新的全球性计划借助Weebit Matrix™存内计算(IMC)套件来加速对存算一体等下一代计算范式的研究
为全球半导体行业开发和提供技术授权的先进存储技术领先企业Weebit Nano Limited(以下简称Weebit)日前宣布:启动Weebit Matrix™存内计算(IMC)全球研究计划,以携手创新者加速对下一代计算架构的探索。该计划为产业界与学术界的研究人员提供基于阻变式存储器(ReRAM)的硬件开发套件,用于IMC算法与系统的探索和原型开发。
Weebit创新的ReRAM技术具备多项优势,并已授权给多家集成器件制造商(IDM)和晶圆代工厂,同时已有多家伙伴借助该公司技术开展存内计算及其他应用的开发。本周,Weebit团队将在于北京举行的第三十二届集成电路设计业展览会(ICCAD-Expo 2026)上,展示该公司创新的ReRAM技术以及全球研究计划提供的开发套件,并计划与国内晶圆制造和芯片设计公司开展合作交流。
在现代人工智能(AI)工作负载中,在处理器与存储器之间搬运数据可能造成显著的性能与带宽瓶颈,并占据总能耗的很大一部分。IMC直接在存储器内部完成计算,可减少数据搬运、提升速度并大幅降低功耗。IMC架构,尤其是采用ReRAM等非易失性存储器(NVM)的创新架构,对AI推理应用格外具有吸引力,在边缘设备和物联网(IoT)设备中更是如此。
Weebit的阻变RAM(ReRAM)是基于氧空位导电细丝机制的非易失性存储技术,在性能、成本、工艺兼容性上全面优于传统嵌入式闪存,其存内计算方案针对AI推理场景实现了算力与能效的量级提升。Weebit的ReRAM技术核心工作原理为:采用氧空位导电细丝(OxRAM)机制,通过在阻变层施加不同电压,实现导电细丝的形成与溶解,完成高低阻态的切换。
其单元结构为1T1R(一个晶体管+一个阻变单元),核心操作分为三步:Forming(量产阶段初始化导电细丝)、SET(重建细丝,高阻转低阻)、RESET(溶解细丝,低阻转高阻)。完全基于后道工序(BEOL)集成,无需修改前端晶体管结构,直接嵌入两层金属之间,不干扰芯片原有逻辑器件的制造流程。
Weebit ReRAM核心技术特色
性能碾压嵌入式闪存:写入速度比嵌入式闪存快100倍,支持按位/字节寻址,无需扇区擦除;擦写寿命达10万-100万次,是闪存的10倍以上。
超低功耗表现:读取电压<1V,写入电压<3V,待机功耗为零,整体能效比嵌入式闪存高约100倍。
极端环境高可靠性:通过AEC-Q100车规认证,150℃高温下数据可稳定保存10年;抗辐射能力比闪存高350倍,同时具备抗电磁干扰能力,规避MRAM的磁场数据丢失风险。
先进制程强扩展性:已在28nm、22nm工艺节点完成验证,可继续向下微缩,突破嵌入式闪存28nm以下的制程极限。
低成本工艺兼容:仅需额外2块掩模版,新增晶圆成本仅5%-7%,远低于嵌入式闪存的20%+和MRAM的30%-40%;完全兼容标准CMOS产线,无需特殊设备与稀有材料。
该技术为存内计算带来的优势
彻底消除数据移动瓶颈:直接在ReRAM交叉阵列内完成计算,无需在内存与处理器之间反复搬运AI权重,解决传统冯·诺依曼架构中数据搬运能耗占比超90%的痛点。
能效与延迟量级级提升:实测AI推理场景下,相比GPU功耗降低约80倍,相比FPGA计算效率提升约280倍,推理延迟降低近100倍。
天然适配模拟矩阵运算:利用欧姆定律实现乘法、基尔霍夫定律实现累加,32×32交叉阵列可高效完成乘累加(MAC)、向量矩阵乘法、卷积等AI核心操作,直接映射神经网络权重。
单芯片集成简化系统:替代传统“外置闪存+片上SRAM”的双芯片架构,将AI权重、固件与计算单元完全集成在单颗SoC内,实现瞬时启动,消除跨芯片通信的安全漏洞,同时存储密度是SRAM的3-4倍。
适配边缘端全场景:非易失性特质让设备断电后数据不丢失,结合低功耗特性,完美适配电池供电的IoT传感器、工业边缘AI、航天抗辐射AI硬件等极端受限场景。
Weebit Matrix 存内计算研究计划
通过参与Weebit Matrix IMC研究计划,研究人员可利用该计划提供的基于ReRAM的开发平台,完成开发和测试AI算法、研究创新的编程方法、探索新的AI与神经形态架构、评估潜在的功耗与性能收益等工作。参与该计划的研究人员会把与ReRAM相关的研究发现和反馈分享给Weebit,以帮助改进该技术,并惠及更广泛的研究群体。
