SK海力士称3D FeNAND存内计算吞吐量提高10至20倍

据SK海力士称，与传统3D阵列相比，该公司针对采用3D FeNAND的模拟存内计算优化的架构，吞吐量约提高10至20倍。² 比较是在芯片面积不变的条件下进行的，报告称能效优势约为4,000至5,000倍。² 这些是该公司报告的研究架构结果，并非已上市商业产品的数据。² 这项研究发表于2025年IEEE国际电子器件会议，作者为具名为SK海力士全球RTC技术负责人（Technical Leader, Global RTC）的Won-Tae Koo和Jihun Kim。² 报告中增益幅度与综合设计方案有关：该公司将其归因于3D FeNAND的集成密度和数据传输量的减少。²

这项研究要解决的问题是不断扩大的AI系统中反复传输数据的成本；数据移动会增加功耗和延迟。² 存内计算旨在通过在存储器内部或附近进行处理，而非不断将信息发送到独立计算设备，来减少这些传输。² 本文研究的模拟存内计算形式，利用存储单元中保存的电气状态在存储器内部进行运算。² 这些状态支持乘加运算，这是AI计算中使用的一类运算。² IT之家同样将A-CiM描述为通过模拟信号在存储器中执行此类运算，并称减少数据传输可以提升速度和能效。¹

存储方面的挑战与AI模型使用权重数据有关：SK海力士表示，大量权重数据必须存储起来并反复读取。² 据该公司介绍，这种反复读取使高密度存储器对A-CiM至关重要，因为计算过程中需要将权重保存在存储器中。² 传统商用3D NAND主要采用电荷俘获氮化物，这种材料层通过俘获或释放电子来改变存储单元状态。² SK海力士表示，这种方案可以实现高密度，但无法解决模拟运算所需多个电流水平难以区分的问题。² IT之家也阐述了传统电荷俘获氮化物与FeNAND铁电材料基础之间的区别。¹

FeNAND通过改变铁电材料的电气状态来控制存储单元电流。² 改变材料状态的外部电场撤去后，材料仍能保持极化。² SK海力士表示，与传统3D CTN NAND相比，铁电特性有助于更准确地设定多个电流水平，同时降低功耗。² 该公司还表示，单个FeNAND存储单元可以产生多种电流状态，并认为这一特性适合存储AI权重数据。¹ 因此，FeNAND的优势不仅在于其以不同方式存储信息，也在于其电流状态可能更适用于模拟计算。¹²

论文认为，仅仅改变存储单元本身还不够。² SK海力士指出，互连中的功耗损失和页面利用效率低下，都是可能限制性能的因素。² 该公司的研究提出，需要改进对存储单元电流水平的控制、字线上的切换负担以及页面的使用方式。² 论文并未将这些改进视为彼此孤立的措施，而是针对基于3D FeNAND的A-CiM，对存储单元、非存储单元和页面方案进行联合优化。² 这项协同设计是解读所报告性能比较的基础；所提供的资料给出了相同面积比较中的数值范围，而IT之家的内容则定性解释了A-CiM的优势。²

页面方案涉及计算数据的布局方式：研究将数据安排成一系列序列和单元，以避免不必要的切换。² 这种数据布局是整体优化的一部分，此外论文还介绍了存储单元和非存储单元方案。² 该公司报告称，采用这一综合方案后，基于3D FeNAND的A-CiM的计算吞吐量和能效均有所提高。² 报告中的比较对象是传统3D阵列，且芯片面积保持不变，因此描述的是在这一既定面积限制下的性能，而非不受限制的比较。² 吞吐量范围和能效范围衡量的是不同结果，所提供的资料分别报告了两者，并未以其中一项替代另一项。²

这则公告介绍的是一项研究成果，并不表示商业产品已经上市。² SK海力士的论文发表于2025年IEEE国际电子器件会议，而所提供的新闻室网页标注的发布日期为2026年10月14日。² 因此，该公司发布这项研究的时间，比论文发表的会议晚一年。² 另外5个所提供的新闻室网页显示了相同的研究标题和2026年10月14日这一日期，因此这些条目重复的是同一条发布信息，并不能证明存在不同的研究成果。² IT之家于10月15日报道称，SK海力士披露了这项研究，相关工作已发表于一篇IEEE论文；所提供的资料没有注明这一日期对应的年份。¹

该公司的解释将这些工程设计选择与更广泛的需求联系起来：AI模型需要大量存储权重数据，并且会反复读取这些数据。² 在这种情况下，高密度存储很重要，因为存内计算依赖于在进行处理的存储器内部或附近保存可用数据。² 这项研究的方案将三维FeNAND的高密度特性，与旨在减少数据传输、切换和页面利用效率低下的改进相结合。² SK海力士报告称，这一综合设计提升了吞吐量和能效；所提供的材料并未介绍产品发布。² 因此，这项成果是在既定芯片面积条件下进行的研究比较，所报告的优势归因于存储集成和数据传输量减少。²