-

TetraMem完成全新12nm AI SoC投片,推進類比記憶體運算技術發展

藉助Synopsys雲端賦能的EDA解決方案,將以多層RRAM為基礎的AI晶片開發擴充至先進FinFET節點

加州聖荷西--(BUSINESS WIRE)--(美國商業資訊)-- 矽谷類比記憶體運算(A-IMC)領域的先驅TetraMem宣布,全球首款以多層RRAM技術為基礎的12nm A-IMC系統級晶片(SoC)——MLX300已成功投片。該SoC藉助由Synopsys Cloud FlexEDA提供支援的業界一流EDA解決方案開發而成,這一里程碑代表該架構向先進節點、可量產運算邁出了重要一步。

TetraMem執行長兼共同創辦人Glenn Ge表示:「TetraMem的架構透過將儲存與運算融合,代表了一種全新的AI運算方式。透過Synopsys Cloud利用Synopsys EDA解決方案,對於實現高效的全球合作、加快我們從研發創新到可製造晶圓的進程扮演了至關重要的角色。」

MLX300的投片緊隨TetraMem近期發表的、採用商用22nm製程製造的MLX200/MLX200M多層RRAM A-IMC SoC之後,代表公司在2026年實現了兩次成功的全遮罩投片。這兩款設計均採用透過Synopsys Cloud FlexEDA交付的Synopsys EDA解決方案,使得TetraMem位於在美國和新加坡的工程團隊能夠實現高效分散式開發,同時顯著提升設計效率並縮短迭代週期。例如,TetraMem將整體設計環境的建置時間從數周縮短至幾分鐘,並且相較於在地部署方式,其暫存器傳輸級(RTL)驗證模擬速度提升了3倍。

Synopsys EDA產品管理與策略資深副總裁Sanjay Bali表示:「TetraMem在類比記憶體運算領域的工作,體現了釋放下一波AI效能與效率所需的大膽創新。Synopsys欣然透過雲端賦能的設計解決方案、先進的EDA技術以及經過驗證的IP來支援TetraMem,協助加快下一代AI硬體的開發。」

TetraMem獨特的架構實現了針對下一代AI加速器的可擴充開發,旨在大幅提升每瓦特效能並減少資料搬移瓶頸。MLX300在此基礎上建構,是一款適用於音訊、視覺和小型語言模型的通用單晶片加速器,支援在晶片上儲存多達6400萬個INT4參數,無需外部DRAM進行模型權重儲存。該SoC的目標能效超過50–80 TOPS/W,展現了以RRAM為基礎的類比運算為下一代AI推理帶來顯著能效提升的潛力。

關於TetraMem

TetraMem是一家矽谷AI半導體公司,致力於開發以多層RRAM(憶阻器)為基礎的類比記憶體運算技術,以大幅提升AI的能效和可擴充性。

免責聲明:本公告之原文版本乃官方授權版本。譯文僅供方便瞭解之用,煩請參照原文,原文版本乃唯一具法律效力之版本。

Contacts

媒體連絡人:
Glenn Ge
pr@tetramem.com

More News From TetraMem

TetraMem與SK hynix展示成功技術合作,推進以儲存為中心的AI運算

加州聖荷西和韓國仁川--(BUSINESS WIRE)--(美國商業資訊)-- 類比記憶體內運算(A-IMC)技術領導者TetraMem Inc.與全球AI儲存及半導體技術領軍企業SK hynix Inc.今日宣布,雙方成功完成共同技術合作。其代表性成果是聯合研究論文《以憶阻器為基礎的高效通道分離卷積記憶體內運算SoC》(A Memristor-based In-Memory Computing SoC with Efficient Depthwise Convolution)在《先進智慧系統》(Advanced Intelligent Systems)期刊上發表。該研究還被選為期刊封面文章,彰顯其技術創新性以及對下一代AI運算的潛在影響。 此次合作將SK hynix在先進儲存技術領域的專長與TetraMem的類比記憶體內運算平台相結合,旨在探索新型運算架構,以因應人工智慧面臨的最緊迫挑戰之一:降低快速成長的AI工作負載所帶來的能耗和散熱限制。 隨著基礎模型的參數規模從數十億持續擴充至數兆,處理器與記憶體之間的資料搬移已成為系統功耗、延遲及散熱問題的主要誘因。類比記憶體內運算(A-IM...

TetraMem宣布22奈米多位元RRAM類比記憶體運算SoC取得產品研發里程碑

加州聖荷西--(BUSINESS WIRE)--(美國商業資訊)-- 總部位於矽谷、致力於研發類比記憶體運算(IMC)解決方案的半導體公司TetraMem Inc.今日宣布,旗下以22奈米多位元阻變記憶體(RRAM)為基礎打造的類比IMC系統級晶片(SoC)平台MLX200已成功完成投片、生產以及初始矽晶驗證。 此次成果代表憑藉新型非易失性儲存技術打造的類比運算架構向商業化落地邁出重要一步,能夠因應現在AI系統日益嚴峻的資料傳輸、功耗和散熱受限等挑戰。 隨著AI工作負載規模持續擴大,系統效能日益受到記憶體和運算單元之間資料傳輸成本的制約。類比記憶體運算採用一種截然不同的方法,直接在儲存陣列內部執行運算,大幅減少資料傳輸行為,並提升了系統級效率。TetraMem的MLX200平台將多位元RRAM陣列與類比運算引擎融為一體,使儲存內部能夠完成高輸送量向量矩陣運算,同時保持與先進互補金屬氧化物半導體(CMOS)製程的相容性。 憑藉TSMC 22奈米CMOS製程實現量產應用的多位元RRAM技術,具備實際部署所需的關鍵特性,包括可相容CMOS製程且額外製程複雜度極低、低電壓低電流工作模式、出色的...
Back to Newsroom