У хмарі можна вирішити завдання будь-якої складності, але в непростій дорожній обстановці сподіватися краще лише на себе. Саме для таких сценаріїв найбільший у світі виробник автомобільних запчастин — японська компанія Aisin — спільно з дослідниками Університету Тохоку (Tohoku University) розробила спеціалізований прискорювач штучного інтелекту, орієнтований на розпізнавання зображень безпосередньо в бортовому пристрої. Презентація чипа відбулася 2 листопада 2026 року на конференції IEEE Asian Solid-State Circuits Conference 2026. За заявою компанії, мікросхема витрачає на обробку даних приблизно в 50 разів менше енергії, ніж традиційна архітектура, що відповідає зниженню енергоспоживання приблизно на 98% та прискоренню обробки операцій на 90%.
Архітектура: енергонезалежна пам'ять та обчислення поблизу пам'яті
Ключова особливість розробки — використання енергонезалежної пам'яті STT-MRAM (Spin-Transfer Torque Magnetoresistive Random Access Memory), в якій інформація зберігається завдяки магнітним властивостям матеріалу навіть після вимкнення живлення. На відміну від класичної схеми із зовнішніми накопичувачами та оперативною пам'яттю DRAM, нова однокристальна система (SoC) зберігає безпосередньо на кристалі як ваги нейромережевої моделі, так і завантажувальні дані операційної системи. Це дозволяє відмовитися від передачі великих обсягів інформації із зовнішньої пам'яті під час увімкнення пристрою. Розробники називають такий підхід обчисленнями поблизу пам'яті (Near-Memory Computing, NMC), оскільки він скорочує переміщення даних між обчислювальними блоками та сховищем.
Техпроцес і компонування: 16 нм та 32 Мбайт вбудованої пам'яті
Примітно, що чип не потребував найпередовіших техпроцесів: він вироблений у межах 16-нм норм виробництва за технологією FinFET. Вбудована магніторезистивна пам'ять STT-MRAM має об'єм 32 Мбайт. Такий вибір дозволяє реалізувати компактне та енергоефективне рішення для бортового застосування, не прив'язуючись до найдорожчих вузлів літографії, що важливо для масової автомобільної електроніки.
Результати тестів: Tiny YOLOv3 та сотні мілісекунд до першого розпізнавання
Для перевірки можливостей мікросхеми використовувалася нейромережа Tiny YOLOv3, призначена для виявлення об'єктів на зображеннях. Щоб розмістити модель в обмеженому об'ємі вбудованої пам'яті, інженери застосували гібридну архітектуру та спільне використання вагових коефіцієнтів. У результаті час від подачі живлення до запуску операційної системи склав 65,7 мс — у 38,59 раза менше, ніж у традиційної системи із зовнішньою пам'яттю. Час власне ШІ-обробки скоротився в 10,16 раза, а загальний час від увімкнення до завершення першого розпізнавання — приблизно в 25 разів, до 124,2 мс. Окремо розробники повідомляють про енерговитрати на виявлення об'єктів: 50,7 мДж на один кадр, що становить приблизно 1/50 від показника порівнюваної традиційної системи.
Важливі застереження: дослідний зразок та невизначений виробник
Важливо підкреслити, що заявлені 98% стосуються не будь-яких обчислень штучного інтелекту і не енергоспоживання всіх наявних процесорів, а конкретного експерименту з Tiny YOLOv3 та зіставленою конфігурацією пам'яті. Крім того, поки що йдеться про дослідну розробку, а не про серійний процесор: Aisin та Університет Тохоку не оголошували про терміни початку масового виробництва або про конкретні комерційні пристрої, в яких застосовуватиметься мікросхема. Офіційний виробник чипа також не названий; відомо, що на таке виробництво вже здатні компанії TSMC і Samsung, а тайванські джерела пов'язали розробку Aisin із TSMC.
