技术应用

边缘AI未来十年决胜于内存|意法半导体深度解读存算架构变革

发布时间:2026-09-08 00:00:00 来源:转载 责任编辑:lijiahuan

【导读】云端AI时代已然落幕,边缘AI凭借低延时、高隐私、低成本的核心优势,成为人工智能落地实体设备、融入工业与生活场景的核心趋势。当下边缘AI的发展瓶颈,早已不再是模型训练能力,而是设备实时推理的硬件适配问题。本文结合意法半导体资深技术专家深度访谈,拆解边缘AI从云端走向终端的产业底层逻辑,详解芯片内存架构从传统冯·诺依曼架构到存内计算的迭代路径,分享意法半导体在存内计算领域的十年技术沉淀与量产落地成果,并剖析物理AI、嵌入式AI及机器人产业的共性技术难题,揭秘前沿硬件架构从实验室技术走向商业化量产的完整落地路径。


本文与 ST专家Giuseppe Desoli 探讨了以内存为中心的芯片设计、存内计算,以及在人工智能真正融入微控制器、传感器或机器人灵巧手之前,芯片硬件层面需要做出哪些方面的改变。


图片5.png


Giuseppe Desoli博士


意法半导体公司院士、首席创新官,系统研究与应用事业部总经理兼部门副总裁


AI曾经是运行在云端的。为什么它必须走向边缘端?


Giuseppe Desoli博士:因为产业经济逻辑已经发生改变。多年来,AI 最大的难点在于模型训练。虽然训练成本高昂,但是模型训练仅需要在数据中心训练一次,训练好后的模型是可以多次反复使用的。


当下的形势已然不同。我们正看到系统需要连续推理并且需要持续感知并反应的物理实体系统。在这两类场景下,主要的消耗不再是模型训练,而是推理决策,即 AI 实际做出决策的时刻,推理运算发生在数据被创建的时候。


在看到这一点后,边缘 AI 的现实价值就不言而喻。那些需要毫秒级响应的设备根本无法等到数据往返于云端和本地。家庭内部设备也不应该需要把视频数据向外传输到云端。并且,如果传感器数量达到成百上亿个,并让每个传感器都依赖远程计算,那么推理成本将高得令人难以承受。


因此,延时、隐私和成本三大因素全都指向同一个方向:人工智能必须发生在数据产生时,靠近执行器,并贴近现实世界环境。


您将这一重要趋势概括为“从存储向计算转移”。落实到工程实践层面,这该如何理解?


Giuseppe Desoli博士:在神经网络当中,数据搬运所消耗的能耗,往往远高于运算本身。因此,真正的设计考量,不只是计算单元的算力有多强,而是数据需要移动多远的距离。


我们可以将这一转变概括为四个阶段。首先是经典的冯·诺依曼架构,处理器与存储器分开独立存在,数据在两者之间来回传输。第二阶段是近存储计算:将内存与处理单元集成到同一颗芯片上。该方案能够减少数据搬运,同时提升带宽。第三阶段是基于 SRAM 的存内计算。在该架构下,核心数学运算直接在存储阵列内部完成。第四阶段是非易失性存内计算。在此架构内,同一个高密度存储器阵列既用于存储模型参数,又用于执行计算,无需移动模型中的权重数据。


这才是真正的变革。内存不仅是存放数据的容器,本身也是计算单元的一部分。该理念正是我们架构选型的核心。存内计算的测试芯片至关重要,仅靠仿真模拟是远远不够的。一套架构只有真正直面硅片现实层面的各类问题,才算真正落地;这些现实问题包括器件工艺偏差、特性漂移、制造良率,以及编译器配套支持。


意法半导体如今在存内计算研究项目的进展如何?


Giuseppe Desoli博士:我们已经完成存内计算的流片验证,并且开展相关工作已经很多年。在ISSCC 2023(第70届IEEE国际固态电路会议) 上我们展示了一种基于18nm FD SOI的全数据存内计算加速器方案。在 4 比特精度下,该样片的能达到40310 TOPS/W的计算效率。最重要的并不是这个性能数字,而是隐藏在数字背后的工程能力。


首先,该设计采用多瓦片架构,这意味着其高能效并不局限于单个实验室模块,而是扩展到尺寸更大的、更具备实用价值的加速器。其次,这是数字架构。它可以输出准确、可复现的运算结果,并且能够走标准化芯片设计、测试以及产品开发流程,这一点也使该样片适合实际芯片制造。


