台积电引领新兴存储技术潮流，功耗仅为同类技术的1%

台积电利用其自身先进的制程优势，正在积极推动新型存储产业的发展。

近年来，在人工智能（AI）、5G等推动下，以MRAM（磁阻式随机存取存储器）、铁电随机存取存储器 (FRAM)、相变随机存取存储器（PRAM），以及可变电阻式随机存取存储器（RRAM）为代表的新兴存储技术逐渐成为市场热点。

从目前来看，最受期待的就是MRAM，各大厂商在它上面投入的力度也最大。MRAM属于非易失性存储技术，是利用具有高敏感度的磁电阻材料制造的存储器，断电时，MRAM储存的数据不会丢失，且耗能较低，读写速度快，可媲美SRAM，比Flash速度快百倍，在存储容量方面能替代DRAM，且数据保存时间长，适合高性能应用。

MRAM的基本结构是磁性隧道结，研发难度高，目前主要分为两大类：传统MRAM和STT-MRAM，前者以磁场驱动，后者则采用自旋极化电流驱动。

另外，相较于DRAM、SRAM和NAND Flash等技术面临的微缩困境，MRAM可满足制程进一步微缩需求。目前，DRAM制程工艺节点为1X nm，已接近极限，而Flash走到20 nm以下后，就朝3D制程转型了。MRAM制程则可推进至10nm以下。

近日，台积电与中国台湾工业技术研究院 (ITRI) 的科学家共同展示了共同开发的 SOT MRAM 存储器。新的存储设备专为内存计算而设计，并用作高级缓存。新内存比 DRAM 更快，即使在断电后也能保留数据。它旨在取代 STT-MRAM 存储器，并且运行期间的功耗降低 100 倍。

在非易失性存储器的其他有前景的选择中，自旋转移磁阻存储器 (STT-MRAM) 长期以来一直是上层高速缓存存储器（L3 及以上）和内存中非易失性计算的竞争者，除其他外，还有存储选项。这种存储器变体使用自旋极化电流通过隧道结将磁化强度转移到存储器单元。因此，STT-MRAM的能耗比通过感应电磁场进行记录的传统MRAM存储器的能耗低几倍。

SOT MRAM 存储器走得更远。铁磁层的记录是在自旋轨道扭矩的帮助下发生的。该效应通过两种现象的组合在铁磁层底部的导体中显现出来：旋转霍尔效应和Rashba宝石效应。结果，与导体相邻的铁磁体受到导体中自旋电流感应的磁场的影响。这导致 SOT-MRAM 需要更少的功耗来运行。

两种类型的 MRAM 单元的写入和读取电流路径。来源：新加坡国立大学

SOT-MRAM 的其他优点是独立的写入和读取威廉希尔官方网站 ，这对性能产生积极影响，并提高了耐磨性。

“该单元同时提供低功耗和高速运行，速度高达 10 ns。”工研院电子与光电研究实验室主任张世吉博士说道。通过实现内存计算威廉希尔官方网站 可以进一步提高整体计算性能。展望未来，该技术在高性能计算（HPC）、人工智能（AI）、汽车芯片等领域具有应用潜力。

与延迟高达 100 ns 及以上的传统 DRAM 相比，延迟低至 10 ns 的 SOT MRAM 更接近 SRAM（延迟高达 2 ns）。当然，它的延迟为 50 至 100 μs，明显快于当今流行的 3D NAND TLC。虽然SOT-MRAM内存还不能马上出现在处理器和控制器中，但是未来对于高效的内存计算和自供电设备通常是必要的。

这些新技术正吸引各大晶圆厂不断投入，其他具有代表性的厂商包括英特尔、三星等。

英特尔也是MRAM技术的主要推动者，该公司采用的是基于FinFET技术的22 nm制程。2018年底，英特尔首次公开介绍了其MRAM的研究成果，推出了一款基于22nm FinFET制程的STT-MRAM，当时，该公司称，这是首款基于FinFET的MRAM产品，并表示已经具备该技术产品的量产能力。

三星在MRAM研发方面算是起步较早的厂商，2002年就开始了这项工作，并于2005年开始进行STT-MRAM的研发，之后不断演进。2019年，三星发布了采用28FDS工艺技术的1Gb嵌入STT-MRAM。基于高度可靠的eMRAM技术，在满足令人满意的读取，写入功能和10年保存时间的情况下，可以实现90％以上的良率。并且具备高达1E10周期的耐久性，这些对于扩展eMRAM应用有很大帮助。

2019年底，Mentor宣布将为基于Arm的eMRAM编译器IP提供IC测试解决方案，该方案基于三星的28FDS工艺技术。据悉，该测试方案利用了Mentor的Tessent Memory BIST，为SRAM和eMRAM提供了一套统一的存储器测试和修复IP。

目前 MRAM 有三个主要的应用市场，一个是用来作为嵌入式存储器，MRAM 的特性非常适合用来作为嵌入式存储器，特别是在嵌入或整合在 MCU 中。此外，高密度的 MRAM 则适用于来作为系统暂存存储器、加速 NAND 快闪存储器，或者作为 SRAM 应用的替代品。在未来，MRAM 甚至很可能用来取代 DRAM。MRAM 很适合用来作为企业客户的关键型任务应用程序，其中可针对包括功率损耗和档案遗失等问题加以解决，因为这些问题一旦发生都可能严重影响客户端的使用状况。

而 MRAM 和其他的下一代存储器，也都被视为是最适合用于机器学习的储存技术。

审核编辑：黄飞