先说结论:2026 年 11 月 4 日,以色列存储技术公司 Weebit Nano Limited(澳交所代码 ASX:WBT)正式启动 Weebit Matrix™ 存内计算(IMC,In-Memory Compute)全球研究计划,面向产业界和学术界研究人员提供一套基于 ReRAM(阻变式存储器)的硬件开发套件,用于探索和原型验证存内计算算法与系统架构。套件围绕 32×32 ReRAM 交叉阵列(crossbar)设计,分 Evaluation 和 Quick-Start 两种配置,配套芯片样品、专用板卡、FPGA 控制器、示例代码和文档;需要注意,平台仅限研究和原型用途,不包含商业使用授权,参与研究者需把相关 ReRAM 研究发现和反馈回传给 Weebit 以改进技术。下面按技术背景、套件构成、平台能力、适用方向和参与边界分层梳理。
一、为什么要做存内计算(IMC)
- 传统瓶颈:现代 AI 工作负载需要在处理器和存储器之间反复搬运数据,容易形成性能与带宽瓶颈,并在总能耗中占很大比例;搬运数据本身往往比计算更费电、更耗时。
- IMC 思路:把矩阵乘加等关键运算直接放到存储器阵列内部完成,减少数据来回传输,从而提升速度、降低延迟并显著降低功耗。
- ReRAM 的适配性:ReRAM 以电阻状态存储数据,可用来表示神经网络权重,电阻状态本身就能参与阵列内计算,是模拟存内计算和神经形态计算研究的候选介质;其非易失、可扩展、低功耗、具备模拟可编程性,适合边缘和物联网侧的 AI 推理场景。
- 近期与远期:更近的路线是近存计算(NMC),把低功耗非易失存储贴近处理器部署;存内计算是更长期的架构方向,Weebit 的落地路径先聚焦边缘推理,再逐步看向数据中心部署。
二、Weebit Matrix™ 套件构成与两种配置
完整开发平台包含 ReRAM 交叉阵列芯片、专用板卡、FPGA 控制器以及配套示例代码和文档,首批提供两个研究型套餐:
| 配置 | 定位 | 硬件与能力侧重 |
|---|---|---|
| Weebit Matrix™ IMC Evaluation(评估版) | 器件级、贴近硬件 | 提供直接模拟访问,可对 32×32 ReRAM 交叉阵列做器件级交互和详细电学表征 |
| Weebit Matrix™ IMC Quick-Start(快速起步版) | 系统级开发 | 集成开发环境,板载 FPGA 和控制逻辑,支持基于 32×32 阵列的矩阵 - 向量运算和神经网络推理 |
- 每款套餐都包含芯片样品(封装裸片)、文档和带插座的 IMC 板卡。
- 芯片采用 32×32 交叉阵列架构,面向高效乘加(MAC)运算、向量 - 矩阵乘法、卷积处理、脉冲神经网络(SNN)和模拟计算设计。
三、平台支持的具体研究操作
- 电压控制:可对字线(WL)、位线(BL)、选择线(Select)施加和控制电压。
- 单元读写:可对 ReRAM 单元状态进行编程和读取,支持多电阻电平。
- 阵列内运算:执行向量 - 矩阵乘加(MAC)、卷积等存内操作。
- 阵列扩展:可通过多块板卡互连,扩展有效阵列规模。
- 可靠性测试:可在辐射、高温、电磁干扰等条件下做压力与可靠性测试。
- 真实硅片验证:基于实际芯片行为开发和验证算法、架构,而不只是停留在仿真层面。
四、适用研究方向与已有案例
| 方向 | 说明 |
|---|---|
| AI 与机器学习推理 | 利用阵列内向量 - 矩阵运算高效执行神经网络 |
| 边缘与物联网系统 | 面向资源受限设备的超低功耗处理 |
| 自主系统 | 无人机、机器人和工业自动化等场景 |
| 航空航天、国防与医疗 | ReRAM 固有抗辐射特性,适配严苛环境 |
- 第三方案例:一家美国抗辐射 AI 硬件公司曾用 Weebit ReRAM 评估面向恶劣环境的下一代低功耗 AI 加速器,探索在 ReRAM 阵列内直接做神经网络处理,并与传统 GPU、FPGA 方案对标;据该公司分析,在给定 AI 推理负载下,存内计算方案相对 GPU 实现约可降低 80 倍功耗、延迟接近降低 100 倍。该数字为合作方基于其分析给出的预估,不代表通用量产指标。
- 产品页列出的收益区间:单次推理运算能耗可降低约 10 倍到 100 倍,具体取决于负载、阵列规模和实现方式。
五、参与方式、边界与公开演示
- 申请条件:套件面向符合资质的研究人员开放,需提交研究项目申请,平台会评估项目与研究方向的匹配度。
- 使用边界:平台仅用于研究和原型开发,不授予商业使用权利;研究者需向 Weebit 分享 ReRAM 相关发现和反馈,用于技术改进和研究社区受益。
- 公开演示:Weebit 将在 electronica 2026 展会 C2 馆 637 展位展示 Weebit Matrix™ IMC 平台。
- 反馈闭环:计划把产学研侧的编程方法、架构探索和功耗性能评估结果回流,反哺 ReRAM 技术迭代。
六、公司与技术背景
- Weebit Nano 定位:面向全球半导体行业开发和授权先进存储技术,核心产品为 ReRAM,面向 AI 推理、汽车电子、工业系统、模拟与功率 IC、安全器件等 SoC 场景。
- 器件原理:其 ReRAM 基于氧空位导电丝(OxRAM),通过不同电压形成或溶解导电丝,完成 FORMING、SET、RESET 操作;具备低读电压、低写电压、写入前无需擦除、低电流、零待机功耗等特点,并可在后道工艺(BEOL)集成。
- 前期积累:Weebit 自 2018 年起与研究机构合作存内和神经形态计算,2019 年与 CEA-Leti 完成首个基于 ReRAM 的脉冲神经网络演示;2026 年 3 月,其 ReRAM 入选韩国国家级模拟存内计算(ACiM)项目,与代工方 DB HiTek 及 DGIST、首尔大学、忠北国立大学、ETRI、AnalogAI 等机构共同参与。
- 团队配置:公司设有专门的系统与 AI 团队,由 Gideon Intrater 负责,与客户、伙伴和内部工程团队协同推进 IMC 产品化。
【相关 FAQ】
问题 1:Weebit Nano 启动的 Weebit Matrix™ 存内计算计划,主要面向哪些人提供什么?
