Weebit Nano：ReRAM 与 AI 存内计算芯片技术企业
Weebit Nano 是一家专注于下一代非易失性存储器 ReRAM，也称 RRAM，技术的半导体公司。
公司成立于 2015 年，总部位于以色列，并在法国和美国设有业务团队，在澳大利亚证券交易所上市，股票代码为 WBT。
Weebit Nano 主要采用 IP 授权模式，把自己的 ReRAM 存储技术授权给晶圆厂、IDM 和芯片设计企业，让客户把 ReRAM 直接集成进自己的 SoC 芯片。
严格来说，Weebit Nano 不是 HBM 高带宽存储器厂商，也没有生产 HBM3E 或 HBM4。
但是如果研究“AI 存储芯片”和“下一代内存技术”，Weebit Nano 非常值得关注。
它所开发的 ReRAM 不但可以替代部分 Embedded Flash，也就是嵌入式闪存，还可以进一步用于 Edge AI、Compute-in-Memory 存内计算和 Near-Memory Computing 近存计算。
随着 AI 系统越来越受到数据搬运功耗和内存瓶颈限制，ReRAM 的战略意义正在增加。
什么是 ReRAM？
ReRAM 全称 Resistive Random Access Memory，中文通常称为阻变式随机存取存储器，也经常写作 RRAM。
传统 DRAM 主要依靠电容中的电荷保存数据，NAND Flash 也需要利用电荷状态保存数据，而 ReRAM 使用的是材料本身电阻状态的变化。
简单来说，一个 ReRAM 存储单元可以表现为“高电阻状态”和“低电阻状态”，芯片通过检测电阻高低来表示零和一。
由于这种电阻状态在断电以后仍然能够保持，所以 ReRAM 属于 Non-Volatile Memory，也就是非易失性存储器。
非易失性意味着设备关闭电源以后数据仍然存在。普通 DRAM 一旦断电，数据就会消失，而 ReRAM 更接近 Flash，可以长期保存数据。
不过 ReRAM 与 Flash 的区别在于，它具有更快的写入速度、更低的功耗、更简单的存储单元结构，而且更容易继续缩小到先进半导体制造工艺。
这也是 Weebit Nano 希望利用 ReRAM 替代部分 Embedded Flash 的根本原因。
Weebit Nano 不主要卖芯片，而是卖“内存技术”
理解 Weebit Nano 时，有一个非常重要的地方：
它目前主要不是自己建设大型晶圆厂生产存储芯片，而是开发 Memory IP，也就是存储器知识产权模块。
芯片设计公司设计 SoC 时，可以把 Weebit 的 ReRAM 模块放进自己的芯片。
所谓 SoC，全称 System on Chip，也就是“片上系统”。它是在一颗芯片中集成 CPU、存储控制器、接口、加速器以及其他功能。
如果一家汽车芯片公司设计新的 MCU 或 SoC，需要在芯片内部保存程序代码、配置参数、加密密钥或者 AI 模型权重，它就可以把 Weebit ReRAM 集成进去，而不一定再使用传统 Embedded Flash。
Weebit Nano 因此更像 ARM 的商业模式。ARM 通常授权 CPU IP，Weebit Nano 则授权 ReRAM Memory IP。
为什么 Embedded Flash 遇到困难？
Embedded Flash，就是把 Flash 存储器直接制造在 MCU 或 SoC 内部。
过去大量微控制器、汽车芯片和工业芯片使用这种方式，因为程序代码可以直接保存在芯片内部，设备启动以后马上执行。
问题是随着半导体工艺从 90nm、65nm、40nm 不断缩小到 28nm、22nm 甚至更先进节点，传统 Embedded Flash 的制造越来越复杂，而且成本越来越高。
Weebit Nano 认为 ReRAM 的一个重要优势，就是能够继续向先进工艺缩小。
公司与法国微电子研究机构 CEA-Leti 已经在 28nm 工艺验证 ReRAM，并进一步把技术缩小到 22nm FD-SOI。
Weebit 曾经展示 28nm 工艺中的 1Mb ReRAM 阵列，并完成 22nm ReRAM 演示芯片 tape-out。
Tape-out 是芯片行业非常重要的专业名词，中文通常叫“流片”。简单来说，就是芯片设计完成以后正式把设计文件交给晶圆厂准备制造。
因此，Tape-out 代表一项芯片技术已经从电脑中的设计图进一步进入实际制造阶段。
