LONDON (IT BOLTWISE) – TetraMem bringt resistives RAM (RRAM) als analoge In-Memory-Computing-Technologie in die kommerzielle Fertigung: Nach dem Tape-Out steht die erste Silizium-Validierung der MLX200-Plattform im 22-nm-Prozess. Für Unternehmen bedeutet das perspektivisch weniger Energieverbrauch bei KI-Workloads am Randnetz, weil Berechnungen direkt im Speicherarray stattfinden. Gleichzeitig verschiebt sich damit auch die Sicherheits- und Compliance-Landschaft: Mehr KI an Geräten erhöht die Anforderungen an Zugriffsschutz, Supply-Chain-Transparenz und sichere Updates. Die nächsten Evaluierungskits sollen ab 2026 Partnern den Einstieg in konkrete Produkte ermöglichen.
Der Durchbruch ist weniger ein „neues Feature“ als eine Änderung der grundlegenden Rechenarchitektur: Mit der ersten Silizium-Validierung eines RRAM-SoC im 22-nm-Verfahren macht TetraMem Künstliche Intelligenz (KI) dort möglich, wo sie bislang teuer und unhandlich war – am Rand des Netzes. Die MLX200-Plattform setzt auf mehrstufigen Resistiven Direktzugriffsspeicher (RRAM) und nutzt ihn für analoges In-Memory-Computing (IMC). Damit verlagert sich ein Teil der KI-Last aus dem klassischen Zusammenspiel von Speicher und Recheneinheit hin zu Speicherzellen, die Rechenoperationen direkt mit physikalischen Effekten abbilden. Für Edge-Anwendungen wie Sprach- und Audioverarbeitung ist das besonders relevant, weil Energiebudgets und Latenzfenster dort eng sind.
Technisch knüpft der Ansatz an einen seit Jahren bekannten Engpass an: Der von der Industrie häufig diskutierte „von-Neumann“-Flaschenhals entsteht, weil Daten zwischen Speicher und Recheneinheit transportiert werden müssen. Diese Bewegung kostet Zeit und Leistung, während die eigentliche Logik häufig effizient genug wäre. In der MLX200-Umsetzung versucht TetraMem genau diesen Transportanteil zu reduzieren. RRAM bleibt dabei nichtflüchtig, was besonders für „Always-on“-Szenarien nützlich ist. Bei der analogen CIM-Variante werden Vektor-Matrix-Multiplikationen weitgehend im Speicherarray angestoßen, was den digitalen Datenfluss reduziert. Entscheidend ist außerdem, dass die Architektur auf einen kommerziell nutzbaren Fertigungsprozess gehoben wird.
Die Fertigungsentscheidung ist ein Signal für die Skalierbarkeit: TetraMem lässt das Bauteil im 22-nm-Prozess von TSMC fertigen. Das ist insofern wichtig, als RRAM-Technologien in der Vergangenheit zwar in Labor- und Demonstrationsumgebungen überzeugten, die Überführung in reproduzierbare Massenfertigung jedoch oft stockte. Laut dem Stand der Validierung baut die Plattform MLX200/MLX201 auf früheren Ergebnissen auf; bereits die MX100-Plattform (65 nm) sollte Tausende Leitfähigkeitsstufen in Memristor-Bauteilen demonstriert haben. Der Schritt auf 22 nm zielt darauf ab, Betriebsspannung und Stromverbrauch spürbar zu senken – eine Voraussetzung, um aus dem Prototypenstatus in den Produktstatus zu gelangen.
Am Markt zeigt sich derweil, dass RRAM nicht nur ein Einzelfall ist, sondern sich von der Grundlagenforschung in Lizenz- und Fertigungsstrategien verlagert. Weebit Nano verfolgt dabei einen klaren Kommerzialisierungsweg über Speicher-IP-Lizenzen und hat für 2025/2026 Zielgrößen sowie die Integration in fortgeschrittenen Prozessknoten in Aussicht gestellt. Solche Lizenzmodelle sind für große Player attraktiv, weil sie das Risiko verteilen: Ein Foundry-Ökosystem kann RRAM als Option mittragen, während Tier-1-Unternehmen ihre Designzyklen über standardisierte Schnittstellen beschleunigen. Als konkrete Wettbewerbsreferenz sind Lizenzbeziehungen mit onsemi und Texas Instruments einzuordnen; sie deuten darauf hin, dass RRAM schrittweise in industrielle Fertigungs- und Systemplanungen integriert werden soll.
