近日香港大学宣布研发出全新原子级算力芯片，特定任务计算速度比标准 CPU 快 1 亿倍，官方称有望重塑 AI 算力极限，不少人好奇这款芯片到底是什么来头，今天就给大家讲透细节。

这款芯片基于二维闪存打造，用到二硫化钼这类单原子厚度的二维材料，用二维材料作为晶体管沟道，能解决传统晶体管的短沟道效应，大幅提升栅极对电流的控制能力，让晶体管开关性能更强，开关电流差异更明显，解决了传统芯片漏电难判断的问题。值得一提的是，这项研究有复旦大学团队参与，技术路线和复旦的二维闪存存储方向不同，港大是用二维闪存做存内计算。

传统电脑用逻辑晶体管做数字计算，靠门电路实现加减乘除，而存内计算是直接用存储器件做计算。港大这款芯片用的是模拟计算，原理并不复杂：闪存本质是带浮置栅极的晶体管，写入电子会改变阈值电压，也就是改变电导。根据欧姆定律，电流等于电导乘以电压，相当于完成一次乘法；多条线路的电流汇总，就是求和，刚好对应神经网络的乘积累加运算，全程靠物理定律实现，速度和能耗都远优于数字计算。

这款芯片用的是模拟内容寻址存储器（CAM）架构，和传统内存的地址寻址完全不同。传统内存需要先确定数据所在位置，再拉取数据；而 CAM 可以在一个时钟周期内，将输入的查询指令和所有存储数据比对，直接得出相似度结果，适合搜索分类任务。大模型 Transformer 架构的注意力机制，本质就是比对查询指令和过往数据的相似度，刚好适配这种架构。

和传统 CAM 需要至少 16 个晶体管构建存储单元不同，港大的模拟 CAM 单元仅需两个二维闪存晶体管，体积和能耗都大幅降低。这款芯片的性能数据相当亮眼：比标准 CPU 快 1 亿倍，单个单元能耗仅 0.1 飞焦耳，延迟仅 36 皮秒。官方甚至调侃，芯片完成一次搜索时，光都没来得及跨越芯片本身。

从实际应用来看，这款芯片不涉及数据搬运，速度快能耗低，适合 AI 推理场景，尤其是轻量化本地化任务，比如手机人脸识别、本地数据检索、图片处理。不过距离支持大模型全量推理，还需要解决工程化和软件生态问题，最先落地的可能还是手机端的轻量化应用。

香港大学这款芯片走了一条新颖的技术路线，用二维闪存实现模拟 CAM 计算，给 AI 算力带来了新的可能性，在 AI 推理的节能赛道上，算是一个亮眼的新尝试。