ReRAM 为什么适合 AI？
AI 芯片面对的一个核心问题并不只是“算得够不够快”，而是 数据能不能足够快、足够省电地送到计算单元。
传统计算机架构中，计算和内存是分开的。
CPU、GPU 或 AI 加速器负责运算，DRAM、HBM 或其他存储器负责保存数据。计算单元需要不断从内存读取数据，完成计算以后再把数据写回内存。
这就是所谓的数据搬运。
现代 AI 模型拥有大量参数，一次推理可能需要反复读取数亿甚至数十亿个数字。数据在处理器和内存之间移动本身就会消耗大量电力和时间。
因此，AI 芯片行业正在研究一个非常重要的方向：能不能减少计算和内存之间的数据搬运？
ReRAM 正是其中一种非常有潜力的技术。
什么是 Compute-in-Memory？
Compute-in-Memory，简称 CIM，中文通常叫“存内计算”。
传统计算机是先把数据从内存取出来，再送到处理器进行计算。
存内计算则尝试直接在存储器内部或者非常靠近存储器的位置进行部分运算。
这样做最大的好处，就是减少大量数据在内存和计算单元之间来回移动。
对于 AI 来说，这一点尤其重要。
神经网络最常见的计算之一就是 Vector-Matrix Multiplication，也就是“向量与矩阵乘法”。大量 AI 模型参数本质上可以看成大型矩阵。
如果这些权重保存在 ReRAM 阵列中，可以利用 ReRAM 阵列本身的电气特性直接参与计算，因此有机会把“保存权重”和“执行矩阵计算”结合起来。
Weebit ReRAM 进入韩国国家级存内计算项目
2026 年 3 月，Weebit Nano 宣布其 ReRAM 技术被选入韩国政府支持的 Analog Compute-in-Memory，也就是模拟存内计算项目，并与韩国晶圆代工企业 DB HiTek 扩大合作。
该项目希望利用 ReRAM Crossbar Array，也就是 ReRAM 交叉阵列存储神经网络权重，同时直接在存储阵列中执行 Vector-Matrix Multiplication。
这样可以大幅减少传统 AI 加速器需要的数据搬运，有机会提高吞吐量并降低功耗。
项目首先针对 AI inference，也就是 AI 推理，并研究未来进一步应用到 AI 训练的可能性。
这项合作非常重要，因为它说明 Weebit Nano 已经不再只是把 ReRAM 定位为“Flash 替代品”，而是开始进一步进入 AI 计算架构。
什么是 Crossbar Array？
Crossbar Array 中文通常称为“交叉阵列”。
可以把它想象成很多横线和竖线组成的网格，在每个横线和竖线的交叉点放置一个 ReRAM 存储单元。
如果每一个存储单元保存一个神经网络权重，那么大量权重可以形成一个完整矩阵。
通过向横线输入不同电压，再测量竖线上的输出电流，就可以利用欧姆定律和基尔霍夫定律一次完成大量乘加运算。
这与传统 GPU 一个又一个执行数字乘法的方式不同。
因此，ReRAM Crossbar 被大量研究机构视为未来 Analog AI，也就是模拟 AI 计算的重要候选技术。
Weebit Nano 与 HBM 的区别
HBM 与 ReRAM 解决的其实是 AI 的两个不同问题。
HBM，全称 High Bandwidth Memory，也就是高带宽存储器。HBM 通过非常宽的数据接口以及先进封装，为 GPU 提供每秒数百 GB 甚至超过 TB 级别的数据带宽。
因此，HBM 的核心目标是：
把大量数据尽可能快地送给 GPU。
ReRAM 和存内计算的思路则更进一步：
如果能够少搬一些数据，甚至直接在存储器中完成部分计算，是不是就不需要一直把这么多数据搬给 GPU？
所以 HBM 是“提高数据搬运速度”，而 ReRAM 存内计算试图“减少数据搬运”。
两条技术路线并不是互相排斥。
未来大型 AI 系统仍然可能使用大量 HBM，而部分 Edge AI、AI Accelerator 和专用推理芯片，则可能加入 ReRAM 作为模型权重存储器或者存内计算单元。
Weebit ReRAM 的另一个重要特点：低功耗
DRAM 中保存数据的是非常微小的电容，而电容会慢慢漏电，所以系统必须不断执行 Refresh，也就是刷新操作。
ReRAM 利用材料的电阻状态保存数据，因此不需要持续刷新。
设备处于待机状态时，这种特点可以降低功耗。
对于智能手表、传感器、汽车电子、工业控制器和 Edge AI 芯片来说，低功耗尤其重要，因为很多设备依靠电池运行，或者长期保持待机状态。
