
初创公司 Nagare Labs 认为,这项新的存储技术适用于数据中心和机器人领域。
帕特·基辛格对失败的内存技术早已司空见惯。"我们已经三十年没有出现过新的内存技术了,"这位前英特尔首席执行官说道。SRAM、DRAM 和闪存至今仍占据主导地位。基辛格亲眼见证过多种潜在替代方案的兴衰,最近的例子就是英特尔的"通用内存"Optane,它最终以失败告终。
不过,如今担任风险投资公司 Playground 普通合伙人的基辛格认为,人工智能正在迫使人们重新思考整个计算堆栈,而内存是这种转变的关键部分。Playground 投资了 Nagare Labs。这家从佐治亚理工学院衍生出来的公司,正在研发一种名为 Z2RAM 的原型内存技术。 Z2RAM 并非要取代现有内存,而是尝试在现有内存堆栈中增加一个新层。对于人工智能工作负载以及其他需要低延迟的任务,这一层可能相当有用。
"这相当于增加了一个 SRAM,而不是取代 DRAM,"佐治亚理工学院教授、前英特尔晶体管研究员苏曼·达塔(Suman Datta)表示。达塔与同事 Shimeng Yu 共同创立了 Nagare Labs。该公司于 10 月 26 日结束隐身模式,并获得了由 Playground 领投的 500 万美元融资。
Z2RAM 如何实现更快的内存
Z2RAM 的名称本身就描述了它的设计。Datta 解释说,"Z2"指的是两个 Z:第一个 Z 代表沿 z 轴(垂直方向)堆叠,第二个 Z 代表零电容。
传统 DRAM 单元把一位数据以电荷的形式存储在电容器上。读取这一位会消耗电容器的电荷,所以每次读取之后都必须把数据重新写回。Datta 表示,这使 DRAM 的访问时间延长到 40 到 50 纳秒。
Z2RAM 则摒弃了电容,每个存储单元使用两个晶体管。第一个晶体管负责写入数据位,第二个负责读取,而且读取过程不会干扰数据位。两个操作不再像 DRAM 那样共享端口,也就不会出现"每次读取耗尽电容、再触发一次写回"的情况。此外,把电荷施加到读取晶体管的栅极上还能放大信号,因此即使存储电荷很小,也能被快速检测到。
Datta 表示,这种新设计在最佳情况下可实现 1 到 2 纳秒的读取速度,比 DRAM 快得多。 它的速度仍然不及 SRAM,但密度潜力更高。SRAM 单元与所属处理器在同一前端设计流程中构建,每多一个比特,都要占用昂贵的逻辑芯片面积。而且 SRAM 单元的尺寸也越来越难以缩小。
Nagare 的思路是把比特堆叠起来。第一代 Z2RAM 将采用六层堆叠,目标密度为每平方毫米 185 兆比特。Datta 表示,这大约是 SRAM 密度的五倍。他预计,公司最终可以堆叠多达 106 层。如果可行,Z2RAM 的密度将是 SRAM 的 90 倍。
堆叠之所以可行,Datta 解释说,是因为 Z2RAM 的晶体管可以用等离子体增强原子层沉积技术,在低于 450 摄氏度的温度下制造。这个温度虽然不低,但仍然足够低,可以在已完成的 CMOS 晶圆上添加存储层而不损坏晶圆。Nagare 的计划是先用成熟的逻辑工艺流片存储器的控制电路,再在其上构建存储阵列,每个光刻步骤生成多层。最终的芯片可以作为芯片组键合到处理器上。
克服 Z2RAM 的内存稳定性难题
Z2RAM 的目标仍面临显著的技术挑战。 Datta 指出,写入操作结束、写入晶体管关闭时,其控制线上的电容耦合会扰乱存储的电荷,缩小读取位的裕量,并可能导致读取错误。
Nagare Labs 的解决方案,是在每个存储单元内部使用获得专利的金属屏蔽罩,把晶体管隔开。但屏蔽罩并非没有代价:它会增加每个存储单元的物理宽度,从而降低内存密度。Z2RAM 希望通过垂直堆叠来缓解这个问题。
稳定性是另一个潜在的障碍。"目前氧化物半导体晶体管面临的最大挑战,是偏置和温度应力下的阈值电压稳定性,"Datta 说。如果晶体管的导通电压发生漂移,存储的比特就可能被错误读取。要解决这个问题,需要同时调整沟道、栅极堆叠和触点。Nagare 仍在尝试多种配方,包括氧化铟镓(有时添加锌)以及掺钨氧化铟,以找到最佳方案。
把 Z2RAM 与处理器连接起来是最后一道难关,因为目前还没有关于这种新型内存如何连接到 AI 芯片的标准。Datta 认为,高带宽内存提供了一个契机,因为业界正在从标准设计转向定制设计。内存设计通常遵循行业标准组织 JEDEC 的规范,但对于寻求与 AI 加速器配套内存的公司来说,定制方案更为合适。
Z2RAM 面向边缘 AI 与机器人的低延迟需求
对基辛格来说,接下来的里程碑很明确:把设备从大学实验室带出来,找到一家制造合作伙伴,并在标准的 300 毫米晶圆上完成演示。他表示,Playground 提供的 500 万美元只是 Nagare Labs 完成工作所需资金的开始。"这将是多笔真正的资金投入,"他说。Datta 对此表示赞同:"这家公司需要大量的资金和时间。"
除了数据中心的 AI 加速器(目前所有内存技术都瞄准了这一市场),Datta 还看到了机器人领域边缘 AI的机遇。他指出,机器人可能会使用一种视觉模型,这类模型不需要太大的内存容量,却需要极低的延迟才能实时感知环境,而这样的系统可能非常适合 Z2RAM。
不过,Datta 目前的重点,是走完从研发到 Z2RAM 首款商用存储芯片的艰难道路,这可能还需要数年时间。"我总是告诉我的学生,应用最终会如何发展,取决于你们的技术能力,"他说。