面向先进存算一体智能芯片，复旦大学与铭芯启睿共建联合实验室

  【天极网企业频道】摘要：围绕高密度阻变存储器、存算融合芯片、异构集成芯片设计开展合作。

  2026年11月3日，复旦大学与铭芯启睿(MemSilicon)共同宣布，成立“先进存算一体智能芯片校企联合实验室”(以下简称“联合实验室”)。双方将围绕高密度阻变存储器(RRAM)、存算融合芯片、异构集成芯片设计开展合作，推动器件、工艺、电路与系统研究相互衔接，促进科研成果转化与产业应用。 

 复旦大学与铭芯启睿签约共建“先进存算一体智能芯片校企联合实验室”

  在此之前，铭芯启睿已完成1T4R 1Gb RRAM芯片“泰山一号”流片和超4亿元A轮融资及战略升级——在推进RRAM产品化的同时启动第一代LPU研发。

  三项进展，贯穿着一条从存储器件研究，走向先进存算融合系统落地的产业化路线。

  成立于2024年的铭芯启睿，其研发起点远早于公司成立。该公司的新型存储技术源自原中国科学院刘明院士团队，该团队自2004年进入RRAM领域，在相关材料、器件、工艺与芯片设计领域已拥有22年积累。铭芯启睿获得源自中国科学院团队的近200项RRAM相关知识产权独家授权，涉及发明专利及芯片设计IP等成果。

  要理解这家公司，就要理解背后的团队在过去22年都干了什么。

  把研究转化成先进产品

  据了解，刘明院士团队的研发历程可概括为三个阶段：

  2004年开始，团队围绕材料、机理和器件展开研究;2009年起，在8英寸线上探索RRAM与CMOS后道工艺集成，2015年转向中芯国际28nm产线;此后，研究逐步拓展至更大规模阵列、芯片电路与具体应用。

  难题随研究深入而变化。

  弄清单个器件如何工作之后，需要解决材料与产线的适配、阵列中器件的均一性;扩大规模，又要通过读写电路等设计补偿器件的非理想特性。工艺和设计必须协同，才能把新器件做成可用的IP或芯片。

  2016年的28nm、16Kb验证，2017年的28nm、1Mb阵列，2020年的14nm、1Mb集成，以及2023年的28nm、128Mb芯片，再到上个月里程碑级的1T4R 1Gb RRAM，都是在这样的逻辑中诞生的。

  该团队22年的积累还包含对器件差异、工艺约束、外围电路和应用要求的持续理解。这种跨环节的经验，使其开发新产品时，能够同时从器件、工艺和设计等多个角度寻找解法。

  从能做什么转向应用需要什么

  科研需要韧性，产业化需要判断。

  2024年成立MemSilicon，是科研团队综合判断关键技术成熟度、客户需求及产业巨头产品路线后的慎重选择。尤其是2022年台积电和英飞凌联合推出车规级RRAM，对行业释放了强烈信号，此时推进大规模产品化、商业化恰到好处。

  这也解释了MemSilicon为何同步做嵌入式IP、独立式存储和AI存算应用研发，但交付有先后。

  嵌入式IP与小容量独立式存储，是近期重点推进的业务;高密度、大容量RRAM与面向推理的芯片，则需要持续迭代。RRAM的机会也不是要替代DRAM或NAND，而是在现有存储技术难以兼顾性能、容量和成本的任务中，找到合适的位置。

  从RRAM延伸到LPU，则是另一层技术逻辑的展开。

  推理中的不同任务对存储介质有不同要求：需要频繁更新的数据，更适合高速、耐久的介质;在模型推理期间相对稳定的权重，则为非易失的RRAM提供了应用空间。

  基于这一判断，公司规划先推进基于SRAM、DRAM的第一代LPU，并持续迭代高密度RRAM，探索面向AI推理场景，尤其是FFN等优势任务的协同架构。

  把下一步难题带回联合研究

  可以说，复旦大学与铭芯启睿过去的探索和实践，已经初步验证了从学术到产业，从理论到产品的有效方法。

  22年的创新韧性，体现为在学术上持续投入，在产品选择上尊重市场需求，在工艺与设计协同中补齐能力，并把应用中的新难题带回科研，初步形成了学、研、产、用、投的闭环，是值得关注的创新范式。

  而本次成立的联合实验室将继续研究AI时代提出的前沿课题：

  高密度RRAM研究，涵盖器件模型与PDK、大规模测试统计、性能参数演化及可靠性评估;

  存算融合研究，包括3D DRAM/RRAM、高精度数字/模拟域RRAM、面向大模型推理的混合介质架构，并延伸至编译优化、量化映射和软硬协同;

  Chiplet方向，将研究RRAM存储芯粒、RRAM存算芯粒与CPU芯粒等混合集成的设计及协同仿真，攻关片间互联、硅桥基板、三维封装热管理和信号完整性，并开展动态调度、资源部署和产业链示范验证，突破传统单片集成的性能与功能限制。

  MemSilicon CEO兼联合创始人卢涛表示，大模型推理的效率，取决于计算、存储、互联能否协同。与复旦共建联合实验室，是希望把未来二十年可能面临的关键挑战，如器件可靠性、存储架构和系统能效，放在同一研发框架中研究和验证。他希望通过联合研究，为面向大模型推理的混合介质存算架构积累下一代关键技术，让底层创新更好地回应客户对满血模型、高速Token、越级性价比的综合需求。