Quinas 公司利用Innovate UK的资助，成功完成了ULTRARAM技术在神经形态计算领域的应用探索。这项技术被视为解决传统计算架构中“内存与处理分离”这一根本痛点的关键，有望为未来的 AI 系统提供兼具高速、非易失性（断电不丢数据）和超低功耗的硬件基础。
技术核心：什么是 ULTRARAM？
是 Quinas 的核心竞争力。
本质：一种基于化合物半导体（Compound Semiconductors）和量子共振隧穿（Quantum Resonant Tunnelling）的新型存储器。
独特优势（二合一特性）：
兼具 DRAM 的速度与耐用性：读写速度快，且能承受无数次擦写。
兼具 Flash 的非易失性：像硬盘一样，断电后数据不会丢失。
超低能耗：在单一设备中实现了上述特性的统一，且操作能耗极低。
材料基础：文中标签显示涉及材料为AlSb(锑化铝) 和GaSb(锑化镓)。
解决了什么问题？（技术逻辑）
传统计算机架构（冯·诺依曼架构）存在一个著名的“存储墙”问题：数据需要在处理器和内存之间来回搬运，这不仅慢，而且极其耗能。
神经形态计算（Neuromorphic Computing）：模仿人脑结构，主张“计算就在存储发生的地方”（In-Memory Computing），直接在内存中进行运算，从而消除数据搬运。
ULTRARAM 的作用：它是实现这一理念的完美载体。因为它既有足够快的速度配合处理器，又有非易失性来长期稳定存储，同时功耗极低，非常适合模拟人脑神经元的低功耗运作。
项目进展与合作伙伴
该项目并非闭门造车，而是已经完成了从实验室到产业化的关键一步：
资金与背景：获得英国研究与创新署（UKRI）的“关键技术半导体硬件开发”计划支持。
关键合作方：
Lancaster University（兰卡斯特大学）：Quinas 的技术源头，负责基础研究。
IQE plc：全球领先的化合物半导体外延片制造商，负责材料的工业化生产。
当前成果：
完成了设备优化。
奠定了存内计算（CIM）和神经形态应用的架构基础。
推进了交叉阵列（Crossbar Arrays）和芯粒（Chiplet）级集成的技术路线。
行业意义
AI 硬件的未来：当前的 AI 训练极其耗能。如果 ULTRARAM 能大规模商用，将直接催生新一代的存内计算芯片，大幅降低 AI 推理和训练的能耗。
独立于硅基的路线：传统存储器（如 DRAM、NAND）都基于硅（Silicon）。ULTRARAM 使用化合物半导体，这代表了一条非硅基存储技术的突围路线，对于打破现有存储巨头的垄断具有战略意义。
安全与可持续性：Quinas 的 CEO 提到了“安全”和“可持续”。非易失性存储器在安全加密（如防止冷启动攻击）方面有天然优势，且低功耗符合全球碳中和趋势。
编者观点：
Quinas 公司利用量子隧穿技术，开发出了一种名为 ULTRARAM 的新型存储器。它成功打破了传统存储器“易失性”与“非易失性”不可兼得的物理限制。这项技术通过在内存中直接进行计算（存内计算），彻底解决了 AI 算力中的“存储墙”瓶颈，为下一代低功耗、高安全性的 AI 硬件提供了核心物理基础。
热门跟贴