SK hynix und TetraMem präsentieren neuen KI-Chip mit integriertem Speicher
Der Halbleiterhersteller SK hynix und das Startup TetraMem haben gemeinsam ein neues System-on-Chip entwickelt, das auf Memristoren basiert und KI-Rechenoperationen direkt im Speicher durchführt, um Energieverbrauch und Datenübertragungszeiten zu reduzieren. Diese innovative Architektur, die in der Fachzeitschrift „Advanced Intelligent Systems" veröffentlicht wurde, markiert einen wichtigen Schritt für SK hynix hin zur neuromorphen Datenverarbeitung und wird zukünftig für die Infrastrukturen .

Kurzfassung
Warum das wichtig ist
- Der Halbleiterhersteller SK hynix und das Startup TetraMem haben gemeinsam ein neues System-on-Chip entwickelt, das auf Memristoren basiert und KI-Rechenoperationen direkt im Speicher durchführt, um Energieverbrauch und Datenübertragungszeiten zu reduzieren.
- Diese innovative Architektur, die in der Fachzeitschrift „Advanced Intelligent Systems" veröffentlicht wurde, markiert einen wichtigen Schritt für SK hynix hin zur neuromorphen Datenverarbeitung und wird zukünftig für die Infrastrukturen .
- In klassischen Prozessorarchitekturen verursachen die stndigen Datenbertragungen zwischen Speicher und Recheneinheiten hohe Latenzen und Energieverschwendung.
SvyTech-Check
Redaktionelle Einordnung
Kernpunkt
Der Halbleiterhersteller SK hynix und das Startup TetraMem haben gemeinsam ein neues System-on-Chip entwickelt, das auf Memristoren basiert und KI-Rechenoperationen direkt im Speicher durchführt, um...
Warum relevant
Diese innovative Architektur, die in der Fachzeitschrift „Advanced Intelligent Systems" veröffentlicht wurde, markiert einen wichtigen Schritt für SK hynix hin zur neuromorphen Datenverarbeitung und wird...
Einordnung
SvyTech ordnet die Meldung aus interestingengineering.com als Teil des Themenfelds Technologie ein und verweist auf den Originalartikel, damit Leser Fakten, Quelle und Kontext nachvollziehen koennen.
Um dieses Problem zu lsen, haben der Halbleiterhersteller SK hynix und das Startup TetraMem einen neuen Chip fr die analoge In-Memory-Berechnung (A-IMC) entwickelt, der Daten direkt im Speicher verarbeitet. ra der Berechnung direkt im Speicher Das entwickelte System-on-Chip (SoC) bernimmt im Gegensatz zu herkmmlichen Architekturen nicht nur die Datenspeicherung, sondern auch die Rechenlast.
Diese auf Memristoren basierende neue Architektur fhrt tiefe Faltungsoperationen (depthwise convolution) ein kritischer Schritt fr KI-Inferenzmodelle direkt in den Speicherzellen aus. Dadurch entfllt die Notwendigkeit, Daten zwischen Prozessor und Speicher mehrfach hin und her zu bertragen.
Integration Rahmen dieses gemeinsam geführten Projekts wurden TetraMem's Plattform für analoge in-memory-Berechnungen mit den fortschrittlichen Speichertechnologien Generationen, Schaltungsentwürfe, Architekturen für künstliche Intelligenz und Systemsoftware wurden auf einer einzigen Halbleiterplattform integriert.
Diese Integration stellt nicht nur ein theoretisches Konzept dar, sondern liefert ein kommerzialisierbares und umsetzbares Chipdesign.
Quellenprofil
Quelle und redaktionelle Angaben
- Quelle
- interestingengineering.com
- Canonical
- https://svytech.de/artikel/sk-hynix-und-tetramem-prasentieren-neuen-ki-chip-mit-integriertem-speicher
- Quell-URL
- https://interestingengineering.com/innovation/sk-hynix-tetramem-analog-in-memory-computing-chip
Aehnliche Inhalte
Verwandte Themen und interne Verlinkung
Weitere Artikel aus aehnlichen Themenfeldern, damit Leser direkt im selben Kontext weiterlesen koennen.

Alibaba veröffentlicht das Open-Source-KI-Modell Qwen 3.8 mit 27 Milliarden Parametern
Alibaba Cloud hat das kommerziell nutzbare Open-Source-Modell Qwen 3.8 27B mit 27 Milliarden Parametern unter der Apache 2.0-Lizenz auf Hugging Face veröffentlicht, das dank einer hybriden Architektur und eines erweiterbaren Kontextfensters Tokens sowohl für lokale Installationen als auch für API-Anfragen verfügbar ist. Während der Hersteller behauptet, dass das Modell in Programmieraufgaben und der Analyse visueller Dokumente Leistungen übertrifft, weisen unabhängige Beobachter darauf hin, dass die veröffentlichten Benchmarks noch keiner externen Validierung unterzogen wurden und die standardmäßige höchste Denkebene bei einfachen Aufgaben zu unnötig langen Verarbeitungszeiten führt.


