香港大學研究團隊成功研製一款原子級厚度的「模擬存內搜尋」晶片，處理特定計算任務時，速度比標準 CPU 快約 1 億倍。研究由港大李燦教授帶領，團隊透過全新晶片架構，將搜尋延遲大幅降低至僅 36 皮秒，同時解決傳統電腦搬運數據耗電極高的難題。港大團隊成功突破傳統電腦架構傳輸瓶頸，以極低能耗實現離線極速搜尋，未來有助提升智能電話人臉識別及 AI 運算效能與私隱安全。
▲ 港大研究團隊研發出原子級厚度晶片，大幅提升 AI 數據搜尋速度 （港大圖片）
突破馮紐曼瓶頸 2 個電晶體實現瞬間比對
傳統電腦架構長期受制於「馮紐曼瓶頸」（von Neumann bottleneck），處理器與記憶體之間需要不斷來回搬運數據，耗費大量時間與電量。港大團隊採用極簡架構，利用二維二硫化鉬（MoS2）快閃記憶體，研發出新型模擬內容尋址記憶體（CAM）。這類記憶體可在單一步驟內，將輸入資料與所有儲存資料同步比對，瞬間完成搜尋並傳回結果。傳統基於靜態隨機存取記憶體（SRAM）的 CAM 結構通常需要 16 個電晶體，團隊成功簡化至只需 2 個電晶體即可構建單元，大幅縮減晶片面積。
▲ 晶片接觸電極採用半金屬銻材料，有效降低電阻並提升傳輸效能。
採用半金屬銻電極 搜尋速度快至光速級
為克服二維材料連接電路時出現的「肖特基勢壘」難題，研究團隊特別採用半金屬銻作為接觸電極，建立極低電阻通道。實測數據顯示，搜尋延遲僅 36 皮秒（即 0.000000000036 秒）。由於光在真空中運行 1 皮秒僅能移動 0.3 毫米，意味搜尋完成時，光線甚至尚未穿透晶片本身。能耗方面，單次搜尋能耗低於 0.1 飛焦耳（fJ），比起傳統方案省電達上萬倍。
推動裝置端 AI 發展 人臉識別免上雲端
港大李燦教授表示，大型語言模型（LLM）的注意力機制本質上屬於搜尋過程。全新晶片極適合應用於智能電話人臉識別等日常場景，讓數據直接在裝置端快速完成處理，無需上傳至雲端伺服器，既能保障用戶個人私隱，又可解決網絡延遲問題。相關研究成果已正式發表於國際頂級學術期刊《Nature Nanotechnology》（自然·納米技術）。
資料來源：港大
