La compañía presentó la plataforma MLX200, orientada a reducir consumo energético y movimiento de datos en sistemas IA

TetraMem anunció la validación inicial de su plataforma MLX200, un sistema en chip basado en computación analógica en memoria utilizando tecnología RRAM multinivel de 22 nm. La arquitectura busca reducir consumo energético, latencia y traslado de datos en aplicaciones de inteligencia artificial.

Aspectos clave

• TetraMem validó el silicio inicial de MLX200.
• El SoC utiliza memoria RRAM multinivel de 22 nm.
• La arquitectura integra computación dentro de memoria.
• La plataforma apunta a IA en periferia e IoT.
• Las muestras estarán disponibles durante 2026.

San José, California, EE. UU., 17 de mayo de 2026.— TetraMem anunció un nuevo avance en computación analógica en memoria con la plataforma MLX200, un SoC basado en memoria resistiva RRAM multinivel de 22 nm. La solución fue diseñada para enfrentar desafíos asociados al consumo energético y traslado de datos en cargas de trabajo de las IAs modernas.

Contexto de industria

El crecimiento acelerado de la inteligencia artificial está presionando las arquitecturas tradicionales de procesamiento debido al elevado costo energético asociado al movimiento de datos entre memoria y cómputo. La computación en memoria emerge como una alternativa para aumentar eficiencia y escalabilidad en sistemas IA de próxima generación.

TetraMem apuesta por computación analógica en memoria

La plataforma MLX200 integra:

• matrices RRAM multinivel,
• motores de cómputo de señal mixta,
• y arquitectura IMC analógica.

El objetivo es realizar cálculos directamente dentro de la memoria para reducir:

• movimiento de datos,
• latencia,
• consumo energético,
• y restricciones térmicas.

Una Arquitectura que busca superar límites de IA tradicional

Según la compañía, el rendimiento IA moderno está cada vez más limitado por:

• transferencia de datos entre memoria y procesadores,
• consumo energético,
• y densidad térmica.

La computación analógica en memoria propone una arquitectura distinta:

• memoria y cómputo operan integrados dentro de la misma matriz física.

Tecnología utiliza RRAM multinivel de 22 nm

TetraMem indicó que la innovadora plataforma utiliza:

Memoria Resistiva de Acceso Aleatorio (RRAM)

fabricada sobre proceso:

• CMOS de 22 nm de TSMC.

La solución ofrece:

• compatibilidad CMOS,
• bajo voltaje,
• baja corriente,
• retención avanzada,
• resistencia operativa,
• y alta densidad multinivel.

Primeros resultados muestran funcionamiento consistente

La compañía informó que los primeros resultados en silicio evidencian:

• funcionamiento estable entre matrices,
• viabilidad para memorias embebidas,
• y aplicaciones de computación analógica en memoria.

TetraMem señaló que esto representa un avance hacia:

• comercialización de arquitecturas IMC analógicas.

Investigación previa respaldó escalamiento tecnológico

El desarrollo del chip MLX200 se basa en investigaciones anteriores realizadas sobre la plataforma MX100 fabricada sobre el anterior proceso:

• CMOS de 65 nm de TSMC.

La empresa destacó publicaciones científicas relacionadas con:

• miles de niveles de conductancia en memristores,
• y programación de arreglos memristivos de alta precisión.

IA en periferia e IoT son objetivos principales

Las plataformas:

• MLX200,
• y MLX201

Específicamente fueron diseñadas para aplicaciones IA sensibles a:

• energía,
• latencia,
• y tamaño físico.

Entre los escenarios contemplados destacan:

• procesamiento de voz,
• audio,
• wearables,
• IoT,
• y sensores siempre activos.

Muestras estarán disponibles en 2026

TetraMem confirmó que las muestras de evaluación comenzarán durante:

• segunda mitad de 2026.

La propiedad intelectual asociada a:

• RRAM multinivel

ya está disponible para:

• evaluación,
• y potencial licenciamiento.

Glenn Ge destaca colaboración con TSMC

Este hito es el resultado de años de estrecha colaboración con TSMC, nuestro socio de fundición de semiconductores, y demuestra la viabilidad de llevar la memoria RRAM multinivel y la computación analógica en memoria, desde un avance en la arquitectura informática hasta el silicio comercial de nodo avanzado”, comentó el Dr. Glenn Ge, cofundador y director ejecutivo de TetraMem. Creemos que este enfoque ofrece una vía práctica para mejorar la eficiencia energética y la escalabilidad de los sistemas de IA de próxima generación”.

¿Qué es computación analógica en memoria?

Es una arquitectura donde el procesamiento ocurre directamente dentro de matrices de memoria, reduciendo movimiento de datos y mejorando eficiencia energética.

¿Cómo funciona la memoria RRAM multinivel?

La RRAM utiliza distintos niveles de resistencia eléctrica para almacenar información, permitiendo:

• mayor densidad,
• menor consumo,
• y operaciones analógicas especializadas.

¿Por qué importa para inteligencia artificial?

Las cargas IA modernas requieren:

• enorme capacidad computacional,
• menor consumo energético,
• menor latencia,
• y arquitecturas más eficientes.

La computación en memoria podría transformar el diseño de hardware IA de próxima generación.

Relación con el clúster “AI Hardware + Edge AI + Memristores”

La iniciativa de TetraMem se conecta con tendencias relacionadas con:

• hardware especializado IA,
• computación neuromórfica,
• edge AI,
• memristores,
• chips energéticamente eficientes,
• y arquitecturas post-von Neumann.

La integración entre memoria y cómputo impulsa el futuro de los aceleradores IA.

Data citable

• TetraMem validó la plataforma MLX200 de 22 nm.
• El SoC utiliza memoria RRAM multinivel.
• La arquitectura integra computación dentro de memoria.
• Las muestras estarán disponibles en 2026.
• La solución fue fabricada sobre proceso TSMC de 22 nm.
• El MLX200 está orientado a edge AI e IoT.
• La plataforma reduce movimiento de datos y consumo energético.

Knowledge Layer

• RRAM: memoria resistiva no volátil utilizada para almacenamiento y computación avanzada.
• Computación en memoria (IMC): arquitectura que ejecuta cálculos directamente dentro de memoria.
• SoC: sistema en chip que integra múltiples funciones computacionales en un único circuito.
• Memristor: componente electrónico capaz de almacenar estados resistivos para computación analógica.
• Edge AI: inteligencia artificial ejecutada localmente cerca de dispositivos o sensores.
• CMOS: tecnología estándar utilizada para fabricar circuitos integrados modernos.
• Computación neuromórfica: arquitectura inspirada en funcionamiento neuronal biológico.
• Decodificación analógica: procesamiento basado en señales continuas dentro de matrices electrónicas.

Tu Opinión Importa 🗣️

¿La computación analógica en memoria marcará el futuro de los aceleradores IA? ¿Qué impacto tendrá sobre IoT, edge AI y dispositivos inteligentes? Comenta con los hashtags #itusers28aniversario y #superfan

Apoya al Periodismo Independiente

¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457