65nm 做 AI 芯片能效远超 A100！SK 海力士这次玩大了 — 快科技 — 科技改变未来

一句话看懂：SK 海力士联合 TetraMem 及南加州大学，发布了一款基于忆阻器（memristor）的存内计算 SoC 芯片。该芯片虽采用 65nm 老旧工艺，却在能效上以 21.3 TOPS/W 的数据远超英伟达 A100 的 INT8 模式一个数量级，专为功耗敏感的边缘 AI 场景设计，但峰值算力仅 2.54 TOPS，性能较弱。

事件核心：发生了什么

7月11日消息，SK海力士与 TetraMem、南加州大学联合推出了基于忆阻器的存内计算 SoC 芯片。该芯片的核心亮点在于能效：在 100MHz 下达到 21.3 TOPS/W，在 400MHz 下也有 11.9 TOPS/W，论文称其能效比英伟达 A100 的 INT8 模式高出约一个数量级。芯片采用 65nm 工艺制造，内部包含 10 个神经网络处理单元（NPU），其中 9 个运行传统操作，1 个专门优化深度可分离卷积（DWC）。优化后的 NPU 采用锯齿形交叉阵列拓扑，通过将选择线改为斜向走线，实现了 28 个独立的 3×3 卷积并行，阵列利用率接近 100%。为了弥补忆阻器编程精度仅约 2 bit 的限制，团队采用双子阵列补偿技术提升至约 4 bit。实际演示中，运行 MobileNetV1Small 端到端推理精度为 80.36%，与 4-bit 软件模型相当，但论文未披露满负载时的真实吞吐量。

为什么重要

这项研究的本质是概念验证，但其意义在于为功耗极度敏感的边缘 AI 场景提供了一条可行的技术路线。当前主流 AI 芯片（如英伟达 A100）依赖先进制程和巨大算力，难以在低功耗、小体积的设备上部署。SK 海力士的方案证明，即使采用成熟的 65nm 工艺，通过忆阻器存内计算架构也能实现极高的能效比，这为物联网传感器、可穿戴设备、工业监控等场景提供了新的可能性。同时，它挑战了“高能效必须依赖先进制程”的传统认知，也展示了存储巨头在计算领域的技术突围方向。不过，其 2.54 TOPS 的峰值算力远低于微软 Copilot+ 要求的 40 TOPS，表明它目前无法胜任复杂的大模型本地推理。

对用户/开发者/创作者的影响

对普通用户，这款芯片短期内不会出现在消费电子产品中，但它预示着未来电池供电的智能设备（如智能家居设备、可穿戴健康监测器）可能在不联网的情况下提供更智能、更省电的 AI 功能。对开发者，尤其是嵌入式 AI 工程师和边缘计算开发者，该方向值得关注：如果忆阻器方案得以工程化量产，可以大幅降低边缘设备的功耗预算，无需担心散热和电池续航。对 AI 模型设计者来说，这可能会推动面向极低算力、极低精度场景的模型轻量化技术，比如双字节或三字节权重的适配与优化。目前公开信息显示，该芯片仍处于实验验证阶段，尚无商用时间表。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

第一个观察点是 SK 海力士是否会推进该芯片的量产计划，以及是否会在明年或更晚时候发布面向客户的评估套件。第二个观察点是其他存储和芯片厂商（如三星、台积电、美光）是否会跟进忆阻器或类似存内计算路线，形成生态竞争。第三个观察点是，在微软 Copilot+ 等高性能本地 AI 标准日益提高的背景下，这类低算力、高能效方案能否找到足够大的市场落地场景，例如语音唤醒、手势识别、传感器预处理等超低功耗应用。

来源：Readhub · AI