存内 AI 计算企业 TetraMem 完成 22nm SoC 验证，瞄准低功耗低延迟应用

新一代存内计算SoC通过验证，模拟计算迈入商业化

TetraMem此次完成的22nm SoC验证，标志着依托新型非易失性存储技术打造的模拟计算架构正式向商业化落地迈出关键一步。该架构将存储与计算融为一体，能从根本上应对当前AI系统日益凸显的数据传输、功耗和散热受限等挑战，为端侧设备的高效AI处理提供了全新路径。这一成果不仅验证了技术的可行性，也为后续芯片的量产铺平了道路。

从CPU到存内算力：打破“存储墙”的能效革命

传统CPU在AI时代正暴露出根本性短板：数据在存储与计算单元之间的频繁搬运造成了巨大的延迟和功耗，形成所谓的“存储墙”。存内计算架构则彻底改变了这一局面——它将计算逻辑直接嵌入存储单元，避免了数据搬运带来的能量和时间损耗，从而在相同的功耗预算下实现更高的计算效率。TetraMem的模拟存内计算技术，正是利用新型非易失存储元件的物理特性进行模拟运算，进一步把能效比推向新高度。

MX200芯片剑指边缘推理：22nm四核高精度，不依赖先进制程

TetraMem即将推出的MX200芯片是此次验证的核心产品。该芯片专为边缘推理应用设计，具备以下关键特性：

• 22nm成熟工艺：无需依赖7nm以下先进制程，利用国内现有成熟工艺即可实现本地量产，供应链安全可控。
• 4核高精度存内计算：在端侧设备上提供更高AI算力的同时，维持极低的功耗和散热需求。
• 3D存内计算架构：通过三维堆叠进一步提升算力上限，为未来更复杂的边缘AI模型提供扩展空间。
  这一设计路径意味着MX200能够在性能、功耗和成本之间取得精准平衡，尤其适合对实时性和续航有严苛要求的物联网、可穿戴设备、智能传感器等场景。

国产成熟工艺助力本地量产，打破先进制程依赖

TetraMem的22nm SoC验证另一大价值在于其可快速落地的本地化量产能力。凭借国内成熟工艺完成流片，公司无需受制于海外先进制程的产能和出口限制，大幅降低了供应链风险。同时，模拟存内计算不追求晶体管的极端微缩，而是通过架构创新换取能效，这使得在22nm节点上就能实现媲美先进制程AI芯片的推理性能，为国产芯片在AI边缘领域开辟了一条差异化竞争路径。

低功耗低延迟利器，AI边缘应用的新选择

随着AI推理日益向设备端迁移，低功耗、低延迟成为核心刚需。TetraMem的MX200芯片正是为此而生：其模拟计算方式能在微秒级内完成推理，功耗可低至毫瓦级别，且无需配备大型散热模组。未来，该芯片有望率先落地于语音唤醒、图像识别、工业缺陷检测、可穿戴健康监测等实时性要求高、电池供电受限的端侧应用，推动AI从云端走向真正的“随地智能”。