作者：电子创新网张国斌
AI正在从云端向边缘设备快速迁移。汽车、工业、可穿戴、医疗和IoT设备都在增加本地AI能力，但边缘设备与数据中心最大的不同在于：算力和功耗都受到严格限制。
这意味着，Edge AI面临的问题已经不只是“算力够不够”，还包括一个容易被忽略的问题——数据搬运的成本越来越高。AI模型需要越来越多的参数和数据，如果这些数据不断在外部存储器、片上存储和计算单元之间移动，不仅增加延迟，也会消耗大量能量。
因此，未来边缘AI的一个重要方向，是让存储更靠近计算，甚至让存储本身参与计算。这正是ReRAM（可变电阻式存储器”--Resistive Random-Access Memory，也被称为“阻变存储器”）值得关注的原因，而且它很有可能成为FD-SOI的完美搭子！
在9月20日召开的第十一届上海FD-SOI论坛上，Weebit Nano CEO Coby Hanoch发表了《面向高效能FD-SOI的ReRAM技术:从嵌入式存储到边缘AI与内存计算》的演讲，在这个演讲中，他分析了ReRAM价值。
ReRAM首先要解决的，是嵌入式Flash的问题
ReRAM并不是新概念，其基本原理是利用阻变材料中的氧空位形成或溶解导电细丝，在高阻态和低阻态之间实现数据存储。Weebit Nano采用的就是基于氧空位导电细丝的OxRAM技术。
Coby Hanoch表示相比传统嵌入式Flash，ReRAM的优势首先体现在制造和功耗。根据Weebit Nano提供的数据，其方案采用2-mask adder，而嵌入式Flash通常需要更多额外mask；晶圆增加成本可降低约3—4倍，编程速度可以达到Flash的10—100倍，并具备低读写电压、低电流和零待机功耗等特点。其资料还显示，ReRAM已经完成10万至100万次写入循环的相关验证。
这些指标背后的意义是：ReRAM有机会在不大幅增加SoC成本和面积的情况下，为芯片增加更多低功耗非易失存储。更重要的是，它不像传统Flash那样受到存储结构对先进逻辑工艺的限制。
Coby Hanoch表示Weebit Nano目前已经展示了从130nm CMOS到22nm FDSOI等不同工艺平台的验证，其中包括22nm FDSOI上的8Mb ReRAM验证，以及面向汽车应用的AEC-Q100相关验证。 这使ReRAM具备从成熟工艺走向先进节点的潜力。
ReRAM为什么和FD-SOI特别匹配？
这里是这套方案更值得关注的地方。
Coby Hanoch表示FD-SOI本身就强调低功耗、高能效以及模拟/RF集成能力，非常适合需要长期运行、对功耗敏感的边缘设备。而FD-SOI的一个独特能力，是拥有独立的Body Terminal，可以通过Body Bias动态调整晶体管性能。
他表示当ReRAM与FD-SOI结合之后，这一能力可以进一步用于存储器。例如，Forward Body Bias可以提高ReRAM选择晶体管的编程电流传输能力；Reverse Body Bias则可以降低编程和读取过程中的漏电，同时帮助降低器件应力、改善温度和工艺变化带来的性能波动。
也就是说，FD-SOI解决的是低功耗逻辑和模拟/RF，ReRAM解决的是**低功耗非易失存储。
两者组合起来，非常适合构建低功耗Edge AI SoC。 但如果ReRAM只是替代Flash，它的故事其实还没有讲完。
真正值得关注的是：ReRAM开始“做计算”
AI计算最大的能耗之一来自数据移动。传统架构中，神经网络权重保存在存储器里，计算时再不断把数据搬到计算单元。而ReRAM有一个特殊能力：它本身就是一个可编程电阻。
在ReRAM阵列中，可以用电导代表神经网络权重，用输入电压代表输入数据。根据欧姆定律，单个单元产生的电流就对应输入与权重的乘积；再利用基尔霍夫电流定律，阵列中的电流可以完成累加。
因此，一个矩阵向量乘法可以直接在ReRAM阵列内部完成。 这就是In-Memory Computing，也就是存算一体。
传统架构是：Memory → 数据搬运 → Compute
而ReRAM IMC希望变成：Memory = Compute
对于AI来说，这个变化非常重要。因为AI的核心计算之一就是矩阵乘法，而矩阵中的权重本身就是需要存储的数据。如果能够让权重留在存储阵列中，同时直接完成计算，就可以减少大量数据搬运，从而降低功耗和延迟。
Weebit Nano因此把ReRAM的发展划分成了两个层次：今天作为Embedded NVM使用，未来进一步向Memory-Centric Computing和In-Memory Computing发展。
ReRAM的机会，不只是替代Flash
从产业趋势来看，ReRAM正在进入一个值得关注的阶段。Weebit Nano引用Yole数据预测，2025—2031年嵌入式新兴NVM市场整体晶圆需求CAGR约为56%，其中ReRAM预计达到约69%，到2031年占据约50%的市场份额。这个预测针对的是新兴嵌入式NVM市场，并不等同于整个存储市场。
但比市场数字更值得关注的，是ReRAM角色的变化。第一阶段，它解决的是“存什么”。用低功耗、高密度、非易失的ReRAM替代部分嵌入式Flash。
第二阶段，它解决的是“数据放在哪里”--让更多AI模型和参数留在芯片内部，减少对外部存储的依赖。
第三阶段，它开始解决“在哪里计算”--直接在ReRAM阵列中完成矩阵运算，让存储和计算进一步融合。
这条路线背后的逻辑其实很简单：AI越走向边缘，数据移动的成本就越不能被忽视；而存储越靠近计算，甚至直接参与计算，系统的能效就越有可能得到进一步提升。
这也是ReRAM与FD-SOI组合值得关注的真正原因。FD-SOI并不是要去挑战2nm、3nm这样的先进逻辑工艺，而是在低功耗、模拟/RF、成本和性能之间寻找另一种平衡；ReRAM则进一步补上低功耗非易失存储，并为未来存算一体提供路径。
因此，ReRAM真正可能改变的，并不只是嵌入式Flash市场。它更大的意义在于：当AI从云端走向数十亿个边缘设备之后，存储器可能不再只是保存数据的地方，而会逐渐成为计算的一部分。
从这个角度看，ReRAM连接的其实是两个时代——今天的嵌入式存储，以及明天的存算一体AI架构。
注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利
