Weebit Nano 推出面向存内 AI 计算的 Matrix ReRAM 研究计划

Weebit Nano已启动 Weebit Matrix 存内计算研究计划，向学术界和业界研究人员开放 ReRAM 硬件，以测试一种不同的 AI 计算方式：在数据存储的位置执行计算。

该计划提供基于 32 × 32 交叉阵列的研究套件，支持向量-矩阵乘法、卷积和脉冲神经网络等运算。它旨在探讨边缘 AI 面临的一项重要硬件问题：减少内存与独立处理器之间的反复数据传输，能节省多少能耗和时间？

这次发布的是研究平台，而非成熟的商用 AI 加速器。Weebit 表示，存内计算解决方案要进入商业市场，仍面临技术挑战。当前的首要目标是让研究人员从模型和仿真迈向基于实际 ReRAM 硬件的实验。

为什么要在内存中计算？

神经网络推理需要反复将输入与已存储的模型权重结合。在传统架构中，这些数值在内存层级间传输会占用带宽并消耗能量。存内计算（IMC）旨在直接利用内存阵列完成其中一部分运算。

电阻式随机存取存储器（ReRAM）利用可编程电阻存储信息。Weebit 的氧化物基存储单元在电极之间设有开关层；施加电压会改变导电通路，进而改变单元电阻。存储状态无需持续供电即可保持，因此 ReRAM 属于非易失性存储器。

在模拟计算研究中，这些电学特性不仅能用于存储比特。阵列可以通过存储单元编码权重，并利用由此产生的电学响应参与运算。这样一来，内存的物理特性便与神经网络中广泛使用的乘加运算联系起来。

这一目标对功耗和热预算严格受限的设备尤为重要，包括传感器、工业设备和其他边缘系统。但这并不意味着 AI 模型的每个部分都会在阵列中运行，也不代表整个系统中的数据传输会消失。

Matrix 研究套件包含哪些内容

Weebit 首批提供两种套件：

• Matrix IMC 评估套件：一块可直接访问硬件的评估板，适合希望深入接触硬件的研究人员。
• Matrix IMC 快速入门套件：包含完整的 IMC 电路板、FPGA 子系统和示例代码。

两种套件均包含封装芯片样品、文档以及带插座的 IMC 电路板。32 × 32 交叉阵列提供了一个可控平台，可用于研究编程方法、AI 算法和神经形态架构，包括脉冲神经网络。

快速入门套件中的 FPGA 子系统为研究人员提供了可编程数字硬件，可与内存阵列配合使用。这有助于探索混合系统：让基于内存的运算与传统处理协同工作，而不是试图取代整个计算流程。

参与者将与 Weebit 分享 ReRAM 相关成果和反馈。该公司表示，这种合作旨在改进技术，并为更广泛的研究工作提供参考。公告没有披露套件价格、获批项目数量或商用加速器的交付日期。

如何看待功耗降低 80 倍的说法

一份相关研究摘要详细说明了 Weebit 性能主张的依据。一家未具名的美国公司致力于开发耐辐射 AI 硬件，该公司针对一项图像分类任务评估了 IMC 架构，所用模型是定制卷积神经网络。

比较对象包括 NVIDIA GeForce RTX 4090 GPU 和 Xilinx ZCU104 FPGA 平台。IMC 系统级结果是基于 Weebit ReRAM 阵列的测量数据，通过应用建模推算得出的。

针对该项工作负载，分析预计，与 GPU 实现相比，功耗约降低 80 倍；与 FPGA 实现相比，功耗降低 13 倍。发布公告另称，延迟降低近 100 倍。这些是针对特定工作负载的预测，并非经独立验证的完整商用 Matrix 加速器测量结果，也不能证明它在各类 AI 任务中都优于 GPU。

这一点正是该研究计划的核心。阵列级别的成果必须转化为完整系统，同时在考虑控制、数据转换、通信及其他辅助操作后，仍能保持模型准确率。这些外围功能同样会消耗能量并增加延迟。

硬件实验能够揭示仿真无法发现的问题

Weebit 首席执行官 Coby Hanoch 提到了公司此前与 CEA-Leti 的合作，其中包括 2019 年展示的一款基于 ReRAM 的脉冲神经网络。Matrix 延续了这一研究方向，为更多符合条件的研究人员提供一个明确的硬件平台。

神经形态计算研究人员 Kevin D. Johnson表示，他的研究涵盖异构计算和神经形态计算，希望利用该平台在实际硬件上验证模型，并评估系统层面的准确性、延迟和功耗。他还关注将 ReRAM 与其他处理技术结合。

这一思路体现了实际应用的机会：找出工作负载中哪些部分能从基于存储器的计算中受益，再视情况将其与其他硬件结合。研究问题不只是单项操作是否高效，还包括由此构成的系统能否带来有用且可重复的应用性能。

Weebit 还指出，耐辐射能力是研究 ReRAM 在严苛环境中应用的一个理由。不过，具体能否用于航空航天、国防或医疗领域，仍取决于相关要求以及对完整设计的验证。

演示与研究者使用权限

Weebit 计划在 electronica 2026 展示 Matrix IMC。该展会将于 11 月 10 日至 13 日在慕尼黑举行。公司列出的展位信息为 C2 馆 637 号展位；活动页面提供演示与会面详情。

这些套件面向符合条件的研究人员开放申请，申请将根据与该计划研究重点的契合程度进行评估。Weebit 为有意参与者提供了研究项目申请表。

Matrix 目前的贡献，是让研究人员能够使用硬件，检验内存内 AI 背后的假设。对于一个致力于降低数据搬移成本的领域而言，真正有价值的证据在于：研究人员运行实际工作负载时，测得的准确性、能耗和延迟能否兼顾。