单芯片合一！铁电存储变身全能AI硬件

首尔国立大学李钟浩教授团队提出基于铁电存储器的硬件变分自编码器（VAE）系统概述

铁电存储阵列可利用随机电报噪声（RTN）完成概率隐变量采样，同时依托向量矩阵乘法（VMM）实现确定性解码。

来源：《自然·通讯》（2026），论文DOI：10.1038/s41467-026-72969-6

研究团队首次研发出一款人工智能芯片技术，依托铁电存储器件，将生成式人工智能的核心功能集成至同一硬件平台。这项成果实现了业内突破：首次在单块存储阵列中同时落地生成AI必备的两大核心能力——随机采样与稳定运算。

相关研究成果发表于《自然·通讯》期刊，由首尔国立大学工学院电气与计算机工程系李钟浩教授牵头完成。

研究团队充分利用铁电存储器的电压可调电学态特性，在同一套硬件平台内完成两项核心工作：借助随机电报噪声（RTN）实现概率采样；依托器件断电后仍可维持多阶电导态的特性，完成确定性运算。

铁电存储器噪声调控与图像生成性能验证

基于随机电报噪声生成的随机量会随电压、采样时长变化，进而影响隐向量分布与生成图像质量。团队通过参数优化，在CelebA人脸数据集上实现了效果均衡的图像生成。

来源：《自然·通讯》（2026），论文DOI：10.1038/s41467-026-72969-6

单芯片承载两类AI核心功能

近年来，生成式AI快速落地图像生成、视频合成、自动驾驶、个性化内容创作等诸多领域。但如何将生成AI直接集成到半导体芯片上，始终存在巨大技术难题。

传统AI芯片主要针对分类、推理等稳定、确定性运算做优化；而生成模型还需要概率计算模块，从隐空间中随机抽取数值。

过往研究大多将概率采样与解码运算拆分至不同芯片或外接软件模块，这会带来芯片面积增大、布线复杂度提升、功耗走高、运算延迟变长等一系列问题。更关键的是，在兼容标准CMOS工艺、保证器件可规模化制造的前提下，把两项功能整合至同一套存储硬件平台，此前一直难以实现。

依靠电压切换器件工作模式

为突破上述瓶颈，研究团队聚焦氧化铪（HfO₂）基铁电存储器的电压响应特性：施加高压时，器件会产生显著随机电报噪声（RTN），可用于概率随机采样；切换至低压工作区间后，随机电报噪声被大幅抑制，器件依靠非易失多阶电导态完成稳定的向量矩阵乘法（VMM）运算。

基于这套方案，团队仅用单块存储阵列，就同时实现了生成AI所需的随机生成与稳定计算两大功能。该技术的核心价值在于：将以往相互独立的采样、解码模块整合到同一铁电存储硬件中。无需额外外接随机数发生器，仅通过切换器件工作区间就能切换功能，为下一代生成AI芯片提升集成度、降低功耗提供了全新路线。

从晶圆实测到图像生成落地

团队采用6英寸（15厘米）晶圆流片制备或非型（NOR）铁电存储阵列，完成全套实验验证。通过调节电压、采样时长优化隐向量分布，将这套硬件系统搭载变分自编码器（VAE），基于CelebA人脸数据集完成图像生成测试，可产出具备多样面部特征的人像。电路层面实测证明，该系统经过约10万次循环运算后，图像生成性能依旧稳定。

该研究是生成AI硬件领域的重要里程碑：证明两套分立功能可集成在同一款兼容CMOS工艺的铁电存储器件上。这套新型AI芯片技术有望同时缩减片上生成AI加速器、神经形态系统、低功耗边缘AI芯片的占用面积与功耗。

迈向实时生成硬件的技术路线

铁电存储器与现有半导体制造工艺高度兼容，具备大规模量产、搭建大型生成AI硬件系统的潜力。研究团队下一步将优化采样速度、并行运算能力、存储阵列规模与外围电路，推动该技术落地可实时运行的生成AI硬件。项目负责人李教授表示：“同步实现概率采样与确定性运算是生成AI硬件领域的核心难题。本研究利用铁电存储器随电压变化的电学特性，在单套硬件平台中同时实现了这两项功能，具备重要技术意义。”