在人工智能和大数据时代，算力需求呈指数级增长。然而，传统冯·诺依曼架构中“处理器”与“存储器”物理分离的设计，导致 80% 以上的能耗和延迟都消耗在数据的传输上，这就是著名的“存储墙（Memory Wall）”问题。存算一体（Compute-in-Memory, CiM）技术通过在存储阵列内部直接执行逻辑运算，实现“数据即计算”，被视为解决这一瓶颈的革命性方案。它被广泛认为是实现端侧低功耗 AI、自动驾驶和超大规模神经网络推理的核心技术之一。
存算一体芯片的大致架构
逻辑器件和存储器件是构建集成电路的两大底层元器件。逻辑单元构成芯片的“运算与控制中枢”，存储单元构成芯片的“数据仓库”，两者占集成电路市场规模的70%以上。在摩尔定律的驱动下，逻辑晶体管通过制程微缩和架构迭代，性能不断提升，当前业界已实现2纳米节点逻辑芯片量产，并且CMOS晶体管在0.7V的低电压下工作。然而相比之下，非易失性存储器几十年来性能发展相对滞后，主流的非易失性Flash存储技术难以微缩到先进节点；最为关键的是，Flash存储需要在5V以上高电压下完成数据擦写。因此，现有芯片必须在逻辑单元和非易失存储之间集成升降压电路以完成工作电压转换，这带来了额外面积开销、能耗增加等一系列问题。更为重要的是，现代AI芯片架构的核心在于数据流优化，逻辑和存储之间的电压不匹配直接导致数据交互不畅通，严重拖累了AI芯片算力，并大幅增加了能耗。
逻辑与存储芯片的电压演进与业界兼容的纳米栅铁电存储结构展望
铁电晶体管利用铁电材料的极化翻转实现数据存储，是后摩尔芯片技术中极具潜力的半导体存储器，受到学术界和业界广泛关注。凭借极化双稳态存储机制和三端晶体管结构，有望构建非易失性存算一体架构，实现存储与高速计算的完美结合，是破解“存储墙”和实现人工智能底层架构革新的关键新技术。然而迄今为止，受限于平板铁电体矫顽电压的物理限制，传统铁电晶体管仍需用1.5V以上电压实现铁电极化翻转和数据擦写。尽管优于Flash，但常规铁电晶体管理论上无法降低电压到0.7V以下，即无法匹配到逻辑电压水平。如何实现亚0.7V的超低电压存储技术，是突破存储墙瓶颈和提升AI芯片算力的关键。
纳米栅铁电晶体管的超低电压电学表征