2026年8月，香港大学研究团队宣布成功研发出原子级厚度的模拟存内搜索芯片。在特定计算任务中，该芯片的处理速度达到通用中央处理器的一亿倍——这一数据无论从何种角度看都令人惊叹。

那么，这款芯片究竟有何过人之处？

其核心优势在于采用高度简化的电路架构，直接在数据存储单元内部完成复杂搜索，从而彻底绕开传统冯·诺依曼架构的瓶颈。传统模式下，处理器与内存频繁搬运数据，不仅延迟高，能耗也相当可观。而该芯片基于二维二硫化钼材料，构建出新型模拟内容寻址存储器，输入数据可同时与全部存储内容同步比对，一次操作即可完成检索并输出结果，效率提升极为显著。

与传统方案对比更直观：传统基于静态随机存取存储器的内容寻址存储单元，通常需要集成十六个晶体管才能实现一个功能单元。而在这款新芯片中，仅需两个晶体管即可完成，芯片物理尺寸因此大幅压缩——好比将一间堆满设备的机房，精简成一个小巧的机顶盒。

当然，技术突破从来不是一蹴而就的。二维材料与外部电路连接时，高接触电阻曾是一大难题。研究团队此次选用半金属锑作为电极材料，成功形成低阻通路，显著提升信号传输效率。这一关键工艺细节，正是让整个方案从实验室迈向实用化的核心一步。

实测数据同样亮眼：单次搜索延迟低至三十六皮秒，即0.000000000036秒。做个简单类比：光在真空中每秒传播30万公里，1皮秒内光仅能行进零点三毫米。而这块芯片完成一次搜索所需的时间，甚至不足以让光穿越芯片本体。单次操作能耗低于零点一飞焦耳，较现有主流方案降低逾万倍。速度更快、能耗更低、体积更小——三个维度同时实现突破，确实极为罕见。

项目负责人李灿教授介绍，大型语言模型中广泛使用的注意力机制，其核心正是高并发、高频次的数据搜索过程。这类芯片具备嵌入终端设备的潜力，例如用于智能手机的人脸识别系统，实现原始数据本地化实时处理，无需依赖云端传输与运算。这意味着什么？隐私保护更强，响应速度更快，设备也更有可能集成更智能的功能。

该项成果已发表于国际纳米科技领域权威期刊《自然·纳米技术》。从论文到产业化虽仍有距离，但至少方向已经清晰可见。