这一成果并非一蹴而就,是多年技术积累的结果。最早可以追溯到2017年流片验证的早期硅样片,之后完成平台与软件工具链开发,让架构具备可编程的能力。这条技术路线最终催生了 NeuralART 系列 NPU 加速器,其中第一代就搭载在意法半导体首款内置硬件 AI 加速器的 STM32微控制器STM32N6 上。


在ST,存内计算的前沿研究与产品规划并非相互脱节,而是持续近十年的长期研发项目。


物理 AI,嵌入式AI,机器人产业,面临不同的问题还是同一问题?


Giuseppe Desoli博士:它们彼此高度相关,但是因为时机至关重要,挑战变得更难。物理 AI 系统必须实时持续感知,理解、决策、行动。要想在一个瞬息万变、不可预测的环境内正常完成这个闭环,必须依靠高速本地推理,不能过度依赖数据发到云端,然后等待云端应答。


这个改变也是边缘计算可以做到的。这类系统需要在设备端感知场景,融合不同传感器的数据,保护数据隐私,并且必要时,支持类似生物反射一般的瞬时响应。


这也是机器人技术正在发生变革的原因之一。早期机器人系统往往依靠精心编写的规则执行特定的任务,基于规则的解决方案在可控环境中效果良好,但在情况瞬息万变的现实世界中,表现就会大打折扣并且差强人意。


因此,可以取而代之的是一种集成度更高的一体化方法,用一个模型将感知、推理和控制三个环节更直接地连接起来,使机器能够更轻松地处理新对象和不熟悉的任务。


同时,模型本身也在持续演进,正朝着产生平顺性和连续性更好的运动轨迹的方向发展。这对于实体设备而言是利好,因为电机与执行机构需要平滑、高频更新的控制信号才能良好工作。


加上人工智能模型的需求与边缘设备的能力之间的差距正在不断缩小,这意味着边缘AI已经貌似一个现实可行的设计目标,而不再是遥不可及的构想。


这正是以内存为核心的架构设计发挥关键作用之处。这类系统必须持续感知不断变化的外部环境,同时实时决策。因此,场景感知能力是不能后期打补丁,而是从设计之初就走好存算协同之路。


探索性前沿架构如何转化为客户可采购的量产产品?


Giuseppe Desoli博士:主要是通过工具完成产品转化。新硬件如果不能被开发者实际使用,则算不上产品。因此,每一代加速器也都有配套的适配通用开发流程的编译器和量化工具。


其中就包括ST Edge AI边缘 AI 工具和STM32 AI 生态。开发者从标准学习框架导出训练好的神经网络模型,再将其导入ST Edge AI边缘 AI工具内,转换为可在目标设备运行的代码。


我们大量对外发表的研究成果,恰恰集中在这一关注度低却不可或缺的层面:将神经网络映射到硬件模块,并探索模型层与层之间的编译优化。


部分研发工作是采取产学研开放式协作模式。我们与多所高校、苏黎世 IBM 研究院保持长期合作关系,最近我们还与新加坡国立大学建立了一个企业联合实验室。


以内存为中心的计算技术覆盖面广泛,意义重大,仅一家企单独行动是无法搞定的。对于决定今后十年发展方向的课题,目前在各类学术会议上仍存争议,尚无定论。


结论


未来十年边缘 AI 的竞争核心不再是算力堆砌,而是**内存架构革新**。产业重心已由云端训练转向边缘实时推理,延迟、隐私与规模化成本,正推动 AI 算力全面下沉至终端场景。传统冯・诺依曼架构因数据搬运开销大、响应慢,难以满足物理 AI、机器人、智能传感的实时闭环需求。行业演进明确指向**存算一体化架构**,通过存储与计算融合,从硬件底层提升推理效率、降低能耗,支撑终端高频、平滑的感知与控制能力。


存内计算的商业化落地,依赖长期工艺迭代、硬件验证、软件工具链与生态协同。意法半导体凭借多年技术积累与产学研合作,完成了前沿架构从研发到量产的完整落地。整体来看,存算一体将成为驱动边缘 AI、嵌入式与机器人产业升级的核心抓手,未来行业迭代与市场竞争将围绕**内存架构优化、软硬件协同、开放生态共建**持续展开。


gg_20260512171736_266_20260622170931_179_20260707113844_971_20260708172203_213_20260710172006_775.png


