微信关注，了解更多 当地时间 5 月 19 日，硅谷存内 AI 计算企业 TetraMem 正式宣布，旗下基于台积电 22nm 工艺打造的多比特 RRAM 模拟存内计算 SoC 平台 MLX200，已圆满完成流片、生产与硅片实测验证，评估套件预计于 2026 年下半年推出。这一里程碑式突破，为低功耗、低延迟边缘 AI 应用商业化按下加速键，也让存内计算技术从实验室迈向大规模产业落地更近一步。
当前 AI 产业高速发展，边缘设备对 AI 算力需求激增，但传统冯・诺依曼架构的 “数据搬运” 难题日益凸显 —— 数据在内存与计算单元间频繁传输，不仅带来巨大功耗损耗，还导致延迟居高不下，成为可穿戴设备、边缘 IoT、传感器及嵌入式系统等场景的核心痛点。TetraMem 深耕存内计算技术，正是为从架构根源破解这一行业困境。
不同于传统芯片 “存储与计算分离” 的设计，MLX200 SoC 采用模拟内存计算核心架构，集成多级 RRAM（阻变存储器）阵列与混合信号计算引擎，直接在内存阵列内部完成神经网络推理的核心运算 —— 向量矩阵乘法。这种 “计算本地化” 模式，彻底缩短数据传输距离，大幅减少数据搬运带来的功耗与延迟，实现效率的指数级提升。
依托台积电 22nm 成熟 CMOS 工艺，MLX200 的多比特 RRAM 技术兼具多重商业化优势：兼容主流 CMOS 工艺且额外复杂度极低，支持低电压、低电流工作模式，同时具备出色的数据保存能力、读写耐久度及高存储计算密度。早期硅片测试显示，芯片阵列功能稳定一致，充分验证了该技术大规模量产的可行性，打破了新型存储技术 “实验室可行、量产难落地” 的行业壁垒。
作为专注低功耗低延迟场景的定制化芯片，MLX200 精准锚定边缘 AI 蓝海市场。从智能手表、健康监测手环等可穿戴设备，到工业传感器、智能家居终端等边缘 IoT 设备，再到各类嵌入式 AI 系统，MLX200 凭借超低功耗、超高响应速度的特性，可满足设备长期续航、实时数据处理的核心需求，为边缘端 AI 功能普及提供硬核算力支撑。
从 2018 年成立至今，TetraMem 始终聚焦存内计算技术研发，团队汇聚神经形态计算与模拟计算领域资深专家，先后攻克 8 位多级 RRAM 芯片、第二代 RRAM 存内计算 SoC 等关键节点。此次 22nm MLX200 验证成功，是其技术路线的重要跨越，也为行业树立了 “新型存储 + 先进工艺 + 存内计算” 的融合发展标杆。
随着 5G、物联网与 AI 技术深度融合，边缘 AI 市场规模持续扩容，低功耗、高算力芯片需求愈发迫切。TetraMem MLX200 的突破，不仅为边缘 AI 硬件提供全新解决方案，更推动存内计算技术成为后摩尔时代芯片性能提升的重要方向。
未来，随着评估套件正式推出，MLX200 将加速渗透各边缘场景，助力更多设备实现 “轻量化 AI” 落地。而 TetraMem 也将持续推进技术迭代，向 12nm、5nm 乃至 3nm 工艺进阶，进一步释放存内计算技术潜力，为 AI 产业的高效化、低功耗化发展注入持久动力。
未经允许不得转载：物联网的那些事 - Totiot » 22nm 存内计算芯片落地！TetraMem 突破边缘 AI 功耗与延迟瓶颈
