工业储存技术再进化 完美内存MRAM现身

近年来，半导体先进制程微缩趋势带动下，加上AI人工智能、5G与AIoT等科技加速推进，3C设备、智慧家电、智慧汽车、智能城市到国防航天等领域都可以应用大量芯片记录海量数据。

内存是所有微控制器嵌入式系统的主要组件，闪存（Flash）储存技术早已成为工控设备的主流配备。近年来，半导体先进制程微缩趋势带动下，加上AI人工智能、5G与AIoT等科技加速推进，3C设备、智慧家电、智慧汽车、智能城市到国防航天等领域都可以应用大量芯片记录海量数据。新一代嵌入式内存具有小体积、大容量、高效能等特性，可以满足庞大运算需求，带动前瞻内存研发能量。

新兴内存出线 MRAM最受业界期待

内存大分嵌入式和独立式NVM。Yole Developpement预测，2020-2026年间，整体新兴非挥发性内存(NVM)市场的年复合成长率约为44%，随着新兴嵌入式NVM技术显著成熟，预估2026年eMRAM市场规模为17亿美元，约占整体新兴eNVM市场的76%。独立式NVM市场预计2026年达33亿美元规模，至于独立式PCM市场在2026年可望成长达26亿美元的规模，占整体独立式内存市场的78%。内存技术研发成为兵家必争之地。

目前内存市场仍以动态随机存取内存(DRAM)与储存型闪存(NAND Flash)为主流，随着磁阻式随机存取内存(MRAM)逐渐成为市场关注焦点，eMRAM市场快速成长，主要半导体业者如台积电(TSMC)、英特尔(Intel)、三星(Samsung)、格芯(GlobalFoundries)、联华电子(UMC)等相继投入研发。

另一方面，随着半导体微缩制程技术的突破，摩尔定律不断成功被挑战，DRAM与NAND Flash也面临微缩挑战，近几年，DRAM已接近微缩极限，而NAND Flash则走向3D转型。除了体积愈来愈小，内存也面临到高速运算等技术障碍。如今的储存解决方案必须具备高速、低耗电，断电后仍可保持数据等特性，才能达到「三好」标准：成本更佳、速度更快、效能更好。新兴内存走在「三好」路上，如铁电随机存取内存 (FRAM)、相变化随机存取内存(PRAM)、磁阻式随存取内存(MRAM) 及可变电阻式随机存取内存 (RRAM) 等，其中，MRAM 最受业界期待。

若与DRAM面积2,048 nm2、SRAM面积21,000 nm2相比，MRAM的面积仅400 nm2，不用微缩已具有极佳的尺寸优势。工研院电光所副所长骆韦仲指出，新兴内存的材料、结构不同，多半维持单一特性，很难趋近完美特性。磁阻式随机存取内存（MRAM）具有可微缩至22奈米以下的潜力，拥有高读写速度、低耗电，断电后仍可保持数据等特性，成为趋近于「完美内存」的新兴内存代表，未来可以整合成先进制程嵌入式内存，广泛应用于AI人工智能、车用电子、高效能运算芯片等领域，具有极佳的发展前景。


路是无限宽广 嵌入式与独立式通用
非挥发性内存MRAM是利用高敏感度磁电阻材料所制成，储存的数据即使面临断电也不会消失，而且耗能较低，读写速度快，可以媲美静态随机存取内存 (SRAM)，又比Flash速度快上百千倍。值得一提的是，MRAM的记忆容量媲美DRAM，同时具有处理与储存信息等功能，而且可以长时间保存数据，适合应用于高性能存储场域。

由于微缩制程已成业界常态，DRAM制程多停滞在1X奈米阶段，Flash在20奈米之下已转型3D制程，与DRAM、SRAM及NAND Flash等内存缩无可缩的窘境相比，娇小的MRAM有相对大的调整优势，制程可达10奈米以下。至于SRAM则有成本与能量损耗的问题需克服。

综合来说，MRAM集Flash非挥发性技术、SRAM快速读写、DRAM高集积度等特性，堪称「完美内存」，甚至可能替代SRAM，未来发展备受业界期待。因此，全球IDM大厂及晶圆代工厂相继投入MRAM研发，近5年来已经开始应用于产品之上，有希望成为嵌入式或独立式通用的内存。

工研院电光所副所长骆韦仲进一步说明，MRAM与前述DRAM、NAND Flash及SRAM等内存不同，基本结构是磁性隧道结，研发难度相当高，主要可分为传统MRAM及自旋转移矩磁阻式随机存取内存(STT-MRAM)，MRAM以磁场驱动， STT-MRAM采自旋极化电流驱动。各家半导体大厂近年来投入STT-MRAM研发，产生愈来愈多嵌入式解决方案，这些解决方案可以取代Flash、EEPROM及 SRAM。如三星采28奈米完全空乏型硅绝缘层金氧半晶体管(FD-SOI)制程，格芯的制程已推进至22 奈米；英特尔采用鳍式场效晶体管(FinFET)技术，推进至22奈米制程。

