RRAM和SRAM等新型存储器的分析

下面从核心特性、产业化进展、应用场景三个维度，为你梳理RRAM、SRAM两类存储器的相关分析：

一、核心特性对比

1. SRAM（静态随机存储器）
   属于易失性存储器，读写速度快、无读写次数限制，工艺成熟，器件一致性和稳定性较好，适配数字存算一体方案，可实现较高的计算精度；但它采用多晶体管单元结构，存储密度较低、单比特存储面积约300F²/bit，制造成本偏高，断电后数据会直接丢失 【1】 【4】 。
2. RRAM（阻变存储器）
   属于新型非易失存储器，基本存储单元为金属-绝缘体-金属/半导体的三明治结构，原理是在外加偏压作用下器件电阻可在高低阻态间切换；支持多值存储，现有工艺节点可达28nm，理论工艺极限为5nm，单比特存储面积仅20~40F²/bit，读写次数可达10⁸次，断电后数据不会丢失 【1】 【4】 。

二、产业化进展

1. SRAM
   当前技术落地成熟度较高，近年来随着AI算力需求爆发，SRAM开始在AI推理场景拓展应用，行业也在通过堆叠方案解决其容量偏低的问题，国内已有不少厂商布局基于SRAM的数字存算一体相关方案 【7】 。
2. RRAM
   目前尚未实现大规模商用，不过已有部分产品进入量产阶段：Adesto的130nm CBRAM、松下的180nm ReRAM已经量产，富士通、美光、SK海力士等国际厂商，以及中芯国际、台积电、联电等代工厂都在推进相关技术的研发和生产布局，国内兆易创新也早有相关布局，2018年就通过合作投资聚焦RRAM商业化的合肥睿科微电子开展相关落地工作 【2】 【3】 。

三、应用场景与发展潜力

1. SRAM
   当前主要适配云侧和边侧的AI推理、训练场景，是AI算力缓存环节的重要支撑器件，随着堆叠方案的迭代，其容量受限的短板正在逐步被弥补，未来在AI算力相关场景的应用空间还会进一步打开 【4】 【7】 。
2. RRAM
   可覆盖云侧、边侧和端侧的推理场景，未来有望在存算一体和人工智能领域大规模落地，此前清华大学等团队开发的基于RRAM的内存计算芯片NeuRRAM，能效达到同期最先进同类芯片的两倍，在推理精度、图像分类准确率上表现优异，技术潜力已经得到验证 【2】 【4】 【12】 。