据韩媒The Elec报道，SK海力士公布了基于3D FeNAND实现模拟存内计算（Analog Compute-in-Memory，A-CiM）的研究成果，相关论文已发表于IEEE。该技术试图在存储器内部直接完成AI计算所需的乘积累加运算，以减少数据在存储与计算单元之间的搬运开销。
模拟存内计算的核心思路是利用模拟信号直接在存储器中执行乘积累加运算（MAC），从而提升处理速度与能效。SK海力士的3D FeNAND方案采用铁电材料存储数据并控制电流。铁电材料的特性在于，即使外部电场消失，其内部极化状态仍能保持，这使其具备非易失存储能力。
与传统3D NAND形成对比的是，后者采用电荷俘获氮化物（CTN）结构，将电子捕获在氮化物层中实现数据存储。SK海力士表示，FeNAND可在单个存储单元内产生多种电流状态，这一特性适合承载AI计算所需的权重数据。多级电流状态意味着单个单元能够表达更丰富的信息，有助于在有限面积内提升计算密度。
当前AI大模型训练与推理对算力和能效提出更高要求，存储墙问题日益突出——计算单元与存储单元之间的数据搬运成为性能瓶颈。存内计算被视为缓解该问题的路径之一，包括三星、SK海力士在内的存储厂商均在推进相关研究。SK海力士此次将铁电材料与3D NAND结构结合，探索在成熟存储架构上实现模拟计算的可能性。
该研究目前处于论文发表阶段，距离商业化量产仍有距离。铁电材料的工艺兼容性、耐久性以及模拟计算的精度控制，都是后续需要验证的工程问题。若相关技术走向成熟，或将为AI芯片提供一种不同于传统数字加速器的新选择。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
