一种颇有前景的存储技术，正从一个不太寻常的方向出现：它并不是传统数字 RAM 的更高速版本，而是一种行为有点像可充电电池的器件。桑迪亚国家实验室表示，其电热化学随机存取存储器（electro-thermo-chemical random-access memory，简称 ETCRAM）能够以现有先进水平模拟存储器 100 倍的精度保存模拟值，并拥有至少高出三个数量级的动态范围。

显微镜探针下半导体测试芯片上的微型模拟存储器件，带有暗示局部自热的柔和光晕。

这些数字来自桑迪亚自己的公告，因此应被理解为已报告的实验室结果，而不是产品基准测试。该器件尚未取代主流存储器，也没有已经展示出的消费产品。更值得谨慎关注的原因在于，ETCRAM 瞄准了现代电子设备中的一个具体瓶颈：反复把传感器数据传送到独立处理器所消耗的能量与时间。

如果这种方法能够经受住阵列级测试和制造规模化测试，部分计算就有可能在数据采集处完成。摄像头可以在把视觉信息继续传送之前，先行压缩或分类；机器传感器可以在本地检测到变化，而不是持续发送完整数据流。它带来的收益来自减少数据移动，而不是让每个晶体管都显著变得更强大。

问题往往在于数据的旅程，而不是计算本身

大多数计算系统都把存储与处理分开。传感器记录测量结果，存储器保存数据，处理器再取出数据执行运算，随后结果还要经过系统的另一部分。每次传输都会消耗能量；当设备持续采集大量数据时，这种成本便会变得可观。

这种架构非常适合通用数字计算，但传感器产生信息的速度越来越快，已经超过小型设备实际需要传输的速度。摄像头、麦克风、工业监测器、车辆和可穿戴设备都会形成数据流，而其中绝大多数单次测量其实并不重要。当最终目标只是一个简单判断——例如是否有物体移动、机器是否出现异常振动，或者化学浓度是否越过阈值——把每一个原始数值都发送给中央处理器或远程服务，可能是一种浪费。

所谓存内计算，正试图通过把有用的数学运算放进存储器内部，或放在存储器附近，来减少这种流量。模拟存储器是其中一条路线。一个存储单元不只保存 0 或 1，而是可以表示一系列电导值。这个电导能够在乘法、累加等运算中充当数值权重，而这些运算正是神经网络和许多信号处理任务的核心。

它的吸引力很直接。数字处理器通常用若干比特表示一个数字，然后通过互连线搬运这些比特。模拟阵列则可以把许多权重编码在存储单元的物理属性中，并行完成部分计算。但这并不意味着模拟计算天然更好：噪声、校准、有限精度，以及模拟信号与数字信号之间的转换，都会影响结果。它真正提供的是一条绕开存储器与处理器之间数据流量的路径，而这类流量在某些工作负载中本身就是主要开销。

2024 年发表在 Nano Convergence 的一篇综述，将电化学随机存取存储器视为这类硬件的候选方案。综述指出，ECRAM 器件可以通过离子移动表达模拟状态，已有报告中的器件能够达到超过 1,000 个存储状态。综述同时列出了决定实验室存储单元能否成为实用硬件的工程要求，包括数据保持、耐久性、切换速度、线性度、对称性、开关比、器件间差异、面积效率，以及与半导体制造的兼容性。

ETCRAM 属于这个更大的家族，但它在电化学过程中加入了局部加热。

桑迪亚实际展示了什么

桑迪亚 2026 年 9 月 9 日发布的公告称，由 Elliot Fuller 和 Alec Talin 领导的团队使用钽和氧化钒材料展示了 ETCRAM。该器件利用电脉冲和局部加热，改变存储元件内部材料的状态。它不是在两个固定的数字状态之间进行选择，而是可以被编程到一系列模拟值中的任意位置。

把它与电池类比是有帮助的。电池充到一半，就会处于空与满之间的状态。在 ETCRAM 中，材料的化学状态就是所保存的信息。之后的读取操作会测量器件的电导，而电导反映了这一状态。这种类比并不完全准确：该器件是纳米级存储元件，不是电源电池；不过，它能说明其中为什么会涉及电化学。

在传统电化学存储器中，离子必须穿过材料，并触发氧化态变化。这个移动过程可以由栅电极控制，而独立的源极和漏极电极则负责读取沟道。三端结构允许把编程器件的操作与读取器件的操作分开。这种分离正是 ECRAM 受到模拟计算研究关注的原因之一。

困难在于，化学过程可能很慢。桑迪亚报告的解决办法，是在电化学活动开始时让器件自行升温。更高的温度能够帮助相关过程更快进行，从而扩展存储器可调节的范围。桑迪亚表示，与现有先进技术相比，结果实现了高出 100 倍的精度，以及至少高出 1,000 倍的动态范围。

