MRAM в AI чипа: AISIN и Тохоку махат външната памет
На 2 ноември Университетът Тохоку и японският производител на автомобилни части AISIN обявиха резултатите на демонстрационен AI чип, който пази теглата на модела и операционната система в собствената си MRAM памет. От включване до старт на системата минават 65,7 милисекунди вместо 2535,3, а разпознаването на обекти в един кадър иска 1/50 от енергията при обичайния подход. Чипът още е демонстрация - кога и дали ще влезе в производство, не е обявено.
Какво показаха AISIN и Тохоку
Чипът е система върху един кристал, произведена по 16-нанометрова технология. В нея са събрани двуядрен процесор Arm Cortex-A53, графичен процесор Arm Mali-G31, AI ускорител и 32 MB вградена памет STT-MRAM. Двете организации го наричат първия в света 16-нанометров AI чип с такава памет.
Обичайният AI чип в устройство работи с външна памет. При включване системата инициализира DRAM, зарежда операционната система и прехвърля теглата на модела от флаш паметта, преди ускорителят да започне работа. Тук теглата и данните за стартиране на системата стоят в самия чип, затова този пренос отпада.
Резултатите се представят на 1-4 ноември на IEEE A-SSCC 2026, международната конференция за интегрални схеми в Синджу, Тайван. Част от работата е финансирана от японската агенция NEDO.
Защо MRAM: паметта, която не забравя
MRAM е енергонезависима памет - пази данните и без захранване, а в режим на изчакване губи много малко енергия. Изследователите я поставят до процесора и ускорителя, така че данните се обработват там, където стоят. Подходът се нарича изчисления близо до паметта.
Числата от съобщението на Тохоку и AISIN показват ефекта. Времето от включване до старт на ядрото на операционната система пада от 2535,3 на 65,7 милисекунди. В сравнение с обичайния вариант с външна памет самата AI обработка е 10,16 пъти по-кратка, а цялата система работи 25,2 пъти по-бързо. Разпознаването на обекти с модела Tiny YOLOv3 иска 50,7 милиджаула на кадър, една петдесета от обичайния вариант.
Ускорението идва главно от махането на преноса на данни от външната памет. Според съобщението за AI обработката помагат и техниките за по-компактни тегла, описани по-долу.
Цената: по-малко памет, малко по-ниска точност
Вградената памет е малко - 32 MB. За да побере модела, екипът е разработил смесено умножение с 8 и 16 бита. С него данните за теглата намаляват от 17,7 MB на 9,36 MB, с 53%, при запазена 16-битова точност. Отделна техника, споделянето на тегла, намалява и преноса на данни в самия чип.
Точността на разпознаването все пак пада малко: мярката mAP, която оценява колко добре моделът открива обекти, спада от 0,325 на 0,316. Компромисът е ясен: малко по-ниска точност срещу памет, която се побира в самия чип.
Важно е и какъв модел се побира. Tiny YOLOv3 е компактен модел за разпознаване на обекти в изображения, а не голям езиков модел. Чипът е за камери, сензори и машини, които трябва да виждат и реагират на място.
Какво значи MRAM чипът за автомобилите и роботите
AISIN доставя части за Toyota, която е основен акционер в компанията. Според The Register компанията смята, че автомобилите все повече разчитат на разпознаване на изображения, а роботиката и т.нар. „физически AI" ще имат нужда от части, близки до автомобилните. Външната памет освен това е скъпа в момента - в по-ранна наша новина описахме прогнозата на SK Hynix, че недостигът на памет ще продължи до 2030 г.
Пътят до тук е постепенен. През октомври 2024 г. NEDO, Тохоку и AISIN съобщиха, че енергийната ефективност е над 10 пъти по-висока от тази на обичаен чип, но само в симулация. През юли 2025 г. показаха демонстрационния чип със същото време за старт от 65,7 милисекунди и над 50 пъти по-висока енергийна ефективност до първата AI обработка. Сега идват подробните резултати за самата AI обработка: 10,16 пъти по-кратко време и 50,7 милиджаула на кадър.
Между съобщението за симулацията и това за работещия чип минаха около девет месеца, но срок за продукт все още няма. The Register отбелязва, че AISIN не е казала дали и кога чипът ще влезе в производство.
Заключение
Чипът на AISIN и Тохоку показва, че за AI в устройствата бързината често зависи от това къде стоят данните. Дали MRAM ще стигне до автомобилите, ще реши производството, не демонстрацията.
Искате да започнете с AI от нулата? Безплатният курс „Основи на AI“ е 17 видео урока, около 35 минути, със сертификат: Започнете безплатния курс по AI
Помагаме на български производители и технологични екипи да преценят кога AI трябва да работи в самото устройство и кога в облака - от избора на хардуер до изпитването на модела. Услугите ни покриват одит, оценка на готовност, обучение на екипи и имплементация на специализирани AI автоматизации за всяка организация. Препоръчваме консултация, когато продуктът трябва да разпознава образи на място, без връзка и с ограничено захранване. [Свържете се с нас за консултация: academy@razvivai.se]
Източници
STT-MRAM 16nm AI SoC, съобщение на японски - Тохоку и AISIN, ноември 2026
Toyota shows off SoC that stores model weights and its OS on integrated memory - The Register, ноември 2026
CMOS/spintronics AI semiconductor, MRAM demo chip - EE Times Japan, юли 2025
MRAM edge AI semiconductor, simulation results - NEDO, Тохоку и AISIN, октомври 2024
A-SSCC 2026 - IEEE Asian Solid-State Circuits Conference, ноември 2026
Този текст е създаден в съавторство с AI и е редактиран от екипа на РазвивAI се. Илюстрацията към публикацията е генерирана с AI.
Коментари