每一天無論我們是在微信聊天記錄里找一句話，還是在手機相冊里找一張照片，背后都是手機在一行一行比對數(shù)據(jù)，這個過程不僅費電而且費時。

如果有一種芯片能在存儲數(shù)據(jù)的地方直接完成搜索，不需要把數(shù)據(jù)搬來搬去，速度能快多少？能耗又能節(jié)約多少？近日，香港大學(xué)李燦教授和合作者造出了一種名為模擬內(nèi)容尋址存儲器的芯片，在搜索上快了大約一億倍。

圖 | 李燦（來源：受訪者）

該芯片由二硫化鉬這種比發(fā)絲還細(xì)幾萬倍的二維材料打造而來。芯片里集成了 256 個閃存單元，組成一個 8×16 的陣列。當(dāng)你輸入一個查詢值，所有存儲單元同時開始比對。而且，該模擬芯片單元存儲的不是數(shù)字計算機上的 0 和 1，而是我們直接感知世界的連續(xù)模擬值。

比對的過程中，哪個單元里的數(shù)據(jù)是匹配的，對應(yīng)的那條路線就保持高電壓。哪個單元里的數(shù)據(jù)是不匹配的，對應(yīng)的那條線路電壓就會瞬間降低。整個搜索過程只需要 36 皮秒。

一皮秒是一萬億分之一秒，光在真空中一皮秒只能走 0.3 毫米。也就是說，這幾個芯片完成一次搜索的時間，光還沒來得及從這頭跑到那頭。

此次芯片的能耗同樣驚人，每搜索一個單元，只消耗不到 0.1 飛焦。一飛焦是一千萬億分之一焦耳，這種級別的能耗，比傳統(tǒng)靜態(tài)隨機取存儲器做的內(nèi)容尋址存儲器低了上萬倍。

（來源：https://doi.org/10.1038/s41565-025-02089-7）

李燦告訴 DeepTech：“從應(yīng)用端來看，搜索有很大的價值。一方面是數(shù)據(jù)庫搜索，另一方面和人工智能里面的注意力機制相關(guān)。注意力機制是支撐大語言模型的 Transformer 模型的 building block，本質(zhì)上就是去學(xué)習(xí)到的壓縮知識里面做搜索，然后取出來。我們在論文里演示的 KNN 分類應(yīng)用也很有解釋性，可以用于醫(yī)療診斷等對安全性非常敏感的應(yīng)用。同時，在大數(shù)據(jù)時代大規(guī)模搜索也有很強的需求。”

為什么能夠這么快和這么省電？關(guān)鍵在于他們優(yōu)化了晶體管和金屬之間的接觸。

在傳統(tǒng)芯片里，金屬電極和半導(dǎo)體材料接觸的地方，會形成一個叫做肖特基勢壘的障礙，這就像一堵墻，電子要翻過去才能流動。這堵墻會讓電阻變大、電流變小、速度變慢。

他們選擇使用銻這種半金屬作為電極。銻有個特點，它的電子態(tài)密度幾乎為零，能夠抑制金屬誘導(dǎo)的能隙態(tài)，把費米能級從釘死狀態(tài)解放出來。簡單說，就是那堵墻被拆掉了，電子可以自由進出，接觸電阻降到只有 400 到 700 歐姆每微米，接近了理論極限。

結(jié)果就是，單個閃存單元的開態(tài)電流能夠達(dá)到 60 微安每微米，開關(guān)比超過 10 的 9 次方，這組數(shù)字在同類二維材料閃存里是最高的。

有了這么猛的器件，他們搭出了 256 個單元的陣列，成品率為 89.45%，每個單元的閾值電壓可以被精確調(diào)節(jié)，存成不同的值。在搜索的時候，輸入電壓落在哪個單元的范圍內(nèi)，那個單元就判定為匹配。

（來源：https://doi.org/10.1038/s41565-025-02089-7）

為了驗證這套系統(tǒng)能否用在真實場景，他們做了一個 k 近鄰分類的演示。把四個經(jīng)典數(shù)據(jù)集的手寫數(shù)字、鳶尾花、乳腺癌、葡萄酒的特征值存入芯片，然后輸入查詢向量。結(jié)果芯片直接算出漢明距離，也就是算出了兩個向量有多少位不同，然后找出最近的三個鄰居投票決定分類，準(zhǔn)確率分別是 98.89%、93.33%、97.37% 和 100%。

他們還展示了兩個進階版本。一個是雙柵結(jié)構(gòu)的閃存，上下兩個柵極都能控制溝道，開關(guān)比又提高了一個量級，電流也更大。另一個是三維堆疊的互補閃存，把 n 型的二硫化鉬和 p 型的二硫化鎢上下疊起來，做成一個單元。這一面積可以節(jié)約一半，互連更短，延遲更低。

（來源：https://doi.org/10.1038/s41565-025-02089-7）

那么，這套技術(shù)能用在哪里？最直接的場景是邊緣計算。手機、攝像頭、傳感器這些設(shè)備，不需要把數(shù)據(jù)傳到云端，直接在本地就能快速搜索對比。比如刷臉解鎖，設(shè)備里存了你的臉部特征向量，然后可以和攝像頭剛拍攝到的特征向量做對比，找到匹配的就予以通過。整個過程都在芯片里完成，不用上傳隱私，也不怕網(wǎng)絡(luò)延遲。

還可用于網(wǎng)絡(luò)路由。數(shù)據(jù)包過來之后，要通過查詢路由表決定往哪里轉(zhuǎn)發(fā)。傳統(tǒng)方式是一行一行對比，速度非常慢吞。而使用內(nèi)容尋址存儲器，所有表項可以同時對比，一個時鐘周期就能找到匹配的下一跳。

再比如數(shù)據(jù)庫加速、機器學(xué)習(xí)推理、基因序列對比，只要是需要快速查找相似數(shù)據(jù)的場景都有用武之地。

（來源：https://doi.org/10.1038/s41565-025-02089-7）

當(dāng)然，距離真正走進手機還有一定距離。目前的陣列只有 256 個單元，要跑到上百萬甚至上億，還得解決良率、封裝、驅(qū)動電路等一系列工程問題。但至少原理走通了，性能數(shù)據(jù)也擺在那里。

李燦表示：“注意力機制本質(zhì)上也是搜索，我們也在探索能不能用搜索機制來實現(xiàn)大模型，這樣二維材料高性能搜索硬件就更有優(yōu)勢。同時，我們也會持續(xù)跟二維材料和存內(nèi)計算以及 AI 硬件的工業(yè)界溝通，看看有沒有商業(yè)化的機會?！?/p>

參考資料：

相關(guān)論文 https://doi.org/10.1038/s41565-025-02089-7

排版：劉雅坤