此次联合成果凸显了模拟内存计算如何应对AI日益严峻的能耗与散热挑战同时为下一代存储与计算架构的深入合作奠定基础。模拟内存计算(A-IMC)技术领导者TetraMem Inc.与全球AI存储及半导体技术领军企业SK hynix Inc.今日宣布双方成功完成联合技术合作。其标志性成果是联合研究论文《基于忆阻器的高效深度卷积内存计算SoC》(A Memristor-based In-Memory Computing SoC with Efficient Depthwise Convolution)在《先进智能系统》(Advanced Intelligent Systems)期刊上发表。该研究还被选为期刊封面文章彰显了其技术创新性以及对下一代AI计算的潜在影响。此次合作汇集了SK hynix在先进存储技术领域的专长与TetraMem的模拟内存计算平台旨在探索新型计算架构以应对人工智能面临的最紧迫挑战之一降低快速增长的AI工作负载所带来的能耗和散热限制。随着基础模型的参数规模从数十亿持续扩展至数万亿处理器与存储器之间的数据移动已成为系统功耗、延迟及散热问题的主要诱因。模拟内存计算(A-IMC)采用了一种截然不同的架构来突破这一瓶颈直接在模型权重所在的存储位置执行矩阵运算——即在AI模型权重所在之处进行计算。这大幅减少了数据移动同时提升了系统级性能和能效。此次发表的研究展示了一款基于忆阻器的AI片上系统(SoC)该系统实现了高效的深度卷积这是现代AI推理工作负载的重要构建模块。除了验证模拟内存计算的可行性外该项目还成功将新兴存储器件、电路设计、AI架构、软件及系统优化整合至实用的半导体平台中。更为重要的是该项目体现了SK hynix RTC与TetraMem团队之间紧密的工程协作双方优势互补共同推进以存储为中心的AI计算技术。TetraMem首席执行官兼联合创始人Glenn Ge表示“我们很荣幸能与SK hynix共同庆祝这一重要里程碑。这一成就证明了半导体生态系统内紧密协作所能取得的丰硕成果。随着AI的不断演进未来的突破不仅需要计算层面的创新还需要存储和系统架构的创新。我们相信以存储为中心的计算和模拟内存计算将成为解决未来AI能效和散热挑战日益重要的技术我们期待与SK hynix继续深化合作。”SK hynix副总裁Soo Gil Kim表示“我们很高兴看到此次合作取得圆满成功并获得《先进智能系统》的认可。该项目证明了探索创新存储技术和新型计算架构对未来AI系统的价值。我们重视与TetraMem团队的非凡合作并期待在双方共同关注的领域继续开展技术交流。”该研究被选为期刊封面文章进一步凸显了此次联合成果的重要意义以及以存储为中心的计算在AI行业中日益增长的重要性。展望未来双方公司均认识到未来的AI基础设施需要在存储技术、计算架构和系统集成方面持续取得进展以满足对性能、能效和可持续计算不断增长的需求。基于此次合作的成功双方期待探索更多技术合作机会共同推进下一代AI计算技术的发展。论文《基于忆阻器的高效深度卷积内存计算SoC》现已在《先进智能系统》期刊在线发表。关于TetraMemTetraMem Inc.是一家硅谷半导体公司致力于开创基于多级忆阻器(RRAM)技术的模拟内存计算(A-IMC)。其以存储为中心的AI计算平台可为边缘计算、企业级应用及未来的数据中心应用提供高性能、高能效的AI推理能力。关于SK hynixSK hynix Inc.是一家全球性半导体公司也是HBM、NAND Flash及先进AI存储解决方案的领先供应商。公司持续开发创新存储技术为全球下一代AI、高性能计算及以数据为中心的应用提供强大动力。