Kepler用FeRAM与3D堆叠破解AI内存瓶颈

驱动中国9月14日消息，一家名为Kepler的芯片新创公司近日公开了其突破AI内存瓶颈的技术路线，核心方案是采用铁电随机存取存储器（FeRAM）结合3D堆叠工艺，为大规模AI推理提供高带宽、低功耗的存储解决方案。这一技术选择与当前主流的HBM（高带宽内存）路线形成差异化竞争，试图从底层架构上解决AI计算中“内存墙”的顽疾。

Kepler的切入点直击AI芯片的痛点：随着大模型参数规模持续膨胀，传统DRAM在带宽和功耗上的短板愈发明显。HBM虽然带宽高，但成本昂贵且供应紧张，而Kepler采用的FeRAM属于非易失性存储器，兼具DRAM的速度和闪存的持久性，理论上能在断电后保留数据，从而降低AI推理时的数据搬运开销。配合3D堆叠技术，FeRAM可以在垂直方向集成更多存储层，单位面积容量大幅提升，同时缩短数据通路，减少延迟。

据Kepler方面介绍，其FeRAM方案并非停留在实验室阶段，而是已经流片验证。该公司声称，在特定AI推理负载下，其存储子系统能效比可达到HBM的若干倍，且制造成本更具竞争力。不过，FeRAM此前多用于嵌入式场景，如智能卡和微控制器，要在AI加速器领域大规模商用，仍需解决工艺成熟度和良率问题。Kepler并未透露具体制程节点和量产时间表，但强调已与多家晶圆代工厂和封装厂合作推进。

从行业背景看，AI内存瓶颈已成为整个半导体产业链的焦点。英伟达、AMD等巨头依赖HBM，而SK海力士、三星等存储厂商正加速HBM4研发。与此同时，学术界和初创公司也在探索新型存储介质，包括MRAM、ReRAM和FeRAM。Kepler选择FeRAM，看中的是其读写速度快、耐久性强，且与标准CMOS工艺兼容性较好，理论上更容易实现大规模集成。

Kepler的3D堆叠方案也值得关注。传统3D NAND闪存已通过堆叠数百层实现容量突破，但FeRAM的堆叠难度更高，因为铁电材料在高温工艺下容易退化。Kepler表示，其专有的低温键合技术解决了这一难题，能够在堆叠层间保持铁电性能稳定。这一技术若成熟，不仅适用于AI加速器，还可能延伸到边缘计算、自动驾驶等对功耗敏感的领域。

市场分析人士指出，AI芯片竞争已从单纯的计算单元扩展到存储子系统。Kepler的差异化路线能否撼动HBM的主导地位，取决于其产品能否在真实系统中证明性能优势。目前，该公司尚未公布合作伙伴或客户名单，但已获得多轮风险投资，投资方包括多家硅谷知名基金。业界普遍认为，新型存储技术从论文到量产通常需要五到十年，Kepler若能在未来两年内推出商用产品，将有望在AI推理细分市场占据一席之地。

总体来看，Kepler的亮相为AI内存瓶颈提供了新的解题思路。FeRAM与3D堆叠的组合并非全新概念，但将其专门用于AI加速器并宣称能效比超越HBM，仍属大胆尝试。接下来，业界将关注其实际测试数据、量产良率以及生态支持能力。在AI算力需求指数级增长的当下，任何能降低内存成本、提升能效的技术都可能成为改变格局的变量。