维度网讯，SK海力士与TetraMem、南加州大学联合开发忆阻器（memristor）存内计算SoC，用于提升边缘AI设备的神经网络推理能效。该芯片面向轻量模型，采用嵌入式RISC-V处理器调度任务。

忆阻器（memristor）是一种电阻状态可随历史电流或电压变化而改变并保持的非易失性器件，能同时实现存储与计算。在AI芯片中，忆阻器常用于构成交叉阵列，直接存放神经网络权重，适用于低功耗推理、边缘计算和新型存算一体架构。存内计算将部分计算直接放在存储阵列内部完成，避免数据在处理器与存储器之间反复搬运，从而降低延迟和功耗，常见于神经网络矩阵乘法、卷积推理和边缘AI加速器等场景。

该SoC集成10个神经处理单元（NPU），理论最佳总算力约为2.54 TOPS。其中1个NPU专门执行深度卷积任务，另外9个负责逐点卷积与稠密运算。专用深度卷积NPU采用8个252乘28的锯齿形交叉阵列模块，并保留了DAC与ADC设计。9个标准NPU各配备1个256乘256的忆阻器交叉阵列、256个8位DAC、256个8位ADC及配套控制电路。

由于单个忆阻器（memristor）器件的有效编程精度仅略高于2位，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%，与对应的4位软件模型一致。性能方面，单个NPU的峰值吞吐为0.254 TOPS，在100 MHz频率下能效达到21.3 TOPS/W，在400 MHz下为11.9 TOPS/W。