港大研制出原子级模拟存内搜索芯片，处理速度较标准CPU快1亿倍

在人工智能与大数据时代，传统计算机硬件正面临严峻的“冯·诺依曼瓶颈”：处理器与内存之间频繁的数据搬运不仅耗时，更造成了巨大的能耗浪费。针对这一制约算力进一步发展的核心痛点，香港大学李灿教授团队近日公布了一项突破性成果——成功研制出一款原子级厚度的“模拟存内搜索”芯片。该芯片采用极简架构，可直接在数据存储位置完成复杂搜索，在处理特定计算任务时，速度比标准CPU快约1亿倍，为下一代高效能、低功耗AI硬件提供了清晰的发展蓝图。这项突破性研究已刊发于国际顶级期刊《自然·纳米技术》，硬核实力获得了全球学界的认可。

可能很多人好奇：1亿倍提速到底是什么概念？这款芯片凭什么实现颠覆性突破？

其实，答案就藏在它的运算逻辑里！

（图片来源：香港大学官网）

在计算机领域，传统芯片因受制于“内存墙”问题而面临性能天花板，这便是业界熟知的冯·诺依曼瓶颈。处理器和内存是相互独立的2个模块，每一次数据运算都需要在两者之间反复搬运、传输数据。这个来回流转的过程，不仅极大拖慢了运算速度，还造成了大量能耗浪费，这也是多年来芯片性能难以跨越式提升的核心症结。而港大的这款全新芯片，直接从架构上绕开了这一痛点。

该团队创新性采用二维二硫化钼（MoS₂）闪存，打造出新型模拟内容寻址存储器（CAM）。不同于传统运算模式，它可以直接在数据存储位置完成复杂搜索运算，无需迁移数据。更厉害的是，它能在单个步骤内将输入数据与所有存储数据同步比对，瞬间输出精准结果，运算效率实现了质的飞跃。

在核心硬件设计上，这款芯片更是做到了极致精简。传统高端CAM存储单元，完成基础运算需要16个晶体管堆叠，结构复杂、体积庞大、成本高昂。而港大团队攻克技术难关，仅用2个晶体管就能构建1个完整单元，直接大幅压缩了芯片体积、提升了集成度，为微型智能设备适配打下基础。

不仅如此，为解决二维材料接入电路时的“肖特基势垒”难题，该团队还创新采用了半金属锑作为接触电极，成功搭建出极低电阻传输通道，彻底打通了数据传输壁垒，让芯片运行更稳定、更高效。

而最震撼的还是它的实测数据，每一项指标都刷新了行业极限：这款原子级芯片的搜索延迟仅36皮秒（0.000000000036秒），鉴于光在真空中每皮秒仅行进0.3毫米，这意味着芯片完成一次搜索运算的时间，甚至比光线穿过芯片自身所需的时间还要短。

在实现极致性能输出的同时，其能效管理也达到了行业顶尖水平，单次搜索能耗低于0.1飞焦耳。相比传统芯片方案，能耗降低上万倍，真正实现了“极速运算+超低功耗”的双重突破。

这项技术绝非实验室噱头，未来落地场景和价值极具想象空间。港大李灿教授表示，大语言模型的注意力机制，核心本质就是高频数据搜索运算。这款芯片的诞生，恰好精准适配了AI算力的核心需求。未来可广泛应用于智能手机面部识别、终端AI运算等场景，实现所有数据在设备本地直接处理，无需上传云端。

这意味着，未来智能设备的AI响应速度会更快，同时彻底规避了云端数据传输的隐私泄露风险，兼顾高效与安全。

从突破传统芯片架构桎梏，到极简硬件设计、极致能效表现，港大这款原子级芯片，不仅攻克了长期困扰业界的算力瓶颈，也为下一代存算一体芯片、轻量化AI终端的发展，开辟了全新赛道。