新型存储，谁最有希望？
存储技术在现代计算系统中占据着核心地位，涵盖了从基础的数据存储到更为复杂的应用，如支持人工智能（AI）与机器学习（ML）的“内存计算”。这些技术最初仅为保存数据而设计，如今却在不断演进，以适应新兴的计算范式——内存计算，这种计算方式允许直接在存储阵列中进行数据处理。此举大幅提升了计算效率，因为它减少了处理器与存储器之间的数据传输，从而加快了处理速度并降低了能耗，这对于处理高强度任务的AI和ML系统来说尤为关键。正是这些严苛的性能需求，推动着技术创新，不断突破传统CMOS技术范式的局限，引领存储技术迈向新的高度。
新兴非易失性存储（eNVMs）技术展示了巨大的潜力，有望替代或提升传统的易失性存储器，如随机访问存储器（RAM）。不同于RAM在断电后数据即丢失的特点，eNVMs即使在电源切断或系统关闭的情况下也能保持数据的完整性。本文对多种新兴的存储材料和器件架构进行了全面综述，包括电阻式随机存取存储器（ReRAM）、磁性随机存取存储器（MRAM）、铁电随机存取存储器（FeRAM）以及相变存储器（PCM）。此外，文章还探讨了基于二维材料和有机材料的创新型eNVMs，并分析了从传统数字计算向类突触计算的演变，以及这一演变如何为解决人工智能在推动科研突破中所面临的技术瓶颈提供新的可能。本文对当前的技术进展、发展方向以及需要解决的主要挑战进行了系统性的剖析。
在步入后CMOS微电子时代之际，一个备受瞩目的挑战是如何突破冯·诺依曼计算架构的束缚（参见下图）。当下，迫切需要一种具备多种优势的新型存储器，它不仅要能与现有的CMOS工艺流程相兼容，还需打破静态随机存储器（SRAM）和闪存在规模上的瓶颈。拥有这些特性的存储技术，将能够灵活应用于模拟与数字处理中的独立存储或嵌入式存储。依据2022年发布的《国际器件与系统路线图（IRDS）》报告，这类技术有望引领计算架构领域的重大变革。
非易失性存储器的研究可以追溯到20世纪60年代，当时的研究主要集中于电荷存储设备。这一研究领域在接下来的几十年里持续受到关注，直到2010年，嵌入式半导体存储技术成功缩小至28纳米节点。然而，由于电荷泄漏问题的出现，进一步的微缩化发展遇到了阻碍。非易失性存储器的关键优势之一在于其卓越的数据保持能力，这一特性通常通过数据能够被保持的时间长度来衡量。
电荷型存储器因难以实现纳米级层厚，技术关注点已转向NAND闪存的三维堆叠结构及新兴存储器。图1c展示了六类主要新兴存储技术，按成熟度从高到低依次为：新型磁性存储（MRAM）、铁电存储（FeRAM）、基于氧化物的电阻式存储（ReRAM），这些技术已具备商用验证条件。尚处于早期发展阶段的有相变存储器（PCM或PRAM）、导电桥式存储器（CBRAM）、二维材料存储器（2D RAM）、有机和分子存储器，其中分子级存储技术如莫特存储器和DNA数据存储仍处于初步探索阶段。
由于具备非易失性、字节寻址、高密度、高可扩展性和近乎零的待机功耗等独特特性，基于存储的计算和处理将在未来的计算系统中扮演着不可替代的角色。随着类突触存储器的迅猛发展，未来将其与新兴存储器技术相结合，有望彻底重塑计算架构，从而大幅提升系统性能、能效和处理能力。这一技术进步将适用于从存储系统到边缘计算与云环境、数据库系统乃至区块链去中心化应用的各个层面。
新兴存储技术如FeRAM、ReRAM、MRAM、PCM和OMRAM为特定应用提供了多种选择，设计者可按需配置。每种技术都有独特优势，如耐久性、能效等。针对高温环境的非易失性存储器研究满足了极端条件下的可靠运行需求，拓展了存储器在恶劣环境下的应用。二维材料因其独特的物理特性和可扩展性，成为存储技术的新路径，有望革新存储设备。ReRAM和类突触存储器支持内存计算，具备非易失性，适合边缘计算系统。这些技术适用于类脑计算和自适应系统，能实现硬件学习和实时响应，提升物联网设备的可靠性并实现即时唤醒功能。随着对智能、去中心化系统的需求增加，xRAM和类突触存储器的应用前景广阔。
