SK海力士模拟显示：3D FeNAND通过铁电层实现模拟存内计算，可运行AI运算，吞吐量约10–20倍、能效约4,000–5,000倍（模拟结果）
SK海力士的模拟结果显示，NAND可用于运行AI运算：其3D FeNAND将电荷捕获层替换为铁电层以实现模拟存内计算（A-CiM），模拟中吞吐量约为10–20倍，能效约为4,000–5,000倍。此结果为模拟数据，来源未说明任何生产或商用计划，也未说明相关日期。
- 相关厂商
- SK hynix
- 影响评分
- 30 / 100，中等影响
SK海力士的模拟结果显示，NAND可用于运行AI运算：其3D FeNAND将电荷捕获层替换为铁电层以实现模拟存内计算（A-CiM），模拟中吞吐量约为10–20倍，能效约为4,000–5,000倍。此结果为模拟数据，来源未说明任何生产或商用计划，也未说明相关日期。
SK hynix 披露其于 10 月 14 日在新闻室发布的研究，开发出使用铁电三维 NAND（3D FeNAND）的模拟计算内存（A-CiM）技术，能够在 NAND 闪存内直接执行人工智能计算。该技术通过调整编程脉冲数量区分电流状态，在非电路层通过引入气隙降低字线电阻，在页面层采用页面内流水线（IPP）优化数据放置和计算序列。仿真表明，基于 3D FeNAND 的 A-CiM 相比传统非易失性内存可实现最高 20 倍的吞吐量提升和 5,000 倍的能效提升。
2026年10月14日发布的【Inside the Research】报道指出，在AI时代，NAND正从存储走向计算，涉及IEEE上的3D FeNAND协同优化研究。文章标签包括3D Fe-NAND、3D NAND、A-CiM、AI、CiM、CTN与铁电（Ferroelectric）。原文未说明原因，亦未提供价格、产能、政策或供需方面的具体数据或事件状态细节。
2026年10月14日发布的"[Inside the Research]"栏目文章称，在AI时代NAND正从存储走向计算，涉及3D FeNAND的联合优化（co-optimization）研究发表于IEEE。文中列出的关键词包括3D Fe-NAND、3D NAND、A-CiM、AI、CiM、CTN和Ferroelectric。原文正文仅提供标题与关键词，未给出具体技术细节、性能数据、研究机构或企业名称，也未说明该研究的产业化状态或对供应链的影响。
2026年10月14日发布的一篇研究类文章称，在AI时代，NAND正从存储走向计算，涉及3D FeNAND的协同优化，内容发表于IEEE。原文未说明原因，正文仅提供标题、日期与主题标签（3D Fe-NAND、3D NAND、A-CiM、CiM、CTN、Ferroelectric等），未给出具体公司、产品、数量或市场影响信息。
2026年10月14日发布的一篇研究介绍文章称，在AI时代，NAND正超越存储用途走向计算领域，并在IEEE上展示3D FeNAND的协同优化（co-optimization）。文章涉及的技术标签包括3D Fe-NAND、3D NAND、A-CiM、CiM、CTN、Ferroelectric与AI。原文未提供价格、产量、公司名称或具体日期之外的数据。
原文标题为《[Inside the Research] In the AI era, NAND moves beyond storage to computing… 3D FeNAND co-optimization at IEEE》，发布于2026年10月14日，内容涉及3D FeNAND（3D Fe-NAND）在AI时代从存储向计算方向发展的研究，以及相关成果在IEEE的合作优化（co-optimization）。正文页面还列出关键词：3D Fe-NAND、3D NAND、A-CiM、AI、CiM、CTN、Ferroelectric。原文未提供具体的技术细节、数值、公司、产品或任何供应/价格相关信息，也未说明具体原因或实施状态。
SK hynix于2026年10月14日在Newsroom系列文章[Inside the Research]第2部分介绍其发表于2025 IEEE国际电子器件会议(IEDM)的研究论文《Co-Optimizing Cell, Non-Cell, and Page Schemes for Energy Efficient Analog Computing in 3D FeNAND》,作者为Won-Tae Koo与Jihun Kim。研究提出基于3D FeNAND的模拟存内计算(A-CiM)架构,通过对单元(cell)、非单元(互连/字线)和页(page)三类方案进行协同优化,在相同芯片面积约束下,相比传统3D阵列实现约10至20倍的吞吐量提升和约4,000至5,000倍的能效提升;文中亦说明这些数字反映了3D FeNAND相较被广泛研究的2D非易失性存储阵列的高密度优势。各项优化包括:字线采用低电阻金属使吞吐量最高提升16%、能效最高提升3%;引入空气间隙使字线间寄生电容降低约60%,吞吐量提升1.2倍、能效提升2倍;字线电阻与电容联合优化后吞吐量最高提升1.4倍、能效最高提升2.2倍;页内流水线(IPP)使能效翻倍、吞吐量提升9倍;将16KB页拆分为4个4KB子页使能效提升1.2倍、吞吐量提升1.7倍。研究团队还在300mm晶圆规模上演示了低电流区每单元四电平操作及稳定数据保持。文章称该研究展示NAND从存储介质向计算介质扩展的潜力,未涉及价格、出货、产能或市场状况。
已经到底了
爆款新品里，到底装了谁的芯片？拆开，一颗一颗给你看。
全部拆解| Analog | $0.68 | −5.9% |
|---|---|---|
| 连接器 | $0.75 | +0.2% |
| CPU | $386.74 | −21.3% |
| DDR4 | $88.40 | −0.2% |
| DDR52026-W13 | $14.89 | −11.2% |
| GPU | $478.20 | +8.2% |
| MCU | $0.68 | −61.7%异常波动 |
| MLCC | $0.01 | +54.0%异常波动 |
| MOSFET | $0.12 | −82.8%异常波动 |
| PMIC2026-W13 | $0.44 | −12.5% |
| SSD/HDD | $288.43 | 暂无 |