10月15日，SK海力士公布 3D FeNAND 实现模拟存内计算（A-CiM）的研究成果，相关论文已发表于 IEEE 会议。该技术利用堆叠式铁电存储结构，在存储阵列内直接执行矩阵向量乘法等计算任务，减少数据搬运并提升能效，被视为边缘 AI 推理场景的重要技术方向。
铁电材料 vs 传统氮化物：存储结构革新
3D FeNAND 的核心在于用铁电材料的极化状态存储数据并控制电流。与传统 3D NAND 采用电荷俘获氮化物（CTN）结构不同，铁电材料即使外部电场消失，其内部极化状态仍能保持稳定，从而在单个存储单元内产生多种电流状态，更适合 AI 计算所需的权重数据存储与就地运算。这一特性使 FeNAND 单元天然支持模拟域的乘积累加运算（MAC），无需将数据搬出存储阵列。
A-CiM 的能效优势与落地场景
A-CiM 的核心价值在于减少数据搬运。传统冯·诺依曼架构中，数据需在存储与计算单元之间反复迁移，功耗极高；A-CiM 则利用模拟信号直接在存储器内执行 MAC 运算，可显著提升处理速度与能效。SK海力士表示，该技术适用于对功耗敏感的边缘 AI 推理场景，兼顾一定算力密度与低功耗需求。与竞争对手相比，三星与美光也在探索类似存内计算路线，但 SK海力士率先将铁电材料与 3D NAND 堆叠工艺结合，理论上可实现更高密度存储与计算的融合。
延伸阅读
- SK海力士：2030年AI基础设施性能规模将增长约20倍2 天前
- SK 海力士拟在美建 NAND 厂换设备许可，大连厂 Mod B 区待扩充1 天前
- SK海力士3D FeNAND：铁电存内计算，吞吐提升10-20倍1 天前
- SK海力士：2030年AI基础设施性能规模将增长约20倍3 天前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- SK 海力士拟在美建 NAND 厂换设备许可，大连厂 Mod B 区待扩充2026-10-16
- SK海力士：2030年AI基础设施性能规模将增长约20倍2026-10-14
- SK海力士3D FeNAND：铁电存内计算，吞吐提升10-20倍2026-10-15