将非易失性存储器（NVM）技术集成到柔性基底上，近年来备受关注，特别是在可穿戴电子设备、软体机器人和物联网（IoT）系统中。这类系统要求存储器能在断电后保留数据，并承受机械形变。在众多NVM技术中，ReRAM和FeRAM在柔性平台上表现突出。ReRAM因其简单结构和低温工艺兼容性，在聚合物基底上展现出优异的机械耐久性和数据保持能力。FeRAM则具备低电压开关和稳定的极化状态，经数千次机械循环后仍保持可靠性。有机和分子存储技术也在迅速发展，展现出在AI边缘计算和类生物设备中的潜力。这些材料能模拟生物神经元和突触的响应功能。随着材料与制造技术的进步，如喷墨打印、转印技术和室温沉积工艺，人们已能在塑料基底上直接制造非易失性存储器。混合材料系统进一步提升设备在应力条件下的性能。尽管如此，仍面临长期机械可靠性、数据保持和系统集成等挑战。未来的研究将集中于单片集成、增材制造和封装方法，以实现动态环境下的稳定运行。随着这些障碍的克服，柔性NVM将成为可适应环境电子设备的核心，结合有机和分子存储技术，实现AI计算能力在分布式计算与传感系统中的拓展。制约新兴存储技术应用的关键知识空白包括消除材料杂质与不均匀性，这些因素会影响设备性能和可靠性。
新兴存储材料的制造常在超高真空环境中进行沉积工艺，以确保精度和避免污染。一体化的沉积与表征工具能实现无缝衔接，保持材料纯净和功能完整，提升存储器性能，延长工作寿命和可靠性。理解存储器件材料的属性至关重要，开发早期的错误可能导致后续性能问题。新兴存储技术需实现快速低能耗的开关，确保数据高效写入读取，编程后需保持稳定，确保内存计算可靠。表征技术的改进，如原位测量和统计分析，有助于理解材料行为，提升存储器件一致性可靠性。多通道测试系统的发展促进了高效精确的测试，满足AI模型计算需求，降低能耗。每项进展应对特定挑战，奠定未来创新基础。随着技术演进，推动计算能力发展，预示新时代到来。存储技术发展揭示创新突破和挑战，挑战包括材料合成、制造精度与表征、器件可扩展性与寿命、多模态表征、器件互连性及兼容性、封装与异构集成。材料合成需选择能承受极端条件并满足AI/ML计算需求的材料，精确成分确保稳定功能。AI/ML方法可加速复合材料选择，制造精度控制避免缺陷，维持超高真空防止污染，高质量材料提供稳定性、可重复性和可扩展性。
由于二维（2D）材料具有独特的电学、机械和热学特性，对新兴非易失性存储（eNVM）技术至关重要。其原子级薄度突破了传统半导体的缩放极限，实现超高密度和低功耗存储。石墨烯、MoS₂、WS₂和六方氮化硼等材料具备高载流子迁移率、可调节带隙及开关特性，适用于eNVM器件。此外，其机械柔性和化学稳定性适用于柔性和可穿戴电子产品。这些特性使得下一代存储器件的实现成为可能，具备快速切换速度、优异的耐久性和保持能力。然而，稳定生产大面积、高质量的单晶二维材料面临挑战，需开发有效封装和保护策略，并与CMOS技术集成。先进表征技术对于实现商业可行性和制造精度至关重要，实时原位测量对理解器件动态交互也至关重要。开发在极端温度下运行的存储技术及将存储技术与其他高温元件集成，均面临挑战。测试系统需能处理高并行度，以满足AI应用需求。集成具备内存计算能力的存储器件到AI硬件平台，需克服系统架构和器件互操作性障碍。开发支持AI应用密度的互连技术及先进键合技术，也是一项艰巨任务。
现代计算系统以速度、精度和逻辑确定性为目标，虽在传统任务中表现出色，但在应对AI、ML和IoT等数据密集型应用时面临压力。传统冯·诺依曼架构的“内存墙”问题限制了系统性能，这促使人们对类脑计算范式产生兴趣，特别是那些能利用突触行为实现本地化与高能效计算的架构。
从数字到类突触的转变是指从基于逻辑的数字运算转向模拟或事件驱动的类突触行为，模仿生物计算。在当前混合系统中，模拟和数字输入被转换为类突触信号，如电流脉冲，直接控制忆阻或类脑器件中的存储状态或神经元激活。这种转变已在边缘AI设备、类脑协处理器和交叉阵列中显现，将存储与处理结合在单一物理层中，通过生物启发机制实现内存计算和实时学习。然而，模拟与数字转换增加了能量需求，降低了系统熵。在模拟信号接收系统中，模拟信号直接转换为脉冲，促进完全类突触系统发展，处理和计算由稀疏、异步和局部交互主导，类似于人脑。未来AI系统将采用端到端模拟计算，消除对集中式数字逻辑的需求。脉冲神经网络和事件驱动架构有望主流化，与新型传感器集成，形成实时响应和适应的闭环系统，提升能效、响应速度和适应性，适用于自主智能体、智能传感器和可穿戴设备。在数字信息传输系统中，这一转变标志着计算观念和实现方式的根本变化，数字逻辑作为类突触过程的接口。随着材料、器件和算法进步，类突触计算将实现新一代智能、分布式和自适应系统，拓展AI、ML和IoT能力。