精度和动态范围描述的是同一个实际难题的不同方面。精度关注器件能否细致地区分相邻数值；动态范围关注最小可用信号与最大可用信号之间的跨度。一个器件可能拥有很宽的范围，却无法在其中进行良好控制；也可能只能在狭窄范围内实现细致调节。实用的模拟计算元件既需要足够的范围来承载有意义的信号，也需要足够的重复性，避免计算结果不断漂移。

与这项工作相关的主要研究论文发表于 2026 年。论文描述了一种垂直集成的 ETCRAM，其沟道和储库都基于发生相分离的氧化钒。作者报告称，编程通过两种稳定的氧化钒相——VO2 和 V2O5——之间的转换实现；当沟道厚度减小到约 20 纳米时，这种行为仍然存在。这个缩放结果很重要，因为如果一个存储元件只能作为大型、孤立的实验室结构运行，就几乎不可能塞进高密度电子设备。

论文中的结果仍然是器件级展示。它并没有证明由 ETCRAM 制成的完整芯片能够达到某个特定的每瓦运算次数，也没有证明它会在真实应用中胜过商用数字加速器。要回答这些问题，还需要阵列、外围电路、软件映射、热分析和制造测试。

为什么化学过程如此重要

材料并不是无关紧要的装饰。材料决定信息能否可靠写入、能够保持多久、器件响应有多快，以及一次操作需要多少能量。

早期 ECRAM 研究探索过锂、氢、氧、铜以及其他可移动离子。每一种选择都会带来不同的取舍。锂是电池中熟悉的材料，能够支持可逆的离子嵌入，但必须控制其扩散和保持特性。质子在合适材料中可以快速移动，可是水分、界面和环境稳定性会变得重要。氧空位能够在金属氧化物中产生有用变化，但编程时的热条件和化学条件必须得到管理。

桑迪亚的设计聚焦于氧化物材料中的含氧电化学过程，并把热量作为控制机制的一部分。团队先前的工作和新论文都把 ETCRAM 描述成电化学存储器与热辅助切换之间的混合方案。目标是：在受控化学状态下获得模拟存储所需的精度和非易失性，同时减轻室温下离子运动带来的速度损失。

相分离也是其中一环。如果一种材料能够稳定停留在几种明确的成分状态中，那么，与离子始终在均匀介质中漂移的系统相比，器件或许能更可靠地保持已编程的电阻。ECRAM 研究一再把保持特性视为核心问题。一个模拟更新效果漂亮、却很快失去数值的存储器，不能承担长期存储；即使是推理工作负载，如果权重必须不断恢复，它也可能不合适。

近期研究论文报告了一种通过相共存来稳定已编程状态的结构。这说明研究人员采用了一种工程策略，但并不等于证明每个 ETCRAM 存储单元都能无限期保持数值。真实阵列会增加漏电路径、制造差异、温度变化，以及与寻址电路之间的相互作用。必须在大量存储单元上、经过较长时间，并在接近实际的条件下测量保持特性。

近期最合理的用途，是靠近传感器

桑迪亚把边缘计算列为可能的应用方向。边缘计算意味着在数据产生的地点附近进行处理，而不是立即把数据发送到远端服务器。在这种场景中，ETCRAM 不需要替代手机或工业控制器中的全部存储器。它可以作为一个面向特定任务的专用模块，用于滤波、特征提取或运行小型机器学习模型。

以摄像头为例。图像传感器会产生大量原始信息。传统流程可能在系统识别人、检测缺陷，或者判断没有发生相关事件之前，把这些信息依次经过多个阶段。若把模拟存储器阵列放置在传感器附近，它就可以编码权重，并在本地完成部分识别运算。系统仍然需要数字控制，也很可能需要模数转换；但它或许只需传输一个紧凑的结果，或数据中被选出的部分。

工业监测也是同样的逻辑。振动传感器可以持续生成波形，但维护软件最终需要的可能只是关于异常模式的警报。本地硬件可以计算特征，或把信号与已经学习到的权重进行比较，从而减少网络流量，并有可能降低延迟。在车辆中，本地处理可以帮助系统先解释摄像头和其他传感器提供的信息，再把数据交给更大的计算单元。

这里还存在隐私层面的影响，不过不应把它夸大。如果设备能够在本地对数据进行分类或摘要，就可能不必上传每一张原始图像或每一段音频样本。这可以减少暴露面，却不能保证隐私。系统仍然需要健全的数据治理、安全固件、明确的数据保留规则，以及对本地模型攻击的防护。改变硬件所在位置，只改变了数据路径，并不会自动解决安全问题。

