题，通常采用的是工程拆解式的分治法，但遇到了问题。”
为了降噪，安克「被迫」入局芯片
在传统方案下，降噪是一个典型的工程问题。系统会被拆解成多个模块：波束成形、回声消除、噪声抑制、人声增强，每一个模块都有成熟的算法体系，可以分别优化。
这种“分治法”在很长一段时间内是有效的，它让耳机从“几乎不可用”变成“基本可用”。但问题也逐渐显现出来——每一个模块都在解决局部问题，却无法从整体理解声音。不同模块之间的信息无法充分共享，在复杂环境中，系统整体表现很容易失真。
安克的团队尝试继续优化这套体系，但很快发现，提升空间已经非常有限。于是，他们开始尝试另一种思路：不再拆分问题，而是用一个端到端的神经网络模型，把降噪作为一个整体来处理。
这是更接近人类听觉机制的方式。模型可以通过数据学习“什么是人声”，而不是依赖规则去逐步过滤噪音。
2023年安克尝试将多个小模型实现的功能用一个大模型实现，到2023年底，这个模型被训练出来，并在实验室环境中展现出明显优于传统方案的效果。问题似乎即将被解决。
但真正的困难，恰恰从这里开始。“模型效果是很好，但参数量一下就飙升到一点几兆，在实际使用时使用这个模型不断推理，功耗巨大，如果用传统的芯片耳机大概只能用一小时，这基本属于不可用。”阳萌说。
安克创新 2023 实验室音频技术研究院的 Alex分享，“我们当时找了很久都没有找到一颗合适的传统芯片能同时满足低功耗和大算力的需求，表面是我们没有合适的芯片能够承载我们音频创新技术，但往底层拆，根因是我们的音频算法的特点和传统芯片计算架构根本性的矛盾和冲突。”
当前主流芯片依然基于存储与计算分离的设计，也就是经典的冯诺依曼架构。在这种架构下，模型参数存储在内存中，计算单元在需要时再将其加载进来执行。
对于传统算法来这种方式高效、合理。但当计算负载变成高频的神经网络推理时，这种架构的缺陷开始放大：模型需要被反复加载，数据在内存和计算单元之间频繁搬运。
于是，一个原本并不显眼的问题，变成了决定性的瓶颈。安克就这样被迫入局芯片领域。
150倍算力提升背后，被改写的是计算方式
安克最终选择的是一条非传统的技术路线：存算一体。
传统芯片架构中，存储和计算是分开的。数据需要在两者之间来回移动，而计算单元只在数据到达之后才开始工作。在低频、低数据量的场景中，这种方式效率尚可。但在高频推理场景下，数据搬运本身会成为主要开销。
有说法称，在这类负载下，超过90%的能耗并不用于计算，而是消耗在数据搬运上。这意味着，所谓的“算力不足”，很大一部分其实是“有效算力没有被利用”。
存算一体的思路，则是从根本上改变这一点。它将计算能力嵌入到存储单元内部，使得数据在原地即可参与运算，而无需在不同模块之间反复传输。
从系统角度看，这相当于消除了“数据搬运”这一环节，让计算真正发生在数据所在的位置。
“当时没有公司做我们这个应用领域的存算一体芯片，我们也没有芯片设计能力，把相关芯片公司都看了一遍之后，我们选择了跟我们一样遵从第一性原理，愿意去一起探索的存算公司携手而行。”阳萌说。
基于NOR Flash技术，安克推出了Thus存算一体芯片芯片，原生支持4兆参数模型，是安克首款神经网络存算一体AI音频芯片。Thus也是业界首款商用的兆级存算一体芯片，彻底解决了冯・诺伊曼架构下数据在处理器与内存间频繁搬运的问题，将原本被消耗的90%以上能量重新释放用于有效计算，从底层实现算力与能效的双重跃升。
在内部测试中，Thus相较传统蓝牙芯片实现了最高约150倍的AI峰值算力提升。安克的Thus芯片即将首发搭载于安克旗舰耳机，可在100dB左右嘈杂环境中精准滤除噪音、保留清晰人声。
当然除了提升通话降噪，Thus芯片也能带来声音质量、个性化音频等方面的提升。
“Thus不仅是一款创新芯片，更是安克规划的三年期芯片技术平台。首代产品采用联合研发模式落地，目前已正式启动下一代全自研芯片研发。”阳萌解释，“Thus的命名取自“Thus have I heard（如是我闻）”，寓意回归计算本质。”
雷峰网(公众号：雷峰网)了解到，Thus不仅会解决听方面的感知，未来的Thus芯片还会解决更多的感知层面的问题。
如果把视角停留在耳听上，Thus带来的变化可以被理解为一次降噪体验的升级，但这背后还有安克对于端侧AI更长远的理解。
从一颗芯片开始，安克走向端侧AI系统
当芯片层面的算力与能效问题被解决之后，一个新的问题随之浮现：如果设备端已经具备稳定运行AI模型的能力，那么这些能力应该如何被组织与调用？
