隨著智能計算、大數據等技術的爆發式增長，低計算強度、高訪存頻率的數據密集型計算需求激增，支持數據原位存儲與計算的非易失存算一體技術受到廣泛關注。然而，當前該技術普遍面臨“存力”與“算力”難以協同的矛盾，如何實現兩者有機融合以應對不同類型計算任務，成為關鍵挑戰。

針對上述問題，集成電路制造技術全國重點實驗室團隊近日報道了有關高密度非易失存算與近存技術的研究工作。

在存算技術方面，團隊設計了基于電荷俘獲型晶體管（CTT）的混合域存內計算宏芯片；研究了高密度的差分增益式的存算陣列、高能效的模擬預測-數字計算工作機制，以及低硬件開銷的定點/浮點數據統一處理與計算電路；相關技術得到了流片驗證，高效支持INT4/8和FP4的矩陣-向量計算，實現了非易失存算芯片存儲密度與算力密度的共同提升。

在近存技術方面，團隊設計了基于新型鐵電NAND閃存（FeNAND）的近存計算芯片；研究了基于后道鐵電柵晶體管的FeNAND陣列、充電-放電交替式讀取方案與極性自轉換的靈敏放大器電路，以及低開銷與多功能的相位域近存計算單元；相關技術得到了流片驗證，高效支持高維度、高并行、多比特向量的近似向量搜索任務，為發展大容量NAND型近存技術提供了新思路。

兩項成果分別以“A 12nm 4Mb 104.56-137.75TFLOPS/W Charge-Trap Transistor-Based Computing-in-Memory Macro Using Analog-Predict-Digital Compute for AI Edge Devices”（博士研究生沈浚哲和周治道為共同第一作者，竇春萌研究員為通訊作者）和“A 16Mb 166.8TOPS/W Near-Memory Phase-Domain-Computing Ferroelectric NAND Flash for Approximate Nearest Neighbor Search on Edge Devices”（博士研究生李偉增和碩士生王柏翰為共同第一作者，竇春萌研究員為通訊作者）為題在2026年國際固態電路會議（ISSCC）上發表。該工作得到了合作專家的大力指導，并獲得了國家自然科學基金委項目與中國科學院戰略性科技先導專項的支持。