SK 海力士公布了一项瞄准 AI 计算的新存储技术研究成果：3D FeNAND 实现模拟存内计算（A-CiM），相关论文已发表于 IEEE。

这套方案的核心思路，是让存储器自己完成计算。A-CiM 利用模拟信号直接在存储器内执行乘积累加运算（MAC），减少数据在存储与计算单元之间的搬运，从而提升处理速度和能效。

打开网易新闻 查看精彩图片

铁电材料替代电荷俘获

3D FeNAND 与传统 3D NAND 的差别在存储介质。传统 3D NAND 采用电荷俘获氮化物（CTN）结构，把电子捕获在氮化物层中；3D FeNAND 则利用铁电材料的极化状态存储数据并控制电流。

铁电材料的特点是，即使外部电场消失，其内部极化状态仍能保持。这一特性让存储状态不依赖持续供电来维持。

为什么适合 AI 权重

SK 海力士表示，FeNAND 可在单个存储单元内产生多种电流状态，适合 AI 计算所需的权重数据。多种电流状态意味着单个单元能承载的信息量不再局限于两种，这与模拟计算对权重精度的需求方向一致。

把计算搬进存储阵列、用铁电材料替代电荷俘获，两条路线叠加在同一种器件上，是这项研究值得关注的地方。