港大研发新型极简架构存储芯片，运算速度较标准CPU快约1亿倍

近日，香港大学公布了一项半导体与人工智能硬件科研突破，该校研究团队成功研制出一款基于二维材料的新型模拟内容寻址存储器（CAM）芯片。该芯片创新采用极简架构设计，打破传统芯片运算与存储分离的固有模式，可直接在数据存储位置完成复杂搜索运算，在汉明距离计算任务中，处理速度较标准中央处理器（CPU）提升约1亿倍，且在多组权威数据集测试中保持极高准确率，为高效低耗AI硬件迭代开辟了全新路径。相关研究成果已正式刊发于国际顶级学术期刊《自然·纳米技术》。

当前人工智能与大数据技术高速迭代，海量数据的存储、检索与运算需求呈爆发式增长，但传统计算机硬件架构的短板日益凸显。业界公认的“冯·诺依曼瓶颈”，即处理器与内存分离架构导致的数据频繁传输、运算延迟高、能耗损耗大等问题，成为制约大模型、大数据分析、智能检索等高端应用性能提升的核心桎梏。传统芯片运算时，需反复在内存与处理器之间调取、传输数据，大量算力与能耗被数据迁移过程消耗，即便升级高端CPU、GPU，也难以从根本上解决效率瓶颈，无法适配超高密度、超高速率的AI数据处理需求。

针对这一行业共性难题，香港大学工程学院电机与计算机工程系联合先进半导体与集成电路中心李灿教授团队开展专项攻关，依托二维半导体材料特性创新芯片架构，最终研发出这款新型模拟CAM芯片。区别于传统芯片分步比对、逐次运算的模式，该新型芯片可实现并行运算，能在单个步骤中将输入的搜索数据与芯片内所有存储数据同步完成比对，从而省去数据反复搬运、多次调度的流程，大幅压缩运算耗时、降低能耗损耗，从硬件底层突破了传统架构的性能局限。

架构极简、性能极致、密度更高是这款新型芯片的核心创新亮点。据研究团队介绍，传统CAM单元结构复杂，构建单个运算单元需要16个晶体管，不仅芯片体积庞大、占用晶圆面积多，制造成本也相对较高。而港大团队研发的极简架构模拟CAM，仅需2个晶体管即可搭建一个完整单元，晶体管用量大幅缩减，极大缩小了晶片整体面积，为芯片小型化、高密度集成奠定了基础。更关键的是，全新架构突破了传统数字芯片只能处理离散信号的局限，可直接处理贴近真实场景的连续模拟信号，完美适配自然环境、智能感知等领域的复杂数据特征，大幅提升芯片信息存储密度与场景适配能力。

在材料与电路适配优化方面，团队也取得关键性技术突破。二维材料应用于芯片电路时，普遍存在“肖特基势垒”难题，会限制电路中的电子流动，导致芯片导通效率下降、性能损耗增加，是制约二维半导体芯片产业化的关键技术障碍。为攻克这一难题，研究团队创新采用半金属锑（Sb）作为芯片接触电极，成功搭建起电阻极低的导电通道，有效消除电子传输阻碍，保障了新型CAM芯片的高效、稳定运行，大幅提升了芯片整体工作效能与使用寿命。

谈及研究的应用价值与未来布局，李灿教授表示，当下主流大语言模型的核心“注意力机制”，本质是从海量压缩知识库中快速检索、提取有效信息的过程，海量的检索运算也是大模型算力消耗的主要来源。传统硬件的检索效率短板，严重限制了大模型的推理速度与落地效能。此次研发的高速、低耗CAM芯片，恰好精准匹配AI模型的核心运算需求，目前团队已启动专项探索，依托这款高性能硬件，重构大型AI模型的底层搜索运算机制，有望大幅降低大模型推理能耗、提升响应速度。

据悉，这款新型模拟CAM芯片兼具超高速运算、超低能耗、超高存储密度的多重优势，在人工智能大模型、大数据智能检索、智能传感、边缘计算、高端半导体存储等诸多前沿领域具备广阔应用前景。不过研究团队也坦言，目前该成果仍处于实验室研发阶段，大规模商业化落地仍需攻克芯片封装、量产工艺、兼容性适配等系列工程难题。