尽管具有规模经济性，但其他类型的存储器仍具有AI应用程序的未来可能性。
MRAM通过受外加电压控制的磁体的方向存储数据的每一位。如果电压低于翻转位所需的电压，则只有位翻转的可能性。这种随机性是不希望有的，因此可以用更高的电压驱动MRAM来防止这种情况。某些AI应用程序仍可以利用这种固有的随机性（可以将其视为随机选择或生成数据的过程）。
实验已将其MRAM的随机性功能应用于Gyrfalcon的设备，该技术可将所有权重和激活的精度降低到1位。这用于大大减少远端应用程序的计算和功耗要求。可能需要进行精确的取舍，具体取决于重新培训网络的方式。尽管降低了精度，但仍可以使神经网络可靠地运行。
二元神经网络的独特之处在于，即使减少了-1或+1的确定性，它们也可以可靠地起作用。 这种BNN仍然可以以较高的精度运行，因为（通过）引入被错误写入的存储位的所谓的”误码率”降低了确定性。
MRAM可以自然而然地在低电压电平下引入误码率，从而在保持精度的同时进一步降低了功耗要求。关键在于确定最低电压和最短时间的最佳精度。这转化为最高的能源效率。
尽管此技术还适用于更高精度的神经网络，但它特别适用于BNN，因为MRAM单元具有两个状态，这些状态与BNN中的二进制状态相匹配。
在边缘使用MRAM是另一个潜在的应用。
对于边缘AI，MRAM能够在不要求高性能精度的应用中以较低的电压运行，但是提高能效和存储器耐用性非常重要，此外MRAM固有的非易失性允许无需电源即可保存数据。
一种应用是所谓的“统一存储器”，“这种新兴存储器既可以充当嵌入式闪存又可以替代sram，既节省了芯片面积，又避免了SRAM固有的静态功耗。