Auch auf Expertenebene wird der Energie-Aspekt zunehmend zur Leitplanke. Wie auf der International Electron Devices Meeting (IEDM) 2025 betont wurde, steigt mit der Skalierung moderner KI-Workloads der Anteil der thermischen und energetischen Kosten für das Verschieben von Bits – und nicht nur die „Rohleistung“ der Recheneinheiten limitiert am Ende. Für Unternehmen heißt das: Eine KI-Strategie, die ausschließlich auf größere GPU- oder Beschleunigerbudgets setzt, stößt bei Edge-Geräten schnell an Grenzen. Im Vergleich zu klassischen digitalen Acceleratoren verspricht IMC eine stärkere Effizienz pro Watt, weil das System weniger Daten hin- und her transportieren muss. Gleichzeitig sollten Verantwortliche die damit verbundenen Design- und Validierungsanforderungen ernst nehmen: Analoge Schaltungen brauchen oft präzisere Kalibrierung, Drift-Überwachung und Teststrategien.
Historisch betrachtet ist der Weg vom „experimentellen Memristor“ zur industrietauglichen CIM-Architektur lang. Vor allem die Frage, ob sich nichtflüchtige Speicherzellen zuverlässig quantisieren, ansteuern und über Lebensdauer stabil betreiben lassen, prägte viele frühere Ansätze. RRAM wird hier zum Hebel: Wenn es gelingt, die Leitfähigkeitszustände reproduzierbar zu halten, können Gewichtsmatrizen direkt als physikalische Parameter im Speicher abgebildet werden. Diese Kopplung von Speicherung und Rechnen macht die KI-Implementierung näher an den grundlegenden Gesetzen von Ohm und Kirchhoff, reduziert aber auch die Komplexität des digitalen Datenpfads. Genau diese Kopplung erklärt, warum die Validierung im 22-nm-Prozess so stark gewichtet wird.
Regulatorisch und sicherheitstechnisch verschiebt sich durch mehr KI am Gerät allerdings das Risikoprofil. Je mehr Inferenz in Wearables, Sensoren oder autonomen Systemen stattfindet, desto wichtiger werden sichere Boot-Prozesse, manipulationssichere Firmware-Updates und ein belastbarer Schutz gegen Side-Channel- und Supply-Chain-Angriffe. Zudem können KI-Modelle und Parameter (inklusive der im Speicher abgebildeten Gewichte) als potenziell sensitive Artefakte betrachtet werden. Organisationen sollten deshalb frühzeitig in Threat Modeling, Secure-Element-Strategien und Monitoring investieren, statt die Sicherheit erst im Feld zu adressieren. Im Kontext neuer Anforderungen an IT-Sicherheit gilt: Efficiency-Modernisierung muss mit Compliance-Design zusammenlaufen.
Der Zeitplan macht deutlich, wie TetraMem die Markteinführung staffelt: Evaluierungsmuster für die 22-nm-MLX200-Plattform sollen in der zweiten Jahreshälfte 2026 an Partner gehen, während erste kommerzielle Produkte mit analogen CIM-SoCs ab 2027 erwartet werden. Diese Etappe dürfte für Ökosysteme entscheidend sein, weil Toolchains, Debugging-Workflows und Performance-Kalibrierung erst in der „Pre-Production“-Phase belastbar werden. Marktforscher argumentieren zudem, dass mit weiteren Knotengrößen wie 12 nm oder perspektivisch 7 nm das Kosten-Nutzen-Verhältnis für RRAM-Integration weiter steigen kann. Für Entwickler eröffnet das Chancen: Edge-Deployments könnten effizienter werden, wenn sie speziell auf IMC-Constraints ausgelegt sind. Gleichzeitig wird der Wettbewerb zwischen RRAM-IMC, digitalen Edge-Acceleratoren und hybriden Ansätzen die Roadmaps weiter beschleunigen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "RRAM-SoCs für Edge-KI: TetraMem validiert analoge In-Memory-Computing-Chips in 22 nm" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "RRAM-SoCs für Edge-KI: TetraMem validiert analoge In-Memory-Computing-Chips in 22 nm" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »RRAM-SoCs für Edge-KI: TetraMem validiert analoge In-Memory-Computing-Chips in 22 nm« bei Google Deutschland suchen, bei Bing oder Google News!