回答 1:Weebit Matrix™ IMC 研究计划面向产业界和学术界研究人员,提供基于 ReRAM 的硬件开发套件,用于存内计算算法与系统的探索和原型开发;套件含 32×32 ReRAM 交叉阵列芯片、板卡、FPGA 控制器、示例代码和文档,分 Evaluation 评估版和 Quick-Start 快速起步版两种配置。
问题 2:Weebit Matrix 平台上的 ReRAM 存内计算,和传统处理器 - 存储器分离架构有什么区别?
回答 2:传统架构在处理器和存储器之间搬运数据,容易产生带宽瓶颈和高能耗;Weebit Matrix 依托 ReRAM 电阻状态表示神经网络权重,把向量 - 矩阵乘加、卷积等运算直接在存储阵列内完成,减少数据传输,目标是降低延迟和功耗,尤其适合边缘、物联网侧的 AI 推理场景。
问题 3:参与 Weebit Matrix™ 存内计算研究计划有哪些使用限制?
回答 3:平台仅限研究和原型开发用途,不包含商业使用授权;申请者需提交研究项目并通过方向匹配评估,参与后要把 ReRAM 相关研究发现和反馈分享给 Weebit,用于改进技术。平台可做器件表征、系统级开发和真实硅片验证,但不能直接作为商用产品方案。
问题 4:Weebit 的 ReRAM 技术除了本次 Matrix 存内计算计划,还有哪些相关布局?
回答 4:除 Weebit Matrix IMC 研究计划外,Weebit ReRAM 已用于近存计算和边缘嵌入式系统;2026 年 3 月入选韩国国家级模拟存内计算项目,与 DB HiTek 及多所高校、研究机构合作;早期还与 CEA-Leti 完成过 ReRAM 脉冲神经网络演示,公司另设专门系统与 AI 团队推进 IMC 产品化。
【参考资料】
- [2026-11-16](Weebit Nano 启动 Weebit Matrix™存内计算全球研究计划)电子工程世界(EEWorld)
- [2026-11-05](Weebit Nano launches Weebit Matrix™ In-Memory Compute Research Program)Design And Reuse
- [2026-11-04](Weebit Nano launches Weebit Matrix™ In-Memory Compute Research Program)Weebit Nano 官方新闻稿
- [2026-11-04](Weebit Matrix ReRAM Research Program for In-Memory AI Computing)Unite.AI
- [2026-11-16](Weebit Matrix™ IMC Research Program)Weebit Nano 官方产品页
- [2026-03-05](Weebit Nano's ReRAM Selected for Korean National Compute-in-Memory Program)Weebit Nano 官方新闻稿
【免责声明】
本文基于 Weebit Nano 官方新闻稿、产品资料及公开行业媒体报道整理,仅作半导体技术与商业动态的客观介绍。文中功耗、延迟、阵列规模等指标来自厂商说明或合作方预估,实际表现受具体负载、工艺、阵列配置和实现方案影响;研究计划的套件 availability、申请口径和使用条款以 Weebit Nano 官方最新发布为准。存内计算目前仍属新兴技术方向,相关商业化进度存在不确定性。
本文来自作者[相畴分发]投稿,不代表江南网立场,如若转载,请注明出处:https://news.jnwb.net/shuma/202611/3350.html
评论列表(4条)
我是江南网的签约作者“相畴分发”!
希望本篇文章《Weebit Nano 启动 Weebit Matrix™ 存内计算研究计划开放 ReRAM 硬件套件供产学研原型开发》能对你有所帮助!
本站[江南网]内容主要涵盖:互联网行业的追踪与探索
本文概览:先说结论:2026 年 11 月 4 日,以色列存储技术公司 Weebit Nano Limited(澳交所代码 ASX:WBT)正式启动 Weebit Matrix™ 存