港大研发原子级存内搜索芯片：速度超CPU亿倍，能耗降万倍

2026年8月，香港大学传出消息，一支研究团队成功研制出一款原子级厚度的模拟存内搜索芯片。在执行特定计算任务时，其处理速度约为通用中央处理器的1亿倍——这个数字，放在任何语境下都足够震撼。

那么，这块芯片到底厉害在哪里？

最关键的一点，它采用了高度简化的电路架构，能够在数据存储单元内部直接完成复杂搜索操作。这相当于彻底绕开了传统计算架构中那个老生常谈的“冯·诺依曼瓶颈”。在传统模式下，处理器和内存之间需要频繁地来回搬运数据，不仅响应时间被拖长，能量消耗也相当可观。而这项研究基于二维二硫化钼材料，构建了一种新型模拟内容寻址存储器。简单来说，输入数据可以与全部存储内容同步比对，一次操作就能完成检索并输出结果，效率提升不是一星半点。

对比一下传统方案，会更直观：传统基于静态随机存取存储器的内容寻址存储单元，通常需要集成多达十六个晶体管才能实现一个功能单元。而在这款新芯片中，仅需两个晶体管就能搞定，芯片物理尺寸自然被大幅压缩。这就像把一间堆满设备的机房，精简成了一个小巧的机顶盒。

当然，技术突破从来不是一蹴而就的。二维材料与外部电路连接时，高接触电阻问题一直是个“拦路虎”。研究团队这次选用了半金属锑作为电极材料，成功形成低阻通路，显著提升了信号传输效率。这个细节，恰恰是让整个方案从实验室走向实用的关键一步。

实测数据也相当亮眼。单次搜索延迟低至三十六皮秒——也就是0.000000000036秒。做个简单的类比：光在真空中的传播速度是每秒30万公里，1皮秒里光只能行进零点三毫米。而这块芯片完成一次搜索所需的时间，甚至不足以让光穿越芯片本体。至于单次操作能耗，低于零点一飞焦耳，较现有主流方案降低了逾万倍。速度更快、能耗更低、体积更小，这三个维度同时实现突破，确实不多见。

项目负责人李灿教授在介绍时提到，大型语言模型中广泛使用的注意力机制，其核心就是高并发、高频率的数据搜索过程。这类芯片具备嵌入终端设备的潜力，比如用于智能手机的人脸识别系统，实现原始数据本地化实时处理，无需依赖云端传输与运算。这意味着什么？隐私保护更强，响应速度更快，设备也更有机会集成更智能的功能。

该项成果已发表于国际纳米科技领域权威期刊《自然·纳米技术》。从论文到产业化，还有一段路要走，但至少，方向已经清晰可见。