В облаке можно решить задачу любой сложности, но в непростой дорожной обстановке надеяться лучше только на себя. Именно для таких сценариев крупнейший в мире производитель автомобильных запчастей — японская компания Aisin — совместно с исследователями Университета Тохоку (Tohoku University) разработала специализированный ускоритель искусственного интеллекта, ориентированный на распознавание изображений непосредственно в бортовом устройстве. Презентация чипа прошла 2 ноября 2026 года на конференции IEEE Asian Solid-State Circuits Conference 2026. По заявлению компании, микросхема расходует на обработку данных примерно в 50 раз меньше энергии, чем традиционная архитектура, что соответствует снижению энергопотребления примерно на 98% и ускорению обработки операций на 90%.

Архитектура: энергонезависимая память и вычисления вблизи памяти

Ключевая особенность разработки — использование энергонезависимой памяти STT-MRAM (Spin-Transfer Torque Magnetoresistive Random Access Memory), в которой информация сохраняется благодаря магнитным свойствам материала даже после отключения питания. В отличие от классической схемы с внешними накопителями и оперативной памятью DRAM, новая однокристальная система (SoC) хранит непосредственно на кристалле как веса нейросетевой модели, так и загрузочные данные операционной системы. Это позволяет отказаться от передачи больших объёмов информации из внешней памяти при включении устройства. Разработчики называют такой подход вычислениями вблизи памяти (Near-Memory Computing, NMC), поскольку он сокращает перемещение данных между вычислительными блоками и хранилищем.

Техпроцесс и компоновка: 16 нм и 32 Мбайт встроенной памяти

Примечательно, что чип не потребовал самых передовых техпроцессов: он произведён в рамках 16-нм норм производства по технологии FinFET. Встроенная магниторезистивная память STT-MRAM имеет объём 32 Мбайт. Такой выбор позволяет реализовать компактное и энергоэффективное решение для бортового применения, не привязываясь к наиболее дорогим узлам литографии, что важно для массовой автомобильной электроники.

Результаты тестов: Tiny YOLOv3 и сотни миллисекунд до первого распознавания

Для проверки возможностей микросхемы использовалась нейросеть Tiny YOLOv3, предназначенная для обнаружения объектов на изображениях. Чтобы разместить модель в ограниченном объёме встроенной памяти, инженеры применили гибридную архитектуру и совместное использование весовых коэффициентов. В результате время от подачи питания до запуска операционной системы составило 65,7 мс — в 38,59 раза меньше, чем у традиционной системы с внешней памятью. Время собственно ИИ-обработки сократилось в 10,16 раза, а общее время от включения до завершения первого распознавания — примерно в 25 раз, до 124,2 мс. Отдельно разработчики сообщают об энергозатратах на обнаружение объектов: 50,7 мДж на один кадр, что составляет примерно 1/50 от показателя сравниваемой традиционной системы.

Важные оговорки: опытный образец и неопределённый производитель

Важно подчеркнуть, что заявленные 98% относятся не к любым вычислениям искусственного интеллекта и не к энергопотреблению всех существующих процессоров, а к конкретному эксперименту с Tiny YOLOv3 и сопоставленной конфигурацией памяти. Кроме того, пока речь идёт об опытной разработке, а не о серийном процессоре: Aisin и Университет Тохоку не объявляли о сроках начала массового производства или о конкретных коммерческих устройствах, в которых будет применяться микросхема. Официальный производитель чипа также не назван; известно, что на такое производство уже способны компании TSMC и Samsung, а тайваньские источники связали разработку Aisin с TSMC.