本地AI推理需求正在重塑AI赋能型系统级芯片（SoC）的设计要求。印度初创企业HrdWyr正围绕AI、实时控制、信号处理与数据传输的协同交互，构建其专属SoC架构。
这家总部位于班加罗尔的无晶圆厂半导体公司由Ramamurthy Sivakumar与Guruswamy Ganesh于2023年联合创立，目前正开发AI原生SoC，初期聚焦于电源与电池管理应用。EE Times采访了首席执行官Sivakumar，他表示，AI工作负载需要从底层即以AI为核心进行架构设计，而非在传统处理器基础上简单附加机器学习加速模块。
“配备ML加速器的传统SoC无法满足先进AI工作负载所需的性能水平，”Sivakumar指出，“更重要的是，它也无法提供高效运行这些工作负载所必需的能效。”
HrdWyr于2026年5月完成1300万美元A轮融资，由Ideaspring Capital领投，Singularity AMC、Avatar Growth Capital及Persistent Systems跟投。公司在声明中表示，本轮资金将加速AI原生SoC的研发进程，并拓展全球关键市场的客户合作。
HrdWyr的架构设计理念在于：将确定性功能保留在可预测的硬件通路上，同时利用AI实现自适应调整、优化与故障诊断。“大多数传统SoC将AI视为事后补充，仅在标准CPU架构上‘硬加’一个AI加速器，”Sivakumar强调，“而我们已将AI、实时控制、信号处理与数据移动整合为一个无缝协同的系统。”
该架构并非通用型AI平台，而是针对具体应用场景量身定制。Sivakumar表示，公司方法可灵活适配电源转换、电机控制与安防等场景，使AI模型能针对目标工作负载进行深度优化。
公司内部采用名为“真实边缘自主”（True Edge Autonomy, TEA）的框架来指导研发。该框架以基于强化学习的智能体AI栈为核心，旨在充分释放其AI SoC的全部性能潜力。
“随着我们迈入物理AI时代——即高级智能与现实世界系统深度融合的新阶段——AI的真正价值将被彻底释放，”Sivakumar表示，“这一转折点要求我们从根本上重新思考计算系统的构思、架构与部署方式。它呼唤对半导体堆栈进行结构性重构：IP与产品必须从第一性原理出发为AI处理而设计，而非作为附加功能。”
HrdWyr如何构建AI原生SoC
Sivakumar指出，HrdWyr的核心差异化优势在于将系统集成能力与专用AI引擎融合于单一芯片之中。“我们的方法未必在所有维度都与众不同，这完全可接受，”他坦言，“随着行业发展，市场足以容纳多家成功企业。”
他将系统集成列为首要差异化特征：不同于依赖独立的电池充电IC、电量计与微控制器的传统方案，HrdWyr芯片将多项功能集成于单颗混合信号SoC中。
“我们整合了原本需多颗芯片才能实现的功能，”他表示，“同时还加入了现有产品所不具备的模拟电路能力。”
公司称，这种高度集成有望提升系统级整体性能。对系统设计师而言，预期收益包括：控制环路延迟降低、中央处理器（CPU）占用率下降、数据移动减少以及功耗降低。该架构亦具备自适应能力，可应对元器件老化、工况变化及产品间差异。据Sivakumar介绍，这些优势可转化为更低的散热需求、更平滑的控制响应及更简化的系统复杂度。
第二项差异化体现在HrdWyr专为其初始目标应用（电池与电源管理）定制的AI引擎。此类系统会随温度、电池寿命、负载及用户行为持续动态变化，而固定规则与静态查表法难以在整个产品生命周期内有效应对这些变量。
HrdWyr提出采用强化学习来管理长期权衡问题，例如充电速度与电池寿命、峰值性能与热应力之间的取舍。在电池管理领域，公司视强化学习为一种手段，使充放电与供电策略能依据实际运行条件与使用习惯动态调整，而非仅依赖预设规则。
但该方法并非意在取代传统安全机制。Sivakumar强调，HrdWyr的强化学习运行于经验证的安全边界之内，而标准保护电路与确定性控制仍负责处理关键安全功能。
电池管理是HrdWyr的首个落地应用，但Sivakumar指出，相同的强化学习范式亦可拓展至其他需持续适应内外部变化的系统中。
