臺積電利用其自身先進的制程優勢，正在積極推動新型存儲產業的發展。

近年來，在人工智能（AI）、5G等推動下，以MRAM（磁阻式隨機存取存儲器）、鐵電隨機存取存儲器 (FRAM)、相變隨機存取存儲器（PRAM），以及可變電阻式隨機存取存儲器（RRAM）為代表的新興存儲技術逐漸成為市場熱點。

從目前來看，最受期待的就是MRAM，各大廠商在它上面投入的力度也最大。MRAM屬于非易失性存儲技術，是利用具有高敏感度的磁電阻材料制造的存儲器，斷電時，MRAM儲存的數據不會丟失，且耗能較低，讀寫速度快，可媲美SRAM，比Flash速度快百倍，在存儲容量方面能替代DRAM，且數據保存時間長，適合高性能應用。

MRAM的基本結構是磁性隧道結，研發難度高，目前主要分為兩大類：傳統MRAM和STT-MRAM，前者以磁場驅動，后者則采用自旋極化電流驅動。

另外，相較于DRAM、SRAM和NAND Flash等技術面臨的微縮困境，MRAM可滿足制程進一步微縮需求。目前，DRAM制程工藝節點為1X nm，已接近極限，而Flash走到20 nm以下后，就朝3D制程轉型了。MRAM制程則可推進至10nm以下。

近日，臺積電與中國臺灣工業技術研究院 (ITRI) 的科學家共同展示了共同開發的 SOT MRAM 存儲器。新的存儲設備專為內存計算而設計，并用作高級緩存。新內存比 DRAM 更快，即使在斷電后也能保留數據。它旨在取代 STT-MRAM 存儲器，并且運行期間的功耗降低 100 倍。

在非易失性存儲器的其他有前景的選擇中，自旋轉移磁阻存儲器 (STT-MRAM) 長期以來一直是上層高速緩存存儲器（L3 及以上）和內存中非易失性計算的競爭者，除其他外，還有存儲選項。這種存儲器變體使用自旋極化電流通過隧道結將磁化強度轉移到存儲器單元。因此，STT-MRAM的能耗比通過感應電磁場進行記錄的傳統MRAM存儲器的能耗低幾倍。

SOT MRAM 存儲器走得更遠。鐵磁層的記錄是在自旋軌道扭矩的幫助下發生的。該效應通過兩種現象的組合在鐵磁層底部的導體中顯現出來：旋轉霍爾效應和Rashba寶石效應。結果，與導體相鄰的鐵磁體受到導體中自旋電流感應的磁場的影響。這導致 SOT-MRAM 需要更少的功耗來運行。

兩種類型的 MRAM 單元的寫入和讀取電流路徑。來源：新加坡國立大學

SOT-MRAM 的其他優點是獨立的寫入和讀取電路，這對性能產生積極影響，并提高了耐磨性。

“該單元同時提供低功耗和高速運行，速度高達 10 ns。”工研院電子與光電研究實驗室主任張世吉博士說道。通過實現內存計算電路可以進一步提高整體計算性能。展望未來，該技術在高性能計算（HPC）、人工智能（AI）、汽車芯片等領域具有應用潛力。

與延遲高達 100 ns 及以上的傳統 DRAM 相比，延遲低至 10 ns 的 SOT MRAM 更接近 SRAM（延遲高達 2 ns）。當然，它的延遲為 50 至 100 μs，明顯快于當今流行的 3D NAND TLC。雖然SOT-MRAM內存還不能馬上出現在處理器和控制器中，但是未來對于高效的內存計算和自供電設備通常是必要的。

這些新技術正吸引各大晶圓廠不斷投入，其他具有代表性的廠商包括英特爾、三星等。

英特爾也是MRAM技術的主要推動者，該公司采用的是基于FinFET技術的22 nm制程。2018年底，英特爾首次公開介紹了其MRAM的研究成果，推出了一款基于22nm FinFET制程的STT-MRAM，當時，該公司稱，這是首款基于FinFET的MRAM產品，并表示已經具備該技術產品的量產能力。

三星在MRAM研發方面算是起步較早的廠商，2002年就開始了這項工作，并于2005年開始進行STT-MRAM的研發，之后不斷演進。2019年，三星發布了采用28FDS工藝技術的1Gb嵌入STT-MRAM。基于高度可靠的eMRAM技術，在滿足令人滿意的讀取，寫入功能和10年保存時間的情況下，可以實現90％以上的良率。并且具備高達1E10周期的耐久性，這些對于擴展eMRAM應用有很大幫助。

2019年底，Mentor宣布將為基于Arm的eMRAM編譯器IP提供IC測試解決方案，該方案基于三星的28FDS工藝技術。據悉，該測試方案利用了Mentor的Tessent Memory BIST，為SRAM和eMRAM提供了一套統一的存儲器測試和修復IP。

目前 MRAM 有三個主要的應用市場，一個是用來作為嵌入式存儲器，MRAM 的特性非常適合用來作為嵌入式存儲器，特別是在嵌入或整合在 MCU 中。此外，高密度的 MRAM 則適用于來作為系統暫存存儲器、加速 NAND 快閃存儲器，或者作為 SRAM 應用的替代品。在未來，MRAM 甚至很可能用來取代 DRAM。MRAM 很適合用來作為企業客戶的關鍵型任務應用程序，其中可針對包括功率損耗和檔案遺失等問題加以解決，因為這些問題一旦發生都可能嚴重影響客戶端的使用狀況。

而 MRAM 和其他的下一代存儲器，也都被視為是最適合用于機器學習的儲存技術。

審核編輯：黃飛

?