理论峰值约 2.54 TOPS，能效 21.3 TOPS/W

SK海力士联合TetraMem、南加州大学成功开发了一款基于忆阻器存内计算技术的AI芯片，旨在提升边缘AI设备的神经网络推理能效。该芯片采用RISC-V处理器调度任务，集成10个神经处理单元（NPU），理论总算力约2.54 TOPS，峰值能效达21.3 TOPS/W。

忆阻器是一种新型非易失性器件，其电阻状态随历史电流或电压变化而改变，可同时承担存储与计算功能。在AI芯片中，忆阻器常用于构成交叉阵列，直接存放神经网络权重，适用于低功耗推理、边缘计算与新型存算一体架构研究。存内计算将部分计算直接在存储阵列内部完成，显著降低数据移动带来的延迟与功耗。

该SoC面向轻量模型，集成了10个NPU：其中1个专门用于深度卷积，采用8个252×28锯齿形交叉阵列模块，保留DAC与ADC设计；另外9个执行逐点卷积与稠密运算，各配备1组256×256忆阻器交叉阵列、256个8位DAC、256个8位ADC及配套控制电路。

单个忆阻器器件的有效编程精度仅略高于2位，团队采用双子阵列补偿技术，将有效权重精度提升至约4位。实测端到端推理准确率为80.36%，与对应4位软件模型一致。

性能方面，单个NPU峰值吞吐为0.254 TOPS，在100 MHz下能效为21.3 TOPS/W，在400 MHz下为11.9 TOPS/W。这一成果为边缘AI加速器提供了高能效解决方案，有望推动存算一体架构在物联网、智能终端等场景的规模化应用。

研究团队表示，未来将进一步优化忆阻器精度与阵列规模，探索更大规模神经网络的支持能力。该芯片的突破性在于结合了存内计算与忆阻器技术，为传统冯·诺依曼架构的局限性提供了新思路。