凭借超低功耗、可扩展优势、高性价比、模拟计算等特性以及在后道工序(BEOL)中易于制造等特点,Weebit ReRAM原生适合此类架构。该技术本身即具备抗辐射特性,因此也适用于航空航天、国防以及医疗应用。
一家专注于抗辐射AI硬件的美国公司利用Weebit ReRAM,评估了面向严苛环境的下一代低功耗AI加速器,探索了直接在ReRAM阵列内完成神经网络处理的方法,并与基于GPU和FPGA的常规方案进行了性能基准对比。基于其分析结果,该公司预计:在给定的AI推理工作负载下,采用Weebit ReRAM的存内计算方案,功耗可比基于GPU的方案低约80倍,同时将延迟降低近100倍。(1)
Weebit Nano首席执行官Coby Hanoch表示:“多年来,我们一直与合作伙伴在存内计算和神经形态计算等领域开展研究合作,其中包括2019年与法国原子能委员会电子与信息技术实验室(CEA-Leti)合作,共同完成了基于ReRAM的第一个脉冲神经网络(Spiking Neural Network, SNN)演示。我们看到,企业和研究机构对如何利用Weebit ReRAM去支撑此类新计算范式的探索表现出了浓厚的兴趣。这种兴趣已经开始转化为与有意参与该研究计划的产业伙伴进入实际合作。
市场研究与战略咨询公司Yole Group存储器领域首席分析师Simone Bertolazzi博士表示:“针对采用近存计算和存内计算架构的低功耗边缘AI设备,业界正在对ReRAM等新兴非易失型存储(NVM)技术开展大量研究。ReRAM兼具非易失性、可微缩性、低功耗与模拟计算能力,是IMC极具潜力的候选技术之一。Weebit通过新的IMC计划让研究人员得以深入探究算法与架构,正在推动这一重要领域的创新。”(2)
神经形态AI技术专家、研究员Kevin D. Johnson(3)表示:“Weebit ReRAM为新计算架构带来了令人期待的可能性。我的研究探索了如何利用其模拟特性,直接在存储器内完成计算,包括在金融风险分析和GPS信号操纵检测中的应用。我尤其关注将ReRAM与其他处理技术相结合,以发挥各自的优势。我期待借助Weebit Matrix IMC走出仿真阶段,在实际硬件上验证模型,并评估系统级的精度、延迟和功耗。”
Weebit Matrix IMC套件
Weebit最初将提供以下两种形态的研究套件,来为研究者提供Weebit Matrix IMC平台:
• Weebit Matrix IMC评估套件,包含一张直接访问式评估板
• Weebit Matrix IMC快速启动套件,包含一张完整的IMC板与FPGA子系统,以及示例代码
每款套件均包含芯片样品(已封装的片芯)、文档资料,以及一张带插槽的IMC板卡。Weebit Matrix IMC芯片采用32×32交叉点阵列架构(Crossbar Array Architecture),旨在支持高效的乘累加(MAC)运算、向量-矩阵乘法、卷积处理、脉冲神经网络(SNN)与模拟计算。
Weebit将在ICCAD-Expo 2026与合作伙伴见面
继Weebit在今年的慕尼黑电子展(electronica 2026)上演示Weebit Matrix IMC之后,Weebit还将参加于11月19-20日在北京北人亦创国际会展中心举办的2026集成电路发展论坛暨第三十二届集成电路设计业展览会(ICCAD-Expo 2026),并在F029-39展位现场演示Weebit Matrix IMC的两款套件:评估套件与快速启动套件。
此外,Weebit市场与业务开发副总裁Eran Briman将于11月20日13:50-14:10,在“IP赋能IC设计(II)”专题论坛发表题为“ReRAM for Edge AI and In-Memory Computing”的主题演讲。如需了解更多信息或预约专场演示,请访问
https://www.weebit-nano.com/news/events-conferences/。
提供方式
Weebit将面向符合条件的研究人员提供Weebit Matrix套件,感兴趣的中国合作伙伴可以前往Weebit在ICCAD-Expo 2026的展位上了解和体验该套件。如希望提交研究项目申请,请访问
