结合人工神经元和RRAM的新芯片 强化AI边缘运算效率并在穿戴式和无人机应用
https://bit.ly/3AOLeER
一篇新发表在Nature的研究论文描述了一种内存内运算（Compute-in-Memory；CIM）晶
片，该芯片将人工神经元与电阻式内存（RRAM）相结合，从而可以在同一芯片上储存和
处理AI模型。该设计消除了运算和内存之间的数据移动，因此对边缘应用程式的效果更
佳。
根据IDC，边缘运算和AI都有望在不久的将来迅速成长。如今一些应用场景将它们两个结
合在一起，因为配置边缘运算可能会受到功率和连网性的限制，但仍需要分析大量数据并
对事件提供近乎即时反应，从而使AI模型可在装置中运行，CIM就成为了最佳的解决方案
。
现在，有研究人员开发了NeuRRAM芯片，这是一种将人工神经元与RRAM结合在一起的新颖
架构。该专案的目标是提供一种能够同时提供高能源效率以及支持各种AI模型的多功能设
计，且能在软件中运行相同模型时可获得相当的准确性。
研究员表示，NeuRRAM被开发为AI芯片之后，将可大大提高AI推理的能源效率，从而在电
池供电的边缘装置中实现复杂的AI功能，例如：智慧穿戴式装置、无人机和工业物联网感
测器等，都是可以应用的领域。
以前有关于CIM架构的研究都聚集在软件层面，但是这一次却是在硬件中展示广泛的AI应
用程式，是非常大的突破。
NeuRRAM是由48个CIM核心组成，总共包含300万个RRAM单元。每个核心都是一个TNSA（
transposable neurosynaptic array），由256 × 256　RRAM单元的网格和256个CMOS人
工神经元电路组成。
根据该论文，TNSA架构旨在提供对数据流方向的灵活控制，这对于支持具有不同数据流模
式的各种AI模型至关重要。
NeuRRAM可重构的秘诀在于它将CMOS神经元电路分布在RRAM单元之间，并沿着行和列的长
度将它们连接起来。且每个TNSA被分解成许多小核，每个小核由16 × 16 RRAM单元和一
个神经元电路组成。小核通过水平方向的共享BL（bit-lines）和WL（word-lines） 以及
垂直方向的SL（source-lines）连接。这种安排意味着可以通过配置在每个神经元电路的
输入和输出阶段使用哪个开关来实现不同的数据流方向。
根据该论文，该芯片将采用130奈米CMOS 技术制造，预计效能会随着技术演进而提高。如
今许多晶圆代工厂已经具备制造RRAM的能力，但主要用于嵌入式内存，而不是用于CIM
。一旦RRAM 能为IC设计人员提供更广泛的应用之后，NeuRRAM产品就可能会出现。预计商
品化还要两至三年的时间才能达成。