IT之家7月11日消息，科技媒体Tom's Hardware昨日(7月10日)发布博文，报道称SK海力士携手TetraMem、南加州大学，为提升边缘AI设备神经网络推理能效，联合开发忆阻器(memristor)存内计算SoC。
IT之家注：忆阻器是一种电阻状态可按历史电流或电压变化而改变并保留的非易失性器件，可同时承担存储与计算相关功能。在AI芯片中，忆阻器常用于构成交叉阵列，以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。
存内计算指把部分计算直接放在存储阵列内部完成，而非在处理器与存储器之间反复搬运数据。该方式可显著降低数据移动带来的延迟与功耗，常见于神经网络矩阵乘法、卷积推理、边缘AI加速器，以及对能效要求较高的嵌入式场景。
本次三方联合研发的SoC面向轻量模型，采用嵌入式RISC-V处理器调度任务，集成10个神经处理单元(NPU)，理论最佳情况下总算力约2.54TOPS。
其中1个NPU专门用于深度卷积，另外9个执行逐点卷积与稠密运算。专用深度卷积NPU采用8个252×28锯齿形交叉阵列模块，保留DAC与ADC设计。
9 个标准NPU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，因此设计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0.254TOPS，在100MHz下能效为21.3TOPS/W，在400MHz下为11.9TOPS/W。
