根據《GIGAZINE》報導，劍橋大學研究團隊受人腦啟發，開發出一款新型晶片，有望大幅降低人工智慧（AI）的能耗。該晶片採用一種稱為「酸化哈夫尼烏姆記憶電阻器（memristor）」的技術，其開關電流僅為傳統裝置的百萬分之一，理論上可讓AI運算效率大幅提升、能源消耗急劇降低。

2026年3月20日，劍橋大學在《Science Advances》期刊發表論文，介紹他們研發的這種記憶電阻器。其關鍵在於開發出一種多成分薄膜，該薄膜結合P型與N型半導體的pn接合界面，並透過兩段式製程形成穩定結構。此技術使晶片能在納安培（nA）以下的微小電流下運作，並實現數百種導電率的變化。

記憶電阻器是一種「兩端裝置」，可於同一物理位置進行資料儲存與處理，避免傳統電腦架構中資料在記憶體與處理單元之間頻繁傳輸所產生的高能耗。根據研究團隊說明，這項技術若應用於神經模擬（neuromorphic）系統，將有助於減少70%以上的運算電力。

與現有酸化哈夫尼烏姆記憶電阻器不同，劍橋團隊採用創新方法，透過加入鈧與鈦元素，並利用自組織的pn接合界面，有效解決了傳統裝置在電流切換時的不一致性與計算精確度問題。團隊指出，傳統裝置因電流通道行為隨機而不穩定，而他們的技術則因在「界面」上進行切換，實現高度穩定性與一致性。

此外，該記憶電阻器已證實具備每秒10萬小時以上的資料保存能力、5萬次以上的電脈衝操作耐久性，並能在僅1伏特電壓下實現數百種導電率變化，媲美生物神經訊號傳導。

然而，目前成膜過程需高達700°C的溫度，超出標準CMOS製程的容許範圍。研究團隊表示，正在積極尋找降低製程溫度的方法，使其符合業界標準。

劍橋大學已透過劍橋創業平台（Cambridge Enterprise）為此技術申請專利，預計未來將對半導體產業與AI領域產生深遠影響。

📰 本文資料來源 • GIGAZINE