ReRAM与FD-SOI“强强联合”：Weebit Nano谈从嵌入式存储到存内计算

9月20日，在第十一届上海FD-SOI论坛现场。Weebit Nano首席执行官Coby Hanoch通过线上演讲方式，发表了题为《面向高能效FD-SOI的ReRAM技术：从嵌入式存储到边缘AI与存内计算》的演讲，系统介绍了ReRAM的技术优势、量产进展，以及其与FD-SOI在边缘AI和存内计算中的协同潜力。


Coby Hanoch在演讲中介绍，Weebit ReRAM基于氧空位细丝（OxRAM）的1T1R单元，通过施加不同电压形成或溶解导电细丝。其低读取电压<1V、低写入电压<3V、无需擦除、零待机功耗。相比嵌入式闪存，ReRAM具备多重优势：制造上，晶圆成本低3—4倍，仅需2个掩模加法器（对比约10个），周期更短；性能上，编程速度快10—100倍，耐久性提升>10倍，能效提升约100倍；可扩展性上，可延伸至28nm以下，已验证22nm，采用BEOL集成，与模拟和功率器件零干扰；可靠性上，支持150°C，抗辐射能力约为闪存的350倍，并耐受EMI。


他分享的市场预测显示，嵌入式新兴NVM市场将从2025年的3亿美元增长至2031年的41亿美元，总CAGR约56%，其中ReRAM CAGR约69%。Weebit ReRAM已在130nm至22nm、85°C至150°C、JEDEC至AEC-Q100、10K至100K耐久 cycles范围内通过验证，22nm FDSOI平台已完成Mini-Qual。



Coby Hanoch指出，智能正向数十亿边缘设备迁移，AI模型更大更复杂，参数和数据更多，需要本地存储和持续学习。这带来三大挑战：更多片上内存容量、数据搬运功耗和延迟、有限能量预算。ReRAM提供密集、低功耗的非易失存储，靠近计算引擎，减少数据移动，实现高效响应边缘AI。

他进一步展示了AI架构的演进路径：从传统方案（外部NVM）到近内存计算、存内计算（IMC），再到神经形态计算。ReRAM在IMC中可利用欧姆定律完成乘法（电导×电压=电流），利用基尔霍夫定律在列上完成累加，从而在存储阵列内直接执行矩阵向量计算，彻底消除数据搬运，实现超低功耗和模拟计算。他引用数据称，神经形态计算有望带来三个数量级（1000倍）的能效提升。

与FD-SOI互补：体偏置释放协同价值

Coby Hanoch强调，ReRAM与FD-SOI是“互补设计，强强联合”。FD-SOI具备低功耗、性能/功率优化、集成灵活性和边缘应用生态；ReRAM则提供低功耗非易失存储、简单BEOL集成、小尺寸、抗辐射和IMC路径。两者结合，可打造高能效边缘AI SoC。


他特别提到FD-SOI的独立体终端可动态偏置ReRAM选择器件和外围电路，无需工艺改变。正向体偏置（FBB）增强ReRAM选择管的编程电流传输能力；反向体偏置（RBB）降低编程和读取时的漏电，减少应力和模拟角落/温度引起的波动。这种灵活的体偏置优化，使ReRAM-on-FD-SOI在编程电流、漏电、可靠性和模拟鲁棒性之间取得平衡。

应用层面，ReRAM+FD-SOI覆盖蜂窝、汽车、IoT、可穿戴、助听器、医疗、航空航天与国防等广泛领域。Coby Hanoch最后总结，ReRAM桥接了当今嵌入式存储需求与未来计算架构，与FD-SOI完美对齐，为下一代高能效智能SoC提供了关键存储与计算基础。