因此，ETCRAM 最有力的论点并不是“模拟存储器会让人工智能变得免费”。更准确的说法是：对于那些反复把相同或缓慢变化的数学运算应用于海量传感器数据的工作负载，如果可靠的模拟阵列能够在不把数据持续搬运于独立组件之间的情况下完成这些运算，那么它们可能从中受益。

仍然困难的地方

引人注目的精度数字，遗漏了系统层面的问题，而这些问题往往决定一种新型存储器是否实用。

首先，孤立存储单元不等于阵列。一个有用的芯片需要数千乃至数百万个元件，并连接字线、位线、选择器、驱动器和读出电路。存储单元必须能够被寻址，同时不干扰邻近单元。当它们共享电源、热量和布线时，各自的响应仍要保持可预测。一个单独测量时很出色的器件，集成起来后可能会变得难以校准。

其次，模拟精度不等于数字精度。模拟存储单元天然会面对噪声、漂移、非线性更新，以及器件之间的差异。电路可能需要校准、冗余，或能够容忍误差的算法技术，而这些支持电路本身会消耗面积和能量。正确的比较对象不是一个存储单元与一个数字晶体管，而是一个完整的特定任务系统与现有的完整系统之间的比较。

第三，自加热带来了热设计问题。加热能够加快电化学反应，但热量必须以受控方式产生、限制和散出。如果相邻存储单元彼此加热，它们的状态可能互相干扰。如果热脉冲过强，可能损伤材料或降低耐久性。为 ETCRAM 带来更大范围的同一特性，也可能限制其密度、速度或工作占空比。

第四，写入和读取并不是制造问题的全部。器件必须采用可重复的薄膜、兼容的界面，并达到可接受的良率。2026 年论文观察到氧化钒的相关行为在约 20 纳米尺度仍能保持，这对缩放而言令人鼓舞，但它只是可制造工艺中的一个要素。把材料堆栈与传统逻辑集成、完成封装，以及在不同温度和寿命条件下进行测试，都是独立的挑战。

第五，能耗结论需要明确系统边界。一个存储单元在某次特定更新中可能只用很少能量，但驱动器、转换器、互连线和控制逻辑可能消耗更多。反过来，即使模拟运算本身并不特别高效，减少数据移动也可能带来显著的系统级节能。未来的展示必须报告完整工作负载，而不能只呈现有利的存储单元测量结果。

最后，最合适的应用可能不是通用计算。模拟硬件最有吸引力的地方，在于其物理行为恰好匹配目标计算。神经网络推理、滤波和传感器融合，比任意办公软件或要求精确、易于检查的算术任务更自然。数字存储器仍会在控制、存储、通信和高精度运算中发挥价值。ETCRAM 更可能补充这些系统，而不是让它们过时。

应该怎样理解这项“好消息”

值得肯定的是，研究人员正在用一种把材料科学与明确计算问题连接起来的设计，改善一个真实存在的瓶颈。桑迪亚并非只是提出未来设备应当更高效；它报告了一个具体的存储元件，说明了所用材料，解释了自加热的作用，并指出精度和动态范围方面可测量的提升。相关研究论文还提供了关于相行为、垂直集成和纳米级厚度的证据。

需要保持的谨慎同样具体。公告描述的是仍在继续开发的技术，桑迪亚表示团队正在测试使用多种材料的设计。公告还称，ETCRAM 入围了 2026 年 R&D 100 Award 的决赛名单；这代表技术潜力获得认可，并不保证它一定商业化。

接下来真正有意义的里程碑并不难列出：更大规模的阵列、晶圆之间的重复性、经过大量编程循环后的耐久性、不同温度下的数据保持、更低且控制更好的写入能耗、与标准制造工艺的兼容性，以及在实际传感器工作负载上的展示。令人信服的结果应当展示从传感器输入到有用决策的完整流程，并核算每一条支持电路所消耗的能量。

这就是 ETCRAM 值得继续关注、却不必被讲成奇迹故事的原因。它眼下实现的并不是一项新的消费电子功能，而是一种控制更好的模拟存储概念，可能让部分电子设备在信息出现的地方附近完成处理。如果后续工程验证能够继续成立，最终收益也许会朴素得令人满意：更少的传输、更少重复的数据搬运，以及更长的电池续航——适用于那些整天观察、聆听和测量的设备。

来源与报道依据

本文的主要技术说法依据桑迪亚国家实验室于 2026 年 9 月 9 日发布的 ETCRAM 公告以及开放获取研究论文《由相共存稳定的多功能电化学存储器》。关于 ECRAM 架构、模拟状态和系统要求的背景解释，参考综述《电化学随机存取存储器：面向神经形态计算的材料、器件和系统最新进展》。此外，相关背景还包括论文《具有九个数量级可编程线性电阻的自加热电化学单元》。