港大突破！基于MoS2的超低功耗存算一体AI芯片

随着人工智能与大数据浪潮的席卷，算力的核心已从单纯的运算速度转向能效比。面对大模型及复杂算法的激增，传统硬件的短板愈发明显：内存与处理器间数据交互缓慢且能耗巨大的“冯·诺依曼瓶颈”成为制约发展的关键因素。

针对这一困境，香港大学研究团队交出了一份极具颠覆性的方案：全面转向“存算一体”技术！

专为未来设计的芯片架构

在港大工程学院电机与计算机工程系及先进半导体与集成电路中心，李灿教授带领的研究小组，借助二维二硫化钼（MoS2）闪存技术，成功研制出一种全新的模拟内容寻址存储器（CAM）。

模拟CAM具备巨大潜力，能一步完成输入数据与所有存储数据的并行比对。反观传统基于静态随机存取存储器（SRAM）的数字CAM，每个单元需占用多达16个晶体管，致使芯片体积臃肿、功耗惊人，且仅限于处理基础数字信号。

港大团队在架构上实现了重大飞跃：利用比发丝细数万倍的二维材料MoS2，成功构建了仅需2个晶体管的模拟CAM单元。此举不仅大幅缩减了芯片面积，还使其能直接处理更贴近现实世界的连续模拟信号，极大提高了信息存储密度。

为攻克连接二维材料时阻碍电子流动的“肖特基势垒”，团队采用半金属锑（Sb）作为接触电极，成功打通了低电阻通道。新器件性能卓越：模拟CAM阵列读出电流超60 μA/μm，开关比超10^9。其单次搜索能耗低于0.1飞焦耳（fJ），延迟仅36皮秒。相比之下，光在真空中一皮秒仅行进0.3毫米，这意味着搜索结束时，光甚至未跑出芯片。

运算更快，能效更高

此项成果是团队协作的结晶，论文共同第一作者高国云博士主导了器件与阵列的制备，闻博先生负责阵列性能测试，成功实现了器件与搜索应用的深度结合。

团队进一步展示了技术的进阶应用。通过三维异质集成技术，他们在单个CAM单元内垂直堆叠N型二硫化钼与P型二硫化钨（WSe2），该设计使芯片面积减半，并省去了外围反相器电路，进一步优化了功耗表现。

在执行机器学习分类的模拟汉明距离计算任务时，新型模拟CAM的处理速度较标准CPU提升了约10⁸倍，且在多项数据集测试中表现出了极高的准确率。

专家解读

李灿教授指出：“从应用角度看，搜索操作价值巨大。作为大语言模型（LLMs）核心的‘注意力机制’，本质上就是一种搜索——从压缩的知识库中提取信息。我们正致力于利用这种高性能硬件，来赋能大型AI模型的搜索机制。”

李教授补充道：“例如手机面部识别，可直接在本地瞬间完成，无需上传隐私数据。尽管大规模商业化仍需克服封装等工程难题，但本研究已验证了该原理，为下一代高性能、低功耗AI硬件指明了发展方向。”

点击

阅读原文

了解更多详情