在单一设备上实现智能，只是起点。真正复杂的场景来自多设备协同——感知、决策与执行不再局限于单点，而是需要形成跨设备的闭环系统。
这也使得问题从“算力问题”进一步延伸为“系统组织问题”。随着设备对云端依赖的加深，延迟、隐私与离线可靠性成为不可回避的约束。因此，在推进存算一体芯片的同时，安克也在同步构建面向家庭场景的端侧AI模型体系，以降低对云端的实时依赖。
安克对家庭智能的理解是，未来的家庭不再是孤立设备的集合，而更像一个由多个能力节点组成的网络系统。
摄像头、麦克风、传感器、执行器等能力，不再以“设备”为边界，而是被拆解为可调用的功能单元，通过统一的系统机制进行调度，实现数据、能力与事件的协同。
在这一体系中，操作系统的角色被重新定义。
“我们正在开发一套真智能操作系统。”阳萌表示，“它不是传统意义上的设备系统，而是在分布式架构之上，引入智能体调度能力与算力编排机制，用来支撑多设备之间的协同运行。”
通过系统整合统筹，真智能操作系统能打通不同设备的能力、数据和事件，将摄像头、麦克风、语音、控制、定位、推理等能力，拆成独立、可复用、可远程调用的原子服务，并注册到系统总线上。
在这一基础上，系统通过统一调度机制，实现“感知—理解—决策—执行”的跨设备闭环，使不同设备能够在同一任务目标下协同工作。
进一步延伸，这种能力最终会落在具身设备上。无论是安防机器人，还是更复杂的家庭服务机器人，本质上都是将感知与决策能力延伸到物理世界的载体。
具身智能路线图浮出水面，物理AI时代正在到来
家庭机器人可以分为三种形态：第一种是已经非常成熟的二维移动设备，比如扫地机、割草机，本质上是在一个平面内完成感知和执行；第二种是正在推进的三维移动形态，以安防机器狗为代表，可以在空间中移动，实现巡检和防护；第三种才是人形机器人主导的三维操作阶段，目前仍然处于更前沿的探索中。
安克在本次沟通会上展示了家庭具身智能演进路线图，基于多年智能家居、安防与清洁领域的沉淀，勾勒出家庭机器人从基础执行到复杂操作的完整发展路径。
家庭安防长期存在“看得见，但防不住”的问题。摄像头可以记录，但缺乏主动能力；而一旦引入可以移动的设备，这个问题就会发生变化。
这条路径背后，并不是简单的产品延伸，而是一整套能力体系的搭建。为了支撑具身设备的长期运行，安克搭建自研技术体系，涵盖长寿命静音关节模组、仿人脑三层认知架构、高效率AI数据工厂与毫秒级全身通信中枢。
研发关节模组的原因是寿命，一个机器狗身上的关节声称能用1万小时，但由于温度、湿度、负重的原因，实际使用的时长可能就是1000小时左右，如果每天使用两小时，寿命可能就一年多。
“我们已经能把关节做到在真实场景下能用 4000 个小时。”阳萌说，“这还不够，我们希望能有多优秀的人才加入我们的2023实验室，能让机器狗陪我们8年甚至10年。”
安克的技术研发最终汇聚到一个更大的目标上。安克在内部提出了一个“1+X+N”的结构：一个家庭级的核心智能中枢，连接不同形态的机器人，以及各类可以自适应的智能设备。
与其说这是一个产品规划，不如说是一个系统设想——当设备之间可以共享能力、协同执行时，单个设备的智能边界才会被打破。
在这个过程中，芯片、模型和系统之间的关系也逐渐清晰：芯片解决的是算力效率，模型决定能力上限，而系统负责把这些能力组织起来，形成可持续运行的整体。这也是为什么，安克在首场技术沟通会上同时谈芯片、端侧AI和具身智能。它们并不是三条独立的业务线，而是同一条路径上的不同阶段。
但这也意味着更高的投入。阳萌分享，2023实验室已经有快500人在芯片、操作系统和前沿产品方向做研发。安克创新2025年有28.93亿的研发投入，比2024年增长了37%。
“未来很多年，我们的研发投入都会显著快于营收增长。在这些方向上的投入，其实没有上限——只要我们判断它对未来产品是有价值的，就会持续投下去。”阳萌婧祎不表示。
如果把时间拉长来看，从一颗为降噪而生的芯片，到端侧AI，再到具身设备，安克正在做的事情逐渐显现出一个更完整的轮廓：让AI不再只是云端能力，而是成为设备的一部分，并最终进入真实世界，安克也要在这个过程中拥有商业化、产品化、技术研发能力。
这条路径还远未成型，但它至少提供了一种不同的解法——不是把所有能力集中到云端，而是让设备本身变得足够“聪明”。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