“我们的芯片属于高度混合信号设计，”他说，“其中包含大量数字电路与显著规模的模拟电路，全部采用同一制造工艺集成于单片硅基之上。”
Sivakumar认为，真正的工程挑战不在于设计AI算法本身，而在于将多个IP模块整合为可量产的芯片。“选择AI模型并划分边缘设备与云端的工作负载相对直接，”他表示，“更艰巨的任务是构建多个复杂的IP模块并将它们集成进完整的SoC。即便设计完成，将其转化为GDSII数据库的过程也极具挑战性。”
公司同步开发自有软件栈，以简化系统设计师对各处理单元的调用。编译器负责将任务分发至CPU、控制单元、数学运算单元与AI引擎；SDK提供优化库与参考应用；运行时环境则处理调度、同步与数据传输。HrdWyr还在开发用于性能分析、调试、仿真与模型部署的配套工具。
Sivakumar相信，这将使工程师得以专注于算法开发，而无需手动管理每个硬件模块。
出于商业保密考虑，Sivakumar未透露代工厂名称及制程节点。HrdWyr在流片前近一年即选定代工厂，因GDSII数据库准备需与代工厂紧密协作。公司已完成首颗芯片流片，现处于电路板开发阶段，正等待外包半导体组装测试（OSAT）合作伙伴塔塔电子（Tata Electronics）提供的封装芯片，用于参考板装配。
他亦未披露首批产量、营收或初始生产批次规模。HrdWyr现有约15名员工，含核心工程团队。他将公司定位为一家无晶圆厂半导体产品企业，致力于为全球市场开发端到端产品，而非仅授权IP或提供服务。
从电池管理迈向物理AI
公司首款产品系列命名为“Indus”，首发产品为面向真无线立体声（TWS）耳机的电源与电池管理IC，更广泛适用于单节锂离子电池供电设备。
Indus系列第二款产品——面向无刷直流（BLDC）电机控制的应用——目前已进入开发阶段。
HrdWyr的首位客户为印度知名消费电子品牌boAt，该公司专注于个人音频设备与智能穿戴产品的设计、营销与销售。Sivakumar透露，约半数客户合作项目位于印度本土，另一半分布于海外，但未公开其余客户信息。
面向原始设备制造商（OEM），HrdWyr聚焦于AI需与物理系统协同工作的场景，包括电机、电池、电力电子与传感器等。其产品定位对标德州仪器、恩智浦、瑞萨、高通与北欧半导体等厂商提供的通用平台。
公司强调，并非意图取代现有系统中已成熟的确定性控制方法，而是为其注入自适应智能。
“我们并非要替代行业所依赖的确定性控制——我们的目标是在同一芯片内为其赋能，注入自适应智能，”Sivakumar表示。
他说明，公司有意将初期客户名单保持精简，避免资源分散，旨在确保早期客户成功落地，进而逐步拓展为更广泛的商用半导体业务。
“长期机遇在于从屏幕驱动、数据中心主导的AI，转向物理AI，”他表示，“后者日益需要在本地感知、决策并响应。”
他列举了无人机、人形机器人、制造系统、安防摄像头及其他持续与环境互动的设备作为典型应用场景。
对HrdWyr而言，市场选择与技术本身同等重要。Sivakumar指出，最大战略风险之一是产品尚未上市时目标市场已发生迁移。
“若产品决策失误，本行业毫不留情，”他警示道。
公司还面临更紧迫的挑战：招募资深工程师并建立国际化团队。印度尚缺乏大规模量产半导体终端产品的成熟经验，HrdWyr属少数几家致力于从印度本土打造面向全球市场的产品与品牌的初创企业之一。
除自身发展外，Sivakumar更希望“看到40家类似HrdWyr的企业在印度涌现”，而非仅此一家。“构建更广阔的半导体产品生态体系本身就是机遇所在，而不只是HrdWyr成长的背景板。”
当前，HrdWyr业务集中于电源与电池管理，电机控制紧随其后。其远期目标是将这一应用导向策略转化为全球性半导体产品企业。能否实现取决于执行力、客户采纳度，以及AI向物理系统渗透的速度。易IC库存管理软件可为这类快速迭代的芯片研发企业提供高效物料追踪与供应链协同支持，助力企业缩短开发周期。www.eic.net.cn 作为专业平台，持续关注AI芯片与边缘计算领域的创新进展。
对Sivakumar而言，目标始终清晰：“若我们最终未能以自有产品参与全球竞争，那便只是在为他人创造价值。”