Weebit Nano 在 2026 年 Embedded World 展示的 Edge AI 系统，就重点强调 ReRAM 的低读取功耗、低写入功耗、快速编程以及字节寻址能力。
什么是 Byte Addressable？
Byte Addressable，就是“按字节寻址”。
一个 Byte，也就是一个字节，由 8 bit 组成。
一些 Flash 存储器写入数据时不能简单修改一个字节，而需要先擦除一个比较大的 Block，然后重新写入。
ReRAM 可以更加灵活地直接访问较小数据单位。
这对于频繁更新参数、状态信息、AI 权重或者嵌入式程序数据非常有帮助，也可以减少不必要的数据擦除和写入。
SkyWater：Weebit ReRAM 已经达到量产准备状态
Weebit Nano 最早的重要晶圆厂合作伙伴之一是美国 SkyWater Technology。
双方把 Weebit ReRAM 集成到 SkyWater 的 S130，也就是 130nm CMOS 工艺。
目前这套 ReRAM IP 已经完成相关 JEDEC 和 AEC-Q100 资格认证，并处于可以提供给客户进行 SoC 集成和生产的状态。
Weebit 公布的 SkyWater 130nm ReRAM 模块读取访问时间低于 20 纳秒。
JEDEC 是全球半导体行业非常重要的标准组织，很多内存可靠性和测试标准都由 JEDEC 制定。
AEC-Q100 则是汽车芯片非常重要的可靠性认证标准。
因此，能够完成这些认证说明 ReRAM 已经不只是实验室里的存储单元，而是在向真正商业芯片应用发展。
与 DB HiTek 合作进入量产平台
Weebit Nano 另一个重要合作伙伴是韩国晶圆代工企业 DB HiTek。
2026 年初，Weebit 宣布其 ReRAM 已经在 DB HiTek 平台完成基于 JEDEC 标准的技术认证。
客户随后可以在 DB HiTek 工艺上设计包含 Weebit ReRAM 的实际产品。
2026 年 5 月，公司进一步确认已有客户把 Weebit ReRAM 集成进产品并完成 Tape-out，其中 Overlord Labs 的下一代智能电池管理芯片就采用了 Weebit ReRAM，并在 DB HiTek 流片。
这代表 ReRAM 已经开始从“测试芯片”向“客户商业产品”转变。
与 onsemi 合作
onsemi 是全球重要的汽车、工业和电源半导体企业。
Weebit Nano 已经把 ReRAM 技术转移到 onsemi 的 Treo 平台。Treo 使用 65nm BCD 工艺，在 onsemi 位于美国纽约州 East Fishkill 的 300mm 晶圆厂生产。
BCD 是 Bipolar、CMOS 和 DMOS 的缩写，是一种能够把模拟、电源和数字控制功能结合在一颗芯片上的工艺，广泛用于电源管理、汽车电子和工业控制芯片。
2025 年双方完成带有 Weebit ReRAM 的测试芯片 Tape-out，2026 年测试芯片已经制造出来并按照预期工作，后续技术认证正在继续推进。
值得注意的是，onsemi 的相关平台还面向 AI 数据中心中的智能电源和传感应用，因此 Weebit ReRAM 的市场并不仅限于普通 MCU。
Texas Instruments 成为重要授权客户
2025 年底，Weebit Nano 与 Texas Instruments，也就是 TI，签署 ReRAM 技术授权协议，并在 2026 年正式公布这项合作。
TI 是全球最大的模拟和嵌入式半导体企业之一，拥有大量汽车、工业、电源管理和嵌入式处理器产品。
截至 2026 年 7 月，Weebit 表示向 TI 转移 ReRAM IP 的工作正在按照计划进行。
经过后续 Tape-out 和资格认证以后，Weebit ReRAM 计划进入 TI 的先进 Embedded Processing 芯片工艺平台。
对于一家仍处于快速商业化阶段的新型存储技术企业来说，获得 TI 和 onsemi 这样的 Tier-1 IDM 授权非常重要。
IDM 全称 Integrated Device Manufacturer，也就是“垂直整合器件制造商”。这种公司通常既自己设计芯片，也拥有或者控制芯片制造过程。
2026 年已有三款客户芯片完成 Tape-out
