芯東西（公眾號：aichip001）
編譯 劉煜
編輯 陳駿達(dá)

芯東西3月13日消息，3月12日，據(jù)《首爾經(jīng)濟(jì)日報(bào)》報(bào)道，英偉達(dá)與三星將聯(lián)手研發(fā)鐵電NAND，鐵電NAND可實(shí)現(xiàn)最高1000層堆疊，功耗最高降低96%，對于包括英偉達(dá)在內(nèi)的科技巨頭而言，研發(fā)鐵電NAND有望同時(shí)解決存儲芯片短缺與AI數(shù)據(jù)中心電力危機(jī)兩大難題。

市場研究機(jī)構(gòu)Omdia稱，全球NAND供應(yīng)量在2022年達(dá)到2138.7萬片晶圓的峰值，預(yù)計(jì)今年將降至1540.8萬片。即便到2028年，供應(yīng)量也僅能恢復(fù)至1761萬片，遠(yuǎn)跟不上AI算力激增的需求。

英偉達(dá)計(jì)劃在下一代Vera Rubin架構(gòu)的系統(tǒng)中，采用名為推理上下文存儲（ICMS） 的新型NAND器件，該計(jì)劃所需NAND占全球總需求的9.3%。而目前NAND短缺加劇，僅今年第一季度其價(jià)格就環(huán)比大漲90%。

▲Vera Rubin系統(tǒng)圖（圖源：英偉達(dá)官網(wǎng)）

不僅如此，AI算力的電力供應(yīng)危機(jī)也在持續(xù)惡化。國際能源署（IEA）稱，全球AI數(shù)據(jù)中心耗電量預(yù)計(jì)從2024年的450太瓦時(shí)左右升至今年的550太瓦時(shí)，到2030年將達(dá)到950太瓦時(shí)，近乎翻倍。

現(xiàn)階段，硅是制作包括NAND在內(nèi)的半導(dǎo)體器件的主流材料，需要較高電壓才能實(shí)現(xiàn)電極分離與信息處理。而鐵電材料無需高電壓，即可實(shí)現(xiàn)正負(fù)極分離的極化狀態(tài)。

用鐵電材料替代硅，僅使用更低的電壓就能支持更高密度堆疊，提升NAND的存儲容量，同時(shí)也能大幅降低NAND自身功耗。

為解析鐵電材料復(fù)雜的材料特性、設(shè)計(jì)最優(yōu)器件結(jié)構(gòu)以及充分發(fā)揮鐵電材料的優(yōu)勢，英偉達(dá)與三星共同開發(fā)了新的AI技術(shù)，該AI技術(shù)分析速度較現(xiàn)有方法提升1萬倍。

去年，英偉達(dá)宣布計(jì)劃設(shè)立新型計(jì)算基礎(chǔ)設(shè)施——加速量子計(jì)算（NVAQC）研究中心，同時(shí)與相關(guān)企業(yè)相合作。值得一提的是，該設(shè)施將GPU與量子處理器（QPU）相結(jié)合，能使量子計(jì)算相關(guān)任務(wù)的整體運(yùn)行效率最大化。

韓國特許廳（韓國主管知識產(chǎn)權(quán)事務(wù)的核心行政機(jī)構(gòu)）稱，過去的12年間，在韓國、美國、中國、日本和歐盟五大核心專利區(qū)域中，三星電子發(fā)布的鐵電器件專利申請量位居首位，達(dá)到了255件，占比27.8%。

據(jù)《首爾經(jīng)濟(jì)日報(bào)》發(fā)布的業(yè)內(nèi)消息稱，目前，三星電子NAND堆疊技術(shù)已達(dá)200–300層級別，未來將使用鐵電材料沖擊1000層堆疊的核心技術(shù)。

2025年11月，三星在國際權(quán)威期刊《自然》（Nature）雜志上發(fā)布了《用于低功耗NAND閃存的鐵電晶體管》文章，并正在推動(dòng)該款產(chǎn)品快速量產(chǎn)，以應(yīng)對日益增長的AI存儲需求。

除了科技巨頭企業(yè)在鐵電NAND的研究上有突破之外，中國的科研團(tuán)隊(duì)對其的研究也實(shí)現(xiàn)重要進(jìn)展。

今年2月，北京大學(xué)邱晨光、彭練矛團(tuán)隊(duì)于全球頂刊《科學(xué)》（Science）的官方子刊《科學(xué)進(jìn)展》（Science Advances）上發(fā)表論文，論文稱該團(tuán)隊(duì)已研發(fā)出全球最小的1nm鐵電晶體管。由此可見，鐵電器件領(lǐng)域的技術(shù)競爭同樣激烈。

結(jié)語：巨頭抱團(tuán)，鐵電NAND研發(fā)量產(chǎn)未來可期

目前，為避免AI算力芯片因存儲供應(yīng)不足導(dǎo)致供應(yīng)中斷，同時(shí)緩解AI數(shù)據(jù)中心客戶的成本壓力，英偉達(dá)正跳出單純的供貨合作模式，深化與三星的前瞻性技術(shù)聯(lián)合研發(fā)，鐵電NAND的量產(chǎn)或許能加速實(shí)現(xiàn)。

隨著AI算力核心從傳統(tǒng)GPU逐步向高帶寬存儲器（HBM）、NAND閃存等存儲芯片延伸，AI數(shù)據(jù)中心的發(fā)展愈發(fā)依賴產(chǎn)業(yè)鏈上下游協(xié)同。對建設(shè)和發(fā)展AI數(shù)據(jù)中心而言，升級存儲芯片已成為不可或缺的環(huán)節(jié)之一。