近日，TetraMem与SK hynix宣布建立研发合作，共同开发基于内存计算（In-Memory Computing, IMC）的解决方案，为人工智能应用注入新的动力。双方合作将整合TetraMem在模拟IMC硬件与软件上的技术优势，以及SK hynix在内存技术及生产能力上的深厚积累，旨在打破传统计算架构的性能瓶颈，提升AI性能和能效，同时推动下一代计算技术的商业化应用。
合作背景及动因分析
内存计算的行业需求
随着人工智能模型规模的持续扩大以及实时处理需求的增加，传统的冯·诺依曼架构日益暴露出“存储墙”问题——数据频繁在存储和计算单元之间移动，导致性能和能效受限。IMC技术通过在内存单元内直接完成计算操作，大幅减少数据传输，提升计算效率。TetraMem在模拟IMC技术上的研发能力，使其成为推动这一变革的关键技术供应商。
SK hynix的战略转型与布局
SK hynix作为全球领先的内存制造商，近年积极拓展AI与先进计算市场。合作将帮助其从传统存储芯片供应商向综合解决方案提供商转型，强化市场竞争力。IMC技术的引入，能够为SK hynix的内存产品带来更高附加值，同时占据内存计算市场的技术制高点。
技术优势的高度互补
TetraMem擅长开发高能效、低延迟的模拟计算硬件，适用于AI推理等高效任务。而SK hynix在内存芯片的制造能力和技术集成上处于领先地位，能够支持IMC技术的规模化落地。这种合作能够加速IMC产品的研发和商业化进程。
图：TetraMem与SK hynix合作：推动AI内存计算的未来（图源网络）
技术革新的潜在影响
提升AI计算性能与能效
IMC技术能够显著提升AI系统的处理速度、降低功耗，特别是在边缘计算、语音识别、实时图像处理等领域具有巨大潜力。例如，IMC芯片有望使推理速度提高数十倍，同时降低芯片功耗，是未来AI计算不可或缺的核心技术。
内存计算驱动架构创新
传统计算架构以处理器为中心，而IMC转向内存为中心的计算模式，可更好地适配未来数据量暴增的需求。两家公司通过合作，有望在这一技术革新中抢占先机，引领从“存储”到“计算+存储”的技术范式转变。
推动产业生态发展
此次合作将不仅推动IMC技术在AI领域的应用，还可能通过其成功案例吸引更多行业参与者加入这一领域，形成良性循环。同时，IMC技术的商业化能够提升半导体产业在高性能计算市场中的地位，尤其对快速崛起的AI市场意义重大。
未来展望
此次TetraMem与SK hynix的联合研发，不仅表明双方对IMC技术的前景充满信心，也展现了其在AI时代推动计算架构革命的决心。通过这一合作，预计未来几年内AI计算性能将得到提升，为智能设备、自动驾驶、5G应用及高性能计算等领域提供更优的解决方案。
这种合作模式有望成为存储技术与计算架构结合的行业范例，为整个半导体行业的未来发展指明方向。