截至 2026 年 7 月 31 日，Weebit Nano 已经有 三家产品客户完成集成 Weebit ReRAM 的芯片设计 Tape-out。
其中一款芯片已经从晶圆厂返回，初步测试表明芯片能够正常工作并运行软件。
这些客户芯片应用包括智能电池管理和网络安全等领域。下一阶段还需要进一步测试和产品认证，然后才能进入大规模量产。
公司预计，从 Tape-out 到最终完成产品资格认证通常还需要大约 12 到 18 个月。
这说明截至 2026 年，Weebit Nano 已经进入一个很关键的发展阶段：技术问题正在逐步从“ReRAM 能不能工作”转变成“有多少客户会真正把 ReRAM 做进量产芯片”。
ReRAM 与 Edge AI
Weebit Nano 目前特别重视 Edge AI，也就是边缘人工智能。
Edge AI 是指 AI 模型直接在汽车、机器人、摄像机、工业设备、无人机、智能家居设备或者其他终端中运行，而不是把所有数据发送到云端数据中心处理。
边缘设备通常面临几个非常严格的限制：功耗不能太高、芯片不能太大、成本必须受到控制，而且响应时间必须很短。
同时，它们还需要保存 AI 模型权重和设备程序。
如果可以直接把 ReRAM 集成进 AI SoC，芯片就可以在断电以后继续保存 AI 模型，不需要每次开机重新从外部 Flash 把整个模型搬进 SRAM。
这可以实现 Instant-on，也就是快速启动。
Weebit 在 2026 年公开展示的 Edge AI ReRAM 方案已经把低功耗、低延迟、片上模型权重存储和快速启动列为重要应用方向。
Near-Memory Computing 与 In-Memory Computing
除了真正的存内计算，还有一个相关概念叫 Near-Memory Computing，也就是“近存计算”。
In-Memory Computing 是尽量直接在存储阵列内部执行运算。
Near-Memory Computing 则没有那么激进，而是把计算单元放到非常靠近内存的位置，从而缩短数据移动距离。
两种方式的目的都是减少传统处理器与内存之间不断来回搬运数据造成的能耗和延迟。
2026 年 Weebit Nano 已经明确表示，随着 AI 推动更加高效的内存架构发展，公司正在看到客户对 Near-Memory Computing 和 In-Memory Computing 的兴趣增加。
这可能是 Weebit Nano 长期最值得关注的 AI 方向。
为什么 ReRAM 适合先进工艺？
Weebit ReRAM 还有一个重要优势，就是可以主要集成在 BEOL。
BEOL 全称 Back End of Line，可以简单理解为晶圆制造后半段的金属互连层制造阶段。
传统 Embedded Flash 往往需要修改晶体管本身和增加比较复杂的工艺步骤。
ReRAM 的存储材料则可以加入后端互连层，因此不需要大幅改变底层 CMOS 晶体管制造流程。
这可以降低晶圆厂导入新型存储器的难度。
Weebit 表示自己的 ReRAM 使用相对容易被晶圆厂接受的材料，不需要特别昂贵的新型生产设备，因此能够比较容易加入现有制造流程。
对于一家 IP 公司来说，这一点非常关键，因为技术只有能够被不同晶圆厂低成本导入，才能形成真正的大规模授权市场。
从 130nm 一直向 22nm 和更先进节点发展
Weebit Nano 的技术路线并不是只停留在成熟工艺。
公司已经在 SkyWater 130nm 平台完成量产准备，在 DB HiTek 130nm 平台完成认证，在 28nm 工艺验证过 ReRAM 阵列，并与 CEA-Leti 等合作把技术推进到 22nm FD-SOI。
22nm 对 Edge AI 特别有意义，因为很多低功耗 AI SoC 不需要使用最昂贵的 3nm 或 2nm，而更看重成本、功耗、模拟电路和嵌入式存储的平衡。
如果 ReRAM 能够继续向更先进工艺节点发展，它就有可能成为 Embedded Flash 在先进 SoC 中的重要替代技术。
Weebit Nano 也在开发独立 ReRAM 芯片
除了 Embedded ReRAM，Weebit Nano 还有一个中期方向：开发 Discrete ReRAM，也就是独立 ReRAM 芯片。
Embedded ReRAM 是把存储器直接做进 SoC 中。
