NAND闪存已经成为固态存储的现行标准,并且正在向3D立体堆叠和更新工艺迈进,不过它也存在诸多问题,尤其是寿命随着工艺的先进化而不断缩短,TLC格式也引发了诸多质疑,因此研发一种可取而代之的新式非易失性存储技术势在必行。
这其中最有希望的就是电阻式RAM(简称RRAM),三星、闪迪等巨头都在投入,但走在最前列的是一家美国创业公司Crossbar。
Crossbar成立于2010年,总部位于加州生克拉拉,已融资5000多万美元。公司的很多创业人员都来自密歇根大学,首席科学家、联合创始人Wei Lu(卢伟)就是那里的副教授。团队现有40-45人,大多都有深厚的半导体研发背景。

RRAM相较于NAND最大的优势就是更好的性能、寿命。NAND的读取延迟一般在几百微妙级别,Crossbar宣称他们可以做到最低50纳秒,也就是加快了上万倍。
RRAM的编程/擦写循环更是可以达到数百万次,初期也能做到10万次左右,NAND闪存现在只有区区几千次。

令人欢欣鼓舞的最新消息是,Crossbar宣布他们的RRAM已经开始进入商业化阶段,也就是有了可用的成品芯片,并证明自己能够进入工厂量产。
Crossbar初期准备面向嵌入式市场,授权给ASIC、FBGA、SoC开发商,预计首个样品2015年初出炉,2015年底或2016年初量产。
除了授权,Crossbar还在开发自己的芯片,容量和密度更高,大概会在2017年面世。

更美妙的是,RRAM可使用常规的CMOS工艺制造,只需稍加调整即可,几乎任何现有晶圆厂的生产线都可以直接利用,有利于控制成本。NAND,尤其是3D立体堆叠的NAND,则需要昂贵的特殊工具,所以能生产的公司寥寥无几。
此外,RRAM不会有NAND工艺越先进、制造越困难、寿命越短、性能越低的尴尬。NAND之所以非要3D堆叠,唯一原因就是平面NAND在越过15nm工艺之后寿命和性能的损失将无法接受,RRAM则至少可以走到4-5nm,且期间不会有任何问题。
事实上,Crossbar已经在实验室里展示了8nm RRAM芯片。
RRAM当然也可以立体堆叠,能够大大提升存储密度,同时还设计了独特的选择器(Selector),来避免潜通路电流(sneak path current)的干扰——读取某元件状态时,会受到附近元件电流的影响,导致读取错误。
Crossbar现在只做了3层,但是商业化量产时至少会有16层,单颗容量可达1Tb(128GB)。



好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。