<figure class="news-cover"><img src="https://aposhuang.com/uploads/covers/news-261-ee50964e.jpg" alt="" loading="eager"></figure><p><strong>TL;DR</strong>:東北大学とアイシンは11月2日、不揮発性メモリ「STT-MRAM」を32MB内蔵した16nmのAIチップを開発したと発表した。電源投入からOS起動までを65.7ミリ秒(従来比約39倍)に短縮し、物体検出AIの消費エネルギーを従来比1/50の50.7mJ/フレームに抑えた。自動車・ロボット・カメラ・IoTなど「すぐ起動して長く動く」エッジAIの実用化を大きく前進させる。設計・組み込み開発者は、外部DRAM・SSDが不要になる点をコストと基板面積の両面で再評価すべきだ。</p>
<p>東北大学国際集積エレクトロニクス研究開発センター(CIES)の遠藤哲郎教授のチームと、自動車部品大手のアイシンのチームは11月2日、STT-MRAMを搭載した16nm FinFETプロセスのAI SoCを開発したと発表した。DRAMやSSDなどの外部メモリを一切使わずに物体検出AIを動かせる「近メモリコンピューティング(NMC)」型のチップで、成果は11月1~4日に台湾・新竹市で開かれる国際学会「IEEE A-SSCC 2026」で発表する。</p>
<h2>① 世界初のMRAM内蔵16nm AI SoC——起動65.7ミリ秒、エネルギー1/50</h2>
<p>開発したチップは、AIモデルの重みデータだけでなくOSのブートデータも不揮発性メモリのSTT-MRAMに格納する。電源を切ってもデータが残るため、起動時に外部SSDやDRAMから大量のデータを読み込む必要がなくなり、電源投入からOS起動までを65.7ミリ秒に短縮した。従来方式との比較では38.59倍、すなわち約39倍の高速化だ。</p>
<ul>
<li>STT-MRAM搭載容量:32MB(組込み)、プロセス:16nm FinFET</li>
<li>電源投入→OS起動:65.7ミリ秒(従来比約39倍の高速化)</li>
<li>物体検出などのAI処理時間:従来比約1/10(10.16倍短縮)</li>
<li>システム全体の時間:従来比約25倍(25.2倍)短縮</li>
<li>1フレーム物体検出のエネルギー:50.7mJ/フレーム(従来比1/50)</li>
</ul>
<p>限られたオンチップSTT-MRAM容量の中でAIを動かすため、8ビットと16ビットを組み合わせるハイブリッド乗算アーキテクチャと重み共有技術を採用し、小型AIモデル「Tiny YOLOv3」による物体検出を実現した。成果の一部はNEDOの委託業務によるものだ。</p>
<h2>② 編集部の見方:「すぐ起動するAI」はエッジの前提を変える?</h2>
<p>結論から書く。このチップの真価は単なる高速化ではなく、「電源を切っても待たされない」というエッジAIの新しい前提を作った点にある。</p>
<p>自動車やロボット、監視カメラ、IoT機器では、電源投入やスリープ復帰のたびにOSやAIモデルを読み直す待ち時間が、そのまま反応の遅れと無駄な消費電力になる。今回、起動を65.7ミリ秒に縮めたことで、常時通電に頼らず「必要な瞬間だけ動く」設計が現実味を帯びる。楽観的に見れば、バッテリー駆動の端末で待機電力を抑えつつ、起きた瞬間に物体検出を始められるようになる。</p>
<p>ただし、慎重に見るべき点は二つある。第一に、実証に使ったのは小型モデルのTiny YOLOv3で、大規模な生成AIモデルがこの方式でどこまで動くかは示されていない。第二に、STT-MRAMはまだ容量が32MBにとどまり、製造コストも高い。まずは車載や工場など「小型モデル・即応性・省電力」がそろう領域から浸透し、その後に汎用化するという順番が自然だ。</p>
<h2>③ 影響:自動車・車載部品とエッジ機器の省電力設計</h2>
<p>まずアイシンのような自動車部品メーカーが組み込むケースを考えたい。車載では、停車中にシステムを休止させ、ドアを開けた瞬間に周辺監視を立ち上げるといった用途で、起動65.7ミリ秒と低消費電力はそのまま待機電力の削減につながる。ドライバー監視や後方検知など、常時は動かせない小型の検知機能を「必要なときだけ」動かす余地が広がる。</p>
<p>ロボットやカメラ、IoT機器でも、バッテリー容量と外部メモリを減らせるため、機器の小型化とコスト低減が期待できる。一方、外部DRAM・SSDが不要になることは、メモリを供給する側から見れば需要の一部が置き換わるという面を持つ。エッジAIの省電力化は、データセンター向けの巨大GPUとは別の競争軸で、日本の半導体・車載技術が主導権を握りうる領域だ。</p>
<h2>④ いま取るべき行動(エッジ機器の設計・企画担当)</h2>
<ul>
<li>今週:自社製品の「起動時間」と「待機電力」を実測し、電源投入からAIが動き出すまでの時間を数値化する。</li>
<li>今月:外部DRAM・SSDの削減が基板面積・部品コスト・バッテリーに与える効果を、試算レベルで出してみる。</li>
<li>今月:車載・監視カメラなど「小型モデルで即応性が求められる」機能を洗い出し、MRAM搭載SoCの適用候補を特定する。</li>
<li>四半期:A-SSCC 2026の発表内容とアイシンの量産・製品化計画を追い、サンプル調達の可否を確認する。</li>
</ul>
<p><strong>やらないこと:</strong>現行の大規模生成AIモデルがそのまま動く前提で計画を立てること。STT-MRAMのコスト・容量を無視して全製品への置き換えを急ぐこと。</p>
<h2>⑤ 次に見る数字:50.7mJ/フレームからの製品化とA-SSCC発表</h2>
<p>判断できる材料は4つ。A-SSCC 2026での発表内容と反応。32MBという容量がどこまで拡張されるか。Tiny YOLOv3より大きなモデルでのエネルギー効率がどうなるか。そしてアイシンが自動車部品として量産・搭載の時期をいつ示すかだ。</p>
<p class="src">出典:<a href="https://www.tohoku.ac.jp/japanese/2026/11/press20261102-03-emram.html">東北大学, 2026年11月2日</a></p>