Discrete ReRAM 则与普通 Flash、DRAM 一样，是一颗独立的存储芯片。
公司表示独立 ReRAM 的潜在目标包括 Storage-Class Memory、Persistent Memory 和 NOR Flash 替代。
Storage-Class Memory 可以理解为位于传统 DRAM 和 SSD 之间的一类存储技术，希望同时获得比较低的延迟、较高耐久度以及断电保存能力。
如果 Weebit 能够把 ReRAM 容量进一步提高，这条路线未来也有可能进入 AI Server 和数据中心存储体系。
不过截至目前，公司商业化最成熟的方向仍然是 Embedded ReRAM IP，而不是大容量独立内存芯片。
ReRAM 会不会取代 HBM？
短期内不会。
目前 HBM 已经能够提供极高容量和极高带宽，而且拥有 Samsung、SK hynix、Micron、TSMC、NVIDIA 和 AMD 等成熟产业链支持。
ReRAM 当前还不能在容量和大规模生产能力方面直接与 HBM竞争。
但是 ReRAM 可能改变 AI 内存体系中的另外一些环节。
例如，AI 模型权重可以存储在 ReRAM 中，Edge AI 可以利用 ReRAM 实现低功耗快速启动，而未来的存内计算芯片甚至可以直接在 ReRAM 阵列内部完成部分神经网络计算。
因此，ReRAM 的真正机会可能不是“制造另一种 HBM”，而是重新设计计算和内存之间的关系。
Weebit Nano 在 AI 存储产业中的位置
如果把 AI 存储产业分成不同层级，Weebit Nano 最适合放在“下一代非易失性存储器和存内计算技术”这一层。
SK hynix、Samsung 和 Micron 主要提供 HBM 和 DRAM。
NAND 厂商提供大容量 Flash。
Everspin 主要发展 MRAM。
而 Weebit Nano 重点发展 ReRAM。
这几种技术解决的问题并不完全相同。
HBM追求极高带宽，NAND追求极低单位容量成本，MRAM强调高速、高耐久和持久性，
而 ReRAM特别吸引人的地方是结构简单、功耗低、能够继续向先进节点缩小，同时还有发展 Compute-in-Memory 的潜力。
因此，在 AI 时代，Weebit Nano 的真正价值可能并不只是“又一种新型存储器”，而是 ReRAM 有机会成为 AI 芯片内部的一部分。
2026 年商业化明显加速
截至 2026 年 7 月，Weebit Nano 的商业化进展已经比几年前明显加快。
公司已经与 SkyWater、DB HiTek、onsemi 和 Texas Instruments 建立不同形式的技术或授权合作，已有三款客户芯片完成 Tape-out，而且第一批客户芯片原型已经开始运行软件。
公司同时在 2026 年上半年进行了超过 A$100 million 的融资，用于扩大 ReRAM 商业化、技术研发以及加快 AI 产品开发。2026 财年的收入指引也已经提高到至少 A$13.5 million。
不过需要注意，Weebit Nano 仍然是一家处在新型存储技术商业化阶段的公司，与已经每年生产数十亿美元存储芯片的传统存储巨头完全不是一个规模。
它未来能否成为重要存储技术供应商，很大程度取决于 ReRAM 能否真正进入客户大规模量产产品。
总结
Weebit Nano 是一家专注于 ReRAM 阻变式随机存取存储器的下一代半导体存储技术企业。
公司并不生产传统 HBM，因此不能简单把它归类为 HBM 制造商，但它在 AI 存储产业中的战略位置非常独特。
Weebit ReRAM 可以作为 Embedded Flash 的替代技术直接集成到 SoC 中，具有非易失、低功耗、快速访问、字节寻址以及能够向先进制造节点扩展等特点。
目前其技术已经进入 SkyWater、DB HiTek、onsemi 和 Texas Instruments 等半导体企业的制造或技术平台，多款客户芯片已经完成 Tape-out。
Weebit 已经开始展示 Edge AI 应用，并进入韩国国家级 Analog Compute-in-Memory 项目，研究利用 ReRAM Crossbar 直接保存神经网络权重和执行矩阵运算，从根本上减少计算单元与内存之间的数据搬运。
因此可以把 Weebit Nano 定位为：ReRAM、嵌入式非易失性内存、Edge AI 存储、近存计算和 AI 存内计算技术企业。