台积电早于2017年5月发表自行研发多年的嵌入式磁阻式随机存取内存（eMRAM）及嵌入式电阻式内存（eRRAM）技术，采用先进的22奈米制程。台积电也与台湾工研院共同开发22奈米嵌入式STT-MRAM，采用超低漏电互补式金属氧化物半导体(CMOS)技术，技术验证已完成并进入量产，朝16奈米STT-MRAM 发展，可切入下世代嵌入式内存MCU、车用电子组件、物联网及AI等领域。

今年6月，工研院与台积电正式合作开发自旋轨道扭矩磁性内存(SOT-MRAM）数组芯片。SOT-MRAM(Spin Orbit Torque Magnetoresistive Random Access Memory)技术能在低电压、电流下，达到0.4奈秒的高速写入，同时具备7兆次耐受度，比欧洲最大半导体研究机构—比利时微电子研究中心高出百倍之多，同时具有超过10年的数据储存能力。相关技术未来可以整合成先进制程嵌入式内存，投入AI人工智能、车用电子、高效能运算芯片等领域。




图2 : 工研院与台积电共同开发自旋轨道扭矩磁性内存（SOT-MRAM）数组芯片。(source：工研院)

除了与业界合作，工研院也与阳明交大合作研发工作温度横跨近400度的磁性内存技术，相关技术发表于国际超大规模集成电路技术研讨会。

骆韦仲表示，新兴磁性内存高效能运作技术可以提高内存写入速度、缩短延迟、降低写入电流与增高使用次数，实验证实，可以在127度到零下269度范围内具有稳定、高效能的数据存取能力，横跨400度温度的稳定存取能力，代表未来在量子计算机、航天领域等前瞻应用与产业方面极具发展潜力，有助强化台湾在半导体产业的世界地位。

短期内，DRAM与NAND Flash仍将居于内存市场主导地位，但随着三星、台积电等大厂先后投入MRAM内存产品研发，有助内存技术更新，一旦MRAM成本逐步下降，势必提升市场普及率，成为未来新主流。

储存解决方案SOFA
储存技术与前述内存技术优劣息息相关。过去，工控系统的储存装置容量不一定要大，但要够稳定，否则故障发生时，有可能导致整体系统停摆，甚至生产线停机，损失重大。近几年随着工业计算机的应用快速发展，储存技术也渐趋多元，除了需要大量储存、机房环境较为理想的安全监控外，HDD硬盘较少受到青睐。

工研院资通所组长卓传育指出，以储存设备来说，仍以软件为核心，重视储存系统快速扩充、高弹性储存架构及高储存/传输效率等面向。先进的存储技术使用flash内存，其他功能多半是记忆与及时运算，相关的高阶应用多与云端服务业者有关，如Google、微软(Microsoft)、亚马逊(Amazon)等业者使用的存储技术通常较为高规，但高科技存储设备并不是很普及。从制造业来看，如影音、照片等数据比较需要快速存取与传输，不够快就会有延迟问题，不过，发展较快速的企业可能透过开源技术改进既有设备与存储技术，调整储存架构、设计就可以符合使用需求，或者也有业者采购高技术storge解决问题。

随着云端运算、人工智能、物联网（IoT）及5G技术的加入与催化，存储需求不再限于Google等云端业者。由于工控设备必须因应环境与功能需求做出差异化设计，储存装置也必须贴合需求，除了客制化，小型化也成为工业储存的趋势之一。固态硬盘（SSD）具有体积小、效率高、低噪音等优势，成为硬盘市场的新主流。

近年来，工研院将研发能量聚焦于云端储存同步系统，并透过内存式数据处理技术，让档案处理速度加快为传统数据库的八倍。以工研院研发的全快闪储存数组管理技术（Software Orchestrated Flash Array；SOFA）为例，主要功能在于聚合一台服务器上所有的快闪磁盘空间，以及读写能力，汇聚成一个拥有大容量且速度极快的储存池，可于一般通用硬件上提供超过100万次输出入（IOPS）的数据访问速度。用户可以单颗磁盘使用储存池，或透过虚拟磁盘管理功能，依照用户需求建构虚拟磁盘，不同用户或不同应用程序都可以共享该储存池。


图3 : 全快闪储存数组管理技术（SOFA）。(Source：工研院)

SOFA内建RAID 5/6及快照的保护功能，有助数据保护，在提供保护的同时，仍旧维持一百万IOPS的效能，同时达到软硬件所需CPU资源分配优化及自动化分配。此外，SOFA还搭配背景压缩及去重复等功能以节省空间，适合需要高速读写效能的应用程序，如数据库应用程序（MySQL，Oracle）、高效能运算（HPC）、虚拟桌面（VDI）等。

随着AI人工智能与企业云端储存市场渐趋成熟，SOFA提供另一种管理闪存磁盘阵列的软件解决方案，可以在一般硬件平台上，透过网络对外提供高效能储存服务。闪存磁盘阵列服务器可藉由SOFA提升存取效能，在完善配置条件下，服务器透过网络对外提供4KB区块的随机访问速度，支持以RAID5集合磁盘阵列，并突破传统RAID5的效能瓶颈，提升10倍的读写效能，透过跨磁盘的平均抹写技术(Global Wear Leveling)，可以延长整个磁盘阵列的平均寿命达2倍。




图4 : 超高速长效全快闪储存数组管理技术可于一般通用硬件上提供超过1百万IOPS的数据访问速度。(source：工研院)