【导读】模仿内存计较(A-IMC)技能带领者TetraMem Inc.与全世界AI存储和半导体技能领军企业SK hynix Inc.公布，两边乐成完成结合技能互助。其标记性结果是结合研究论文《基在忆阻器的高效深度卷积内存计较SoC》(A Memristor-based In-Memory Computing SoC with Efficient Depthwise Convolution)于《进步前辈智能体系》(Advanced Intelligent Systems)期刊上发表。该研究还有当选为期刊封面文章，彰显了其技能立异性以和对于下一代AI计较的潜于影响。 这次互助搜集了SK hynix于进步前辈存储技能范畴的专长与TetraMem的模仿内存计较平台，旨于摸索新型计较架构，以应答人工智能面对的最紧急挑战之一：降低快速增加的AI事情负载所带来的能耗及散热限定。 跟着基础模子的参数范围从数十亿连续扩大至数万亿，处置惩罚器与存储器之间的数据挪动已经成为体系功耗、延迟和散热问题的重要诱因。模仿内存计较(A-IMC)采用了一种大相径庭的架构来冲破这一瓶颈：直接于模子权重地点的存储位置履行矩阵运算——即于AI模子权重地点的地方举行计较。这年夜幅削减了数据挪动，同时晋升了体系级机能及能效。 这次发表的研究展示了一款基在忆阻器的AI片上体系(SoC)，该体系实现了高效的深度卷积，这是现代AI推理事情负载的主要构建模块。除了了验证模仿内存计较的可行性外，该项目还有乐成将新兴存储器件、电路设计、AI架构、软件和体系优化整合至实用的半导体平台中。 更为主要的是，该项目表现了SK hynix RTC与TetraMem团队之间慎密的工程协作，两边上风互补，配合推进以存储为中央的AI计较技能。 TetraMem首席履行官兼结合开创人Glenn Ge暗示：“咱们很侥幸能与SK hynix配合庆祝这一主要里程碑。这一成绩证实了半导体生态体系内慎密协作所能取患上的丰硕结果。跟着AI的不停演进，将来的冲破不仅需要计较层面的立异，还有需要存储及体系架构的立异。咱们信赖，以存储为中央的计较及模仿内存计较将成为解决将来AI能效及散热挑战日趋主要的技能，咱们期待与SK hynix继承深化互助。” SK hynix副总裁Soo Gil Kim暗示：“咱们很兴奋看到这次互助取患上圆满乐成，并得到《进步前辈智能体系》的承认。该项目证实了摸索立异存储技能及新型计较架构对于将来AI体系的价值。咱们器重与TetraMem团队的特殊互助，并期待于两边配合存眷的范畴继承开展技能交流。” 该研究当选为期刊封面文章，进一步凸显了这次结合结果的主要意义，以和以存储为中央的计较于AI行业中日趋增加的主要性。 瞻望将来，两边公司均熟悉到，将来的AI基础举措措施需要于存储技能、计较架谈判体系集成方面连续取患上进展，以满意对于机能、能效及可连续计较不停增加的需求。基在这次互助的乐成，两边期待摸索更多技能互助时机，配合推进下一代AI计较技能的成长。 论文《基在忆阻器的高效深度卷积内存计较SoC》现已经于《进步前辈智能体系》期刊于线发表。 关在TetraMem TetraMem Inc.是一家硅谷半导体公司，致力在创始基在多级忆阻器(RRAM)技能的模仿内存计较(A-IMC)。其以存储为中央的AI计较平台可为边沿计较、企业级运用和将来的数据中央运用提供高机能、高能效的AI推理能力。 关在SK hynix SK hynix Inc.是一家全世界性半导体公司，也是HBM、NAND Flash和进步前辈AI存储解决方案的领先供给商。公司连续开发立异存储技能，为全世界下一代AI、高机能计较和以数据为中央的运用提供强盛动力。 免责声明：本通知布告之原文版本乃官方授权版本。译文仅供利便相识之用，烦请参照原文，原文版本乃独一具法令效劳之版本。 
