首尔国立大学研制新型AI半导体 单一器件实现生成式AI两核心能力

韩国首尔国立大学研究团队近日发布一项半导体技术成果，首次在基于铁电存储器的单一器件平台上，同时实现生成式人工智能（AI）所需的随机采样与稳定计算两大核心能力。相关论文已发表于最新一期《自然·通讯》杂志。

关键技术：铁电存储器平台

铁电存储器是一种利用铁电材料极化状态来存储数据的非易失性存储器。传统上，生成式AI的随机采样（用于产生多样化输出）与稳定计算（用于保证推理精度）依赖不同的硬件模块，而本次研究通过单一器件架构将两者整合。

“我们首次在单一器件平台上实现了生成式AI的两大核心能力——随机采样与稳定计算。”——论文团队描述

产业影响简析

• 业界观点认为，单一器件架构有望降低生成式AI硬件系统的复杂度与功耗。
• 该成果为后续通过铁电存储器构建更高效的神经形态计算方案提供了实验基础。

研究团队利用铁电存储阵列在单芯片实现生成式AI 重复操作约10万次性能稳定

据科技日报报道，研究团队近日在半导体芯片直接实现生成式AI方面取得技术突破。传统AI芯片因难以同时处理随机采样与稳定计算，导致系统臃肿、功耗增加，而该团队利用基于氧化铪的铁电存储器阵列，在15厘米晶圆上成功验证了两种功能的兼容运行。

随机性与稳定性的“珠联璧合”

传统AI芯片普遍针对确定性计算（如分类与推理）进行优化，生成式AI模型则需对潜在空间进行随机采样，这通常需外部软件或其他器件处理，增加了芯片面积、布线复杂度、功耗和时延。研究团队巧妙利用铁电存储器的电压依赖性：在较高电压下，器件涌现强烈的随机电报噪声（RTN），恰可用于随机采样；较低电压下，RTN被抑制，器件依托非易失多级电导态，实现稳定可靠的矢量—矩阵乘法计算。

“随机电报噪声（RTN）”是一种随机的电流波动现象，在半导体器件中可作为天然随机数源，用于生成式模型所需的采样步骤。

铁电存储器则是一种利用铁电材料极化状态存储数据的非易失存储技术，其特点是与主流互补金属氧化物半导体（CMOS）制造工艺兼容，易于扩展。

15厘米晶圆验证人脸图像生成

团队在15厘米晶圆上制造铁电存储器阵列，通过精心调节电压与采样时间优化潜在向量分布，并将该系统应用于变分自编码器，借助人脸数据集生成图像。结果显示，系统能自然生成折射不同面部特征的图像，并且即使经历约10万次重复操作，生成性能依然稳定。

产业应用前景

团队表示，该研究首次证明随机采样与稳定计算这两个长久分离的功能，能在与CMOS工艺兼容的铁电存储器平台上实现。这一AI半导体技术有望提升片上生成式AI加速器、神经形态系统以及低功耗边缘AI芯片等应用的效率并降低能耗。