我来搜索 Weebit Nano 存内计算研究计划的最新信息。
让我获取 Weebit Nano 官方新闻稿的详细内容。
信息收集完毕,下面按固定模板输出稿件。
Weebit Matrix 存内计算研究计划启动:32×32 ReRAM 交叉阵列开发套件开放申请,实测功耗比 GPU 低 80 倍延迟降 100 倍
以色列 ReRAM 存储技术公司 Weebit Nano 在 11 月 4 日正式启动 Weebit Matrix 存内计算(IMC)全球研究计划,把基于阻变式存储器(ReRAM)的硬件开发套件直接开放给产业界和学术界研究者。核心是一颗 32×32 交叉阵列芯片,在存储阵列里直接做向量矩阵乘法、卷积和脉冲神经网络运算,不用像传统架构那样把数据在 CPU/GPU 和内存之间来回搬。套件分两档:评估版给一块直连评估板,快速启动版配齐 IMC 板 + FPGA 子系统 + 示例代码,拿到手就能跑 AI 推理算法原型。一家美国抗辐射 AI 公司用这套架构做了下一代低功耗推理加速器的对比测算,结论是同样的 AI 推理负载,ReRAM 存内计算方案比 GPU 方案功耗大约低 80 倍,延迟降低接近 100 倍。Weebit 选在这个时间点放硬件出去,背景是 2026 年 3 月他们的 ReRAM 刚入选韩国政府国家级存内计算项目,跟韩国代工厂 DB HiTek 和 Analog.ai 一起做超低功耗模拟存内计算。
存内计算解决什么问题
传统计算架构的瓶颈叫 "内存墙":数据存在内存里,计算在处理器里,每次算都要把数据搬过去搬回来。搬数据花的电比算数本身还多。
| 对比项 | 传统数字架构 | ReRAM 存内计算 |
|---|---|---|
| 计算位置 | 处理器里,数据要搬过去 | 直接在存储阵列里算 |
| 数据搬运 | 大量数据往返,能耗高 | 几乎不需要搬 |
| 功耗 | 高 | 低(测算比 GPU 低约 80 倍) |
| 延迟 | 高 | 低(测算比 GPU 低约 100 倍) |
| 适合场景 | 通用计算、训练 | 边缘 AI 推理、IoT、传感器端 |
ReRAM 做存内计算的天然优势:非易失性、模拟计算特性、可以在芯片后端工艺(BEOL)集成、抗辐射、成本低。
Weebit Matrix IMC 套件规格
| 项目 | 参数 |
|---|---|
| 芯片架构 | 32×32 ReRAM 交叉阵列(crossbar) |
| 支持运算 | MAC 乘累加、向量矩阵乘法、卷积、脉冲神经网络(SNN)、模拟计算 |
| 封装形式 | 封装芯片裸片(packaged dies) |
| 配套板卡 | IMC 板 + 插座(socket) |
| 适用人群 | 产业界和学术界研究者 |
| 申请方式 | 在线提交研究项目,审核通过后发放 |
两档套件区别
| 版本 | 包含内容 | 适合谁 |
|---|---|---|
| Evaluation Package | 直连评估板 + 芯片样品 + 文档 | 想先上手测 ReRAM 阵列基本特性的研究者 |
| Quick-Start Package | 完整 IMC 板 + FPGA 子系统 + 示例代码 + 芯片样品 + 文档 | 想直接跑 AI 算法原型、做系统级验证的团队 |
关键性能测算(第三方)
一家美国做抗辐射 AI 硬件的公司,用 Weebit ReRAM 评估了下一代低功耗 AI 加速器,在 ReRAM 阵列里直接做神经网络处理:
| 指标 | 对比 GPU 方案 |
|---|---|
| 功耗 | 约低 80 倍 |
| 延迟 | 约低 100 倍 |
| 目标场景 | 恶劣环境(航天 / 国防)下的 AI 推理 |
注意:这是基于分析的预测值,不是量产芯片实测。CEO Coby Hanoch 也明确说 "距离商用 IMC 方案上市还有技术挑战要解决"。
为什么选 ReRAM 做存内计算
| 特性 | 说明 |
|---|---|
| 超低功耗 | 模拟计算本身能耗极低 |
| 可缩放 | 阵列尺寸可以做大 |
| 成本效益 | BEOL 工艺集成,不需要额外昂贵设备 |
| 模拟特性 | 天然适合做向量矩阵乘法(欧姆定律 + 基尔霍夫定律) |
| 抗辐射 | 天生抗辐射,适合航天国防 |
| 非易失 | 断电数据不丢,适合边缘设备 |
合作生态
| 合作方 | 做什么 |
|---|---|
| DB HiTek(韩国代工厂) | 提供芯片制造平台 |
| Analog.ai | 韩国国家级存内计算项目合作方 |
| CEA-Leti(法国) | 2019 年首次演示 ReRAM 脉冲神经网络 |
| 韩国政府 | 2026 年 3 月选定 Weebit ReRAM 用于国家级超低功耗模拟存内计算项目 |
谁在用、研究什么
参与计划的研究者拿到硬件后可以做的事:
- 开发和测试 AI 推理算法
- 研究新的 ReRAM 编程方法
- 探索神经形态 / 脉冲神经网络架构
- 评估功耗和性能增益
- 从仿真模型跳到真实硬件验证
已公开的研究者方向包括:金融风险分析、GPS 信号欺骗检测、边缘 AI 推理、恶劣环境下的抗辐射 AI。
行业评价
Yole Group 存储首席分析师 Simone Bertolazzi 的判断:ReRAM 结合了非易失性、可缩放性、低功耗和模拟计算能力,是存内计算最有前景的候选材料之一。Weebit 开放硬件套件让研究者能深入做算法和架构实验,正在推动这个方向的创新。
时间线
| 时间 | 事件 |
|---|---|
| 2019 年 | 与 CEA-Leti 首次演示 ReRAM 脉冲神经网络 |
| 2026 年 3 月 5 日 | ReRAM 入选韩国国家级存内计算项目 |
| 2026 年 10 月 16 日 | Q1 FY27 报告:第二个客户开始芯片验证 |
| 2026 年 11 月 4 日 | Weebit Matrix IMC 研究计划正式启动 |
| 2026 年 11 月 | electronica 2026 慕尼黑展会现场演示(Hall C2, stand 637) |
【相关 FAQ】
问题 1:Weebit Matrix 存内计算(IMC)研究计划是什么?
