不依赖EUV，不建新厂，一家隐形初创要用铁电材料改写存储技术

2026 年 9 月，美国存储芯片初创 Kepler Computing 在成立 7 年后正式走出隐身模式，同时宣布完成累计 4.68 亿美元融资，CEO 德博·奥拉塞比坎（Debo Olaosebikan）在社交媒体上宣布了这一消息。

参投名单上，格芯（GlobalFoundries）、英特尔资本、AMD 风投、Baillie Gifford 以及 Gates Frontier 等知名机构赫然在列。两个月前，美国商务部还依据“芯片法案”签署意向书，拟向 Kepler 提供最高 2.45 亿美元资金。

一家尚未公开产品的初创，仅宣称要将存储和逻辑芯片的制造推向物理极限，就同时被芯片设计商、制造商、主权资金和顶级资本押下重注，它的底气何在？

从英特尔实验室走出的技术

Kepler 专注于用铁电材料和 3D 堆叠架构，开发面向 AI 的新型高带宽存储。其技术和管理积累来自一支资深半导体队伍，创始成员几乎都有突破性半导体技术的研发经验。

图 | Kepler 创始团队（来源：Kepler Computing）

CEO 德博在康奈尔大学（Cornell University）取得物理学博士学位，曾参与建成世界首个电激活硅激光器。他一度离开硬件研究，创办按需软件开发平台 Gigster，2018 年回归芯片领域，联合创办 Kepler，同时兼任美国商务部半导体行业顾问委员会成员。

CTO 萨西·马尼帕特鲁尼（Sasi Manipatruni）的工作构成了 Kepler 的技术基础。他曾任英特尔功能电子集成与制造（FEINMAN）研究中心创始主任。2018 年，他主导开发的磁电自旋轨道（MESO）逻辑器件发表于《自然》（Nature），被认为是“可能带领计算超越半导体时代”的突破。

Kepler 的首席科学官拉马穆尔蒂·拉梅什（Ramamoorthy Ramesh）是这项研究的另一位核心合作者。他在 2001 年首次发现多铁性材料，后续主导解决了铁电材料“疲劳”这一困扰学界数十年的经典难题。

工业量产经验方面，联合创始人拉吉夫·多卡尼亚（Rajeev Dokania）曾主导定义英特尔 Foveros 3D 芯片堆叠技术的架构，这项技术已用于英特尔多款处理器产品。他将在 Kepler 继续开发 3D 堆叠方案。

另一位联创拉尔斯·海内克（Lars Heineck）领导过 7 代动态随机存取存储器（DRAM）的量产，并主持过业界首批 232 层 3D NAND 闪存的规模化生产。安通·多米奇（Antun Domic）则是电子设计自动化（EDA）领域的先驱、新思科技（Synopsys）前 CTO。

对于存储这一既需要材料科学突破、工艺集成经验，还需要大规模量产能力的复合问题，Kepler 在每个关键节点上都有对应人才。

有趣的是，按蛰伏时间推算，Kepler 创立于 2018 年，彼时距离 ChatGPT 发布还有 4 年，高带宽内存（HBM）远没有今天这般紧俏，“AI 存储瓶颈”更是无从讲起。

事实上，团队成立时只专注于半导体的长周期趋势：传统 CMOS 晶体管的尺寸缩小已逼近物理极限，行业需要新的材料体系来延续算力增长。

公司最初的产品定位是给 CPU 和 GPU 做片上缓存的静态随机存取存储器（SRAM）替代品，再逐步推进 DRAM 和 HBM，前者对应着几十年来相对稳定的需求。MESO 研究原本是为“后 CMOS”命题做出的技术准备，铁电材料则是这条路线里最有希望的候选之一。

德博在媒体采访中透露，“ChatGPT 发布之后，HBM 替代品的需求突然爆发，我们才开始规划 HBM 路线，现在是两条路线并行推进”。

Kepler 并未预见 AI，反而是 AI 等到了Kepler。

（来源：Kepler Computing）

在原有产线上做更好的新材料

AI 爆发后，算力增长远快于存储带宽增长，HBM 供不应求，新建一座先进存储晶圆厂动辄需要投入 200 亿至 400 亿美元，耗时两到三年。对此，Kepler 的解法是：不建新厂，只换材料。

铁电随机存取存储器（FeRAM）的起源可追溯到 1950 年代，当时的研究人员发现，外部电压作用于铁电材料时，晶体结构内部的电偶极子沿电场方向排列形成自发极化，撤去电压后极化方向依然保留。将极化的两个方向分别映射为 0 和 1，材料就构成了一种断电不丢数据的非易失存储介质。

