东北大学与爱信开发32MB STT-MRAM AI SoC，OS启动仅65.7毫秒

要点：

东北大学与爱信开发出采用16nm工艺、集成32MB嵌入式STT-MRAM的AI SoC
将OS与AI模型存入芯片内部，通电后65.7毫秒即可启动OS
Tiny YOLOv3的AI处理速度提升约10倍，能耗降至传统方案的1/50

东北大学与爱信11月2日宣布，双方已开发出一款采用16nm FinFET工艺、集成32MB嵌入式STT-MRAM的AI SoC。该成果由东北大学国际集成电子学研究开发中心（CIES）中心主任远藤哲郎教授、副主任池田正二教授、李奕副教授、学术研究院安平光雄，以及爱信的成瀬峰信、山田洋等人共同完成，详细成果定于11月1日至4日在台湾新竹市举行的国际半导体集成电路技术会议“IEEE Asian Solid-State Circuits Conference（A-SSCC）2026”上发表。

该系统将OS启动数据与AI模型权重存入非易失性存储器STT-MRAM，从而构建出无需DRAM、SSD等外部存储器的AI处理系统。

从通电到OS启动的时间由传统方式的2535.3毫秒缩短至65.7毫秒；物体检测等AI处理时间也从594.6毫秒缩短至58.5毫秒，整个系统实现了25.2倍的加速。

减少与外部存储器的数据搬运

边缘AI需要在有限的电力与算力条件下高速完成AI处理。传统AI SoC在通电后须先初始化DRAM，再把OS和AI模型权重数据从SSD等存储设备搬移到DRAM中，这种数据搬运正是拉长系统启动时间、拉低能效的主要原因。

同时，随着AI模型不断增大，在处理器与外部存储器之间流动的数据量也持续增加；芯片内部易失性存储器在待机时产生的漏电同样是一大课题。

此次开发的AI SoC采用“近存计算（Near-Memory Computing，NMC）”架构，将断电后仍能保持数据的STT-MRAM布置在处理器和AI加速器附近，并把OS启动数据与AI模型权重收进32MB的片上STT-MRAM，从而减少启动时的DRAM初始化以及来自外部存储器的数据搬运。

集成Arm CPU、GPU与AI加速器

新芯片采用16nm FinFET工艺，集成Arm Cortex-A53双核CPU、Arm Mali-G31 GPU、AI加速器以及32MB片上STT-MRAM等。STT-MRAM同时充当两类存储器：存放AI模型权重的权重存储器和启动OS的启动存储器。

传统方案在通电后必须初始化DRAM，并将bootloader和AI模型从SSD搬移至DRAM；新SoC则直接从STT-MRAM读取OS与AI模型，使从通电到OS启动的时间缩短为原来的1/38.59。

Tiny YOLOv3权重数据量削减53%

AI加速器上实现了用于检测物体类别与位置的AI模型Tiny YOLOv3。为高效利用有限的片上存储器，团队开发出融合8位与16位运算的混合乘法架构，组合16×16位、16×8位、8×8位乘法，在保持16位精度的同时，把AI模型权重数据量从17.7MB压缩至9.36MB，减少53%；表征物体检测精度的mAP仅由0.325降至0.316。

此外，该芯片还采用权重共享技术：在一个4×4的tile内，让同一卷积核的权重在多个时钟周期内重复使用，从而降低数据传输量与本地存储器带宽占用。