随着大规模AI模型的飞速发展，数据在存储器与处理器之间频繁搬运带来的高功耗和高延迟，正成为制约AI基础设施性能的核心瓶颈。
近日，半导体存储巨头SK海力士公布了其基于3D铁电NAND（3D FeNAND）实现模拟存内计算（Analog Compute-in-Memory，A-CiM）的最新研究成果，相关研究论文已在IEEE发表。该技术通过底层架构的全面协同优化，成功将NAND闪存的计算性能和能耗比推向了全新高度。
目前商用的3D NAND主要采用电荷捕获（CTN）结构，这种结构难以精确区分模拟计算所需的多重电流水平。为此，SK海力士创新性地采用了基于氧化铪锆（HZO）的铁电材料，并聚焦于“单元（Cell）、非单元（Non-cell）及页面（Page）”三大层面的整体协同优化：
单元层面：利用铁电材料的极化反转特性，在低功耗下实现了多级电流的平滑、精准控制，完美适配AI模型的乘加（MAC）运算需求。
非单元层面：致力于降低字线（Word Line）的电阻和寄生电容，大幅减少了互连线路在状态反复切换时产生的能量损耗和延迟。
页面层面：优化数据组织方式，使其与AI模型的计算顺序及数据大小高度对齐，有效消除了不必要的操作开销。
据SK海力士介绍，相较于传统的3D NAND阵列架构，SK海力士优化后的3D FeNAND架构显著提高了吞吐量和能效。在相同的芯片面积限制下，其吞吐量比传统3D阵列高出约10到20倍。更为瞩目的是，其能源效率实现了惊人的跨越，比传统3D阵列高出4000到5000倍。
工艺验证层面，研发团队在300mm晶圆级别上成功验证了该技术在低电流区域的稳定运行，并实现了每单元四电平（Four-level-per-cell）的高精度控制。此外，在非单元线路优化测试中，通过引入低阻值金属互连材料，芯片的计算吞吐量进一步提升了16%，能效提升了3%。
全球半导体观察
往期推荐
关于集邦咨询
TrendForce集邦咨询作为全球高科技产业研究机构，致力于洞察AI全链脉络，助力企业战略决策。研究版图聚焦AI产业增长引擎，涵盖：HBM、DRAM、NAND Flash等关键存储产品；GPU、ASIC等AI算力芯片；晶圆代工、芯片设计及封测；以及AI服务器、显示面板、LED、AR/VR等基础设施与终端，延伸至自动驾驶、具身智能、光伏储能、低空经济等“AI+”垂直产业集群，同时提供核心零部件价格预测与数据库。凭借多年深耕，为政企客户与投资者提供行业研究报告、企业战略咨询及品牌整合行销等服务。