为您推荐

CRA 合规驱动嵌入式安全升级|意法半导体落地 Security by Design 筑牢芯片信任根基 技术应用

CRA 合规驱动嵌入式安全升级|意法半导体落地 Security by Design 筑牢芯片信任根基

随着互联设备普及与欧盟《网络弹性法案》(CRA)落地,嵌入式产品安全已经从附加功能变成硬性要求。意法半导体 MDRF 安全平台总监 Jacques Fournier 分享 ST“安全始于设计(Security by Design)” 战略:把安全前置到产品定义阶段,依托 IDM 垂直整合能力,打通软硬件安全、密码技术、漏洞评估全链条;同时提前布局后量子密码 PQC,正视 AI 带来的攻防双面变化,通过跨部门安全协作机制,把安全能力转化为客户产品的信任基石。

ST(意法半导体)

意法半导体自控式瞬态电压抑制器,以超小占板面积提供卓越保护 业界新闻

意法半导体自控式瞬态电压抑制器,以超小占板面积提供卓越保护

空间受限的消费、工业、医疗、智能家居设备对板级 ESD 与浪涌防护提出严苛要求。意法半导体全新推出自控式 TVS 器件 TVS221SC-1T2,采用 0402(1006)SOD882 封装,相比传统 TVS 面积缩减超 60%;依托内部电压控制环路,在 16A 浪涌、125℃工况下稳定维持 26.2V 钳位电压,±8kV 接触 /±30kV 空气 ESD 满足高等级 EMC 标准。器件具备 25nA 低漏电流、75nF 电容,适合 USB Type‑C VBUS、I/O 口保护,现已量产。

医疗穿戴 智能家居 电路保护 互联技术 电容 ST(意法半导体)

IC China 2026|长鑫车规内存亮相,LPDDR5X 双封装方案落地,加速 LPDDR6 车载导入 业界新闻

IC China 2026|长鑫车规内存亮相,LPDDR5X 双封装方案落地,加速 LPDDR6 车载导入

IC China 2026 期间,长鑫科技展出车规级 LPDDR5X 内存方案,配套 315 焊球、441 焊球两种封装形态,适配不同车载域控带宽与集成需求。产品已拿下 AEC-Q100 Grade 2、ISO 26262 ASIL D 功能安全认证;公司同时推进 LPDDR6 向车载场景拓展,瞄准高阶智驾、AI 座舱带来的车载 DRAM 增量需求,打造国产智能汽车存储底座。

汽车电子 EMC安规 内存

长鑫科技:算力超级周期进入分层时代,三大场景内存产品集中展出 业界新闻

长鑫科技:算力超级周期进入分层时代,三大场景内存产品集中展出

在 IC China 2026 上,长鑫科技提出算力超级周期迈入分层时代的判断,并集中展出服务器、手机、汽车三大场景内存产品。展品覆盖 DDR5 RDIMM/MRDIMM、全球首发量产 LPDDR6、通过 ASIL D 认证的车规内存,依托 G5 第五代 DRAM 工艺平台,搭配高强度研发投入,面向智算、端侧 AI、智能汽车提供差异化存储方案,持续夯实国产 DRAM 算力底座。

汽车电子 EMC安规 内存

意法半导体 GANSPIN 家族新增 100V GaN 系列,面向人形机器人关节驱动 新品速递

意法半导体 GANSPIN 家族新增 100V GaN 系列,面向人形机器人关节驱动

慕尼黑电子展 electronica 2026 上,意法半导体推出 GANSPIN1100 系列 100V 氮化镓集成半桥功率级,包含 GANSPIN1102、GANSPIN1102E(顶部散热)、GANSPIN1105 三款型号,5mm×6.5mm LGA 封装,最高连续输出电流 60A,支持最高 5MHz 开关频率、独立栅极时序调节,集成智能直通保护、UVLO/OVLO、过温保护等全套防护。产品适配人形机器人关节、工业伺服、电动工具、无人机、电自等场景,展会上演示机械臂关节驱动方案,预计 2026 年底上市。

电路保护 互联技术 MOS管 ST(意法半导体)

特别推荐

更多

行业动态

更多

技术应用

更多

选型替代

更多

产品信息

更多

热门搜索

更多

欢迎登录

没有账号,

账号注册

注册成功!

3S后自动为你跳转登陆