https://tinyurl.com/58j7bk7z。所有申请都将经过评估,以确保其符合计划的研究方向。
“在将商用IMC解决方案被推向市场之前,仍有一些技术挑战需要解决,而这项研究计划将使我们能够与研究界携手合作、交流知识与想法,并帮助推动这项技术的进步。” Hanoch先生总结道。
如需进一步了解Weebit Matrix IMC研究计划,请访问
www.weebit-nano.com/matrix-imc。
(1)更多信息:
https://www.weebit-nano.com/researchers-explore-next-generation-ai-architectures-using-weebit-reram/
(2)资料来源:《Emerging Non-Volatile Memory 2026》,Yole Group
(3)https://www.linkedin.com/in/kevin-d-johnson-42170b,https://kevindjohnson.org/
关于Weebit Nano及其技术合作伙伴们
Weebit Nano有限公司是先进半导体存储技术的开发商和授权商。公司开创性阻变式随机存取存储器(ReRAM)技术可满足日益增长的创新存储技术需求:在AI推理、汽车电子、工业系统、模拟与电源IC以及安全器件等应用中,先进系统级芯片(SoC)设计正需要性能被大幅提升、功耗被显著降低的存储解决方案。与采用现有闪存方案的存储单元相比,Weebit ReRAM可使存储单元速度更快、成本更低、可靠性更高、能效更优。该技术采用晶圆厂易于处理的材料,可快速、简便地集成到现有工艺流程中,且无需专用设备或大规模投资。详情请访问www.weebit-nano.com。
Weebit Nano的ReRAM已经过充分的验证并开始进入量产,这一点可以从其覆盖科研研发、晶圆制造、IDM大厂、AI存内计算四大核心赛道的合作伙伴阵列得到印证,目前,该公司ReRAM技术形成了从底层技术验证到终端产品落地的完整生态。
核心研发合作伙伴
CEA-Leti:自2016年起深度合作,共同完成40nm、130nm、28nm节点的ReRAM技术开发,2019年联合实现全球第一个基于ReRAM的脉冲神经网络演示。
意大利米兰理工大学:联合开展神经形态计算研究,验证ReRAM阵列在类脑学习场景下的低功耗特性。
晶圆代工厂合作伙伴
SkyWater Technology:2021年达成第一个代工厂合作,成功量产全球首批嵌入式ReRAM模块。
DB HiTek:2023年达成合作,2025年完成JEDEC标准全流程技术认证,2026年共同参与韩国存内计算专项,目标实现200 TOPS/W的AI能效。
格芯(GlobalFoundries):在22FDX FD-SOI工艺上完成ReRAM技术适配,突破28nm以下嵌入式闪存的制程极限。
头部IDM与产品客户
安森美(onsemi):2024年获得ReRAM技术授权,将其集成到Treo模拟混合信号平台,2026年正式启动技术量产认证。
德州仪器(TI):2025年达成Weebit史上最大规模授权协议,将ReRAM应用于旗下先进制程的嵌入式处理芯片,覆盖汽车、工业等核心市场。
Overlord Labs:将Weebit ReRAM集成到GENESIS电源管理产品中,面向电池供电的边缘设备场景落地。
一家美国抗辐射AI硬件企业:基于Weebit ReRAM开发严苛环境下的低功耗AI加速器,实测能效比GPU高80倍、延迟降低近100倍。
存内计算生态合作伙伴
AnalogAI:联合参与韩国ACiM项目,共同推进ReRAM基模拟存内计算的商业化落地。
Silvaco:合作开发适配ReRAM工艺的TCAD仿真工具链,加速芯片设计验证流程。
IC’Alps:作为设计服务合作伙伴,帮助终端客户快速完成集成ReRAM的SoC流片,大幅缩短产品上市周期。
截至2026年9月,Weebit已有2家产品客户正在进行嵌入式ReRAM硅片测试,2家新增AI客户签约探索存内计算方案,整体商业化落地进度持续加速。
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/70044455/viewspace-3189278/ ,如需转载,请注明出处,否则将追究法律责任。