这与依靠电容储存电荷来记录信息的主流存储技术有本质区别，DRAM 工艺越先进，电荷泄漏越快，需要毫秒级的刷新操作不断“补充”数据，这会持续消耗大量电力。SRAM 虽然速度快、无需刷新，但会占用大量芯片面积，很难在单一芯片上做大容量。

1990 年代，铁电存储已出现商业化产品，主要用于智能卡、无线射频识别标签等对功耗敏感、容量需求不高的应用场景。

而它始终未能进入主流存储市场的原因在于，反复读写带来的“疲劳”会导致极化翻转越来越困难，最终器件失效；在纳米尺度下，早期该技术采用的钙钛矿结构材料，极化性能会急剧下降，存储可靠性随之退化，且其与硅工艺兼容性不足。

针对这些短板，团队在材料创新方面下足了功夫。经历了 35 次材料迭代，最终敲定使用一种以氧化铪基化合物为核心的低电压铁电复合材料，其具备原子层沉积精度和精细的晶体结构控制。

这类材料与硅基工艺兼容性较好，在几纳米厚度下也不会失去铁电特性，能较好融入现有半导体制造流程。德博隐晦地表示，“我们使用的材料种类很少，其中一些并不是主流铁电材料中常见的成分”。

将新材料与纵向 3D 集成结合后，Kepler 存储系统的带宽功耗比将接近 SRAM 水平，容量可能达到当前 SRAM 和 HBM 的 10 倍。铁电极化无需持续电力供应，待机功耗大幅降低，翻转极化的能耗也极小。

落实进具体应用场景，在铁电存储技术的加持下，大语言模型推理中频繁访问的模型参数、以及用于保留会话上下文的键值（KV）缓存，有望在更大容量、更低功耗条件下贴近处理器部署。

Kepler 计划将 28 纳米成熟制程产线直接改造用于存储芯片，绕过依赖昂贵极紫外光刻（EUV）设备的传统制造策略。

据 Kepler 合作方、格芯 CMOS 业务高级副总裁埃德·卡斯特（Ed Kaste）介绍，将一条现有产线改造为 Kepler 的“下一代”存储产线，大约仅需 8 个月。德博则将这一策略概括为“最大化每座工厂的智能密度和投入产出比”。

目前，Kepler 已在格芯的新加坡和美国工厂内建起“迷你晶圆厂”，累计流片约 2000 片晶圆，采集了初步的电学表征数据。

作为对照，在存储需求爆发的当下，SK 海力士（SK Hynix）和美光（Micron）等巨头更追求传统路线的规模升级：在全球斥资数十亿美元建设新的 HBM 晶圆厂，用更先进的光刻制程、更高的堆叠层数和更精密的封装实现产能扩充。

国内，长江存储在 3D NAND 闪存领域已经成为不可忽视的力量，出货量位居全球第三。其凭借自研晶栈（Xtacking）架构在提升存储密度的同时加快迭代速度。长鑫存储则在 DRAM 领域快速追赶，依靠深紫外多重曝光技术推进先进制程节点。

风险、未知数与前路

从技术角度出发，铁电存储的耐久性仍是 Kepler 的核心限制因素。大多数氧化铪基平面电容器件目前仅能维持约 106 次稳定循环，与商业存储要求的 1015 次循环下限仍有巨大差距。Kepler 曾表示已通过材料科学突破克服疲劳问题，但具体方案尚未公开披露。

污染隔离构成另一重风险，Kepler 的复合材料含铁，这种元素在半导体产线上属于严重污染物，一旦逸出可能破坏整条产线的其他产品。Kepler 的方案必须运行在专用设备上，或对材料进行完全封装以防泄漏，这都将提高对制造工艺的要求。

接口标准与技术生态也是隐藏的挑战：新型存储如何与 GPU 及各类 AI 加速器互联，将直接决定其能否被生态接纳。这不仅是物理设计问题，还涉及加速器侧内存控制器和软件的适配。

检验半导体公司技术路线的终极考场依然是量产。与主流存储产品每月百万片量级的稳定良率相比，Kepler 目前的产量微不足道。

Kepler 计划在 2026 年底出货首批 HBM 芯片样品，2027 年在格芯的新加坡工厂实现量产，2028 年扩展到美国生产。按照埃德的说法，接下来就看 Kepler 能否在成千上万片晶圆和数百万个器件上“都拿到好结果”。

参考内容：

https://www.wired.com/story/a-new-dollar400-million-startup-wants-to-fix-the-ai-memory-bottleneck/

https://x.