南方科技大学与西安交通大学联合团队近日在《自然电子学》发表研究成果，成功开发出基于自旋转移力矩磁随机存取存储器的内存计算芯片。这项新型内存计算技术能够显著提升人工智能系统的运行效率，为硬件设计提供新的发展方向。

该内存计算芯片采用40纳米STT-MRAM工艺制造，集成了64kb存储容量。研究团队在论文中表示："非易失性CIM宏可以减少处理单元和存储单元之间的数据传输，从而提供快速且节能的人工智能计算。"这种设计突破了传统模拟计算方法的精度限制，实现了数字化的原位计算功能。

新型内存计算架构在单元级别实现乘法运算，在宏模块级别完成数字累加，并通过算法层面的优化训练方案提升性能。测试结果显示，该芯片支持4至16位精度的无损矩阵运算，在残差网络和物理信息神经网络任务中达到与软件相当的推理精度。这种内存计算解决方案为人工智能硬件提供了更高效的数据处理途径。

研究人员介绍，该内存计算芯片完成全并行矩阵运算仅需7.4至29.6纳秒，能效达到每秒每瓦7.02至112.3万亿次运算。李虎淼、柴铮及其合作者在论文中写道："我们提出了一种基于40纳米STT-MRAM技术的64kb非易失性数字内存计算宏。"该技术展示了数字内存计算方法在精度和能效方面的优势。

这项内存计算研究成果为便携式设备部署人工智能模型创造了条件。基于STT-MRAM的内存计算架构有望推动下一代人工智能硬件发展，为各类智能计算场景提供技术支持。

更多信息： Humiao Li 等人，《用于人工智能芯片的无损全并行自旋电子内存计算宏》，《自然电子学》(2025)。期刊信息： 《自然电子学》