回答 1:Weebit Matrix 是 Weebit Nano 在 2026 年 11 月 4 日启动的全球研究计划,向产业界和学术界研究者提供基于 ReRAM 的硬件开发套件。核心是 32×32 交叉阵列芯片,支持在存储阵列里直接做向量矩阵乘法、卷积和脉冲神经网络运算。套件分评估版和快速启动版两档,研究者需要在线提交项目申请,审核通过后获得芯片样品和开发板。
问题 2:ReRAM 存内计算比 GPU 省电多少?
回答 1:根据一家美国抗辐射 AI 公司的测算,同样的 AI 推理负载,用 Weebit ReRAM 做存内计算比 GPU 方案功耗大约低 80 倍,延迟降低接近 100 倍。但这是基于分析的预测值,Weebit CEO 明确表示距离商用 IMC 产品上市还有技术挑战要解决,不是量产芯片的实测数据。
问题 3:Weebit Matrix IMC 开发套件有哪几个版本?分别包含什么?
回答 1:两个版本。Evaluation Package(评估版)包含一块直连评估板、芯片样品和文档,适合先上手测 ReRAM 阵列基本特性。Quick-Start Package(快速启动版)在此基础上再加 FPGA 子系统和示例代码,适合直接跑 AI 算法原型做系统级验证。两个版本都包含 32×32 交叉阵列芯片和带插座的 IMC 板。
问题 4:存内计算为什么适合边缘 AI 和 IoT?
回答 4:传统 AI 推理在端侧设备上最大的问题是功耗 —— 电池供电的设备跑大模型推理很快就没电。存内计算把计算直接放在存储阵列里,省掉了数据在处理器和内存之间搬运的能耗,ReRAM 本身又是非易失的,断电不丢数据。再加上抗辐射特性,特别适合航天国防、工业传感器、医疗植入设备这些对功耗和可靠性要求极高的边缘场景。
问题 5:Weebit Nano 是哪家公司?ReRAM 技术成熟度怎么样?
回答 5:Weebit Nano(ASX:WBT)是以色列的 ReRAM 存储技术授权公司,做 ReRAM IP 授权给芯片设计公司和代工厂。2026 年 3 月 ReRAM 入选韩国国家级存内计算项目,跟韩国 DB HiTek 代工厂合作制造。截至 2026 年 10 月已有第二个客户开始芯片验证。但存内计算(IMC)本身还在研究阶段,Matrix 计划就是把硬件放出去让全球研究者一起推算法和架构,离商用产品还有距离。
【参考资料】
- [2026-11-16](Weebit Nano 启动 Weebit Matrix™存内计算全球研究计划)电子工程世界
- [2026-11-04](Weebit Nano launches Weebit Matrix™ In-Memory Compute Research Program)Weebit Nano 官方
- [2026-11-04](Weebit Nano opens ReRAM silicon to researchers exploring in-memory AI)Jon Peddie Research
- [2026-11-04](Weebit Nano Launches Matrix ReRAM Research Program for In-Memory AI Computing)Unite.AI
- [2026-03-05](Weebit Nano's ReRAM Selected for Korean National Compute-in-Memory Program)Weebit Nano 官方
【免责声明】
文中 80 倍功耗降低和 100 倍延迟降低数据来自合作客户的分析预测,非量产芯片实测结果。Weebit Nano CEO 明确表示存内计算方案距离商用上市仍有技术挑战。研究套件仅面向通过审核的研究者发放,申请条件和套件规格以 Weebit 官方页面为准。本文不构成投资建议。
本文来自作者[极簇同步]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/bdt/202611/3613.html
评论列表(4条)
我是乌兰科技网的签约作者“极簇同步”!
希望本篇文章《Weebit Nano启动Weebit Matrix存内计算全球研究计划》能对你有所帮助!
本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:我来搜索 Weebit Nano 存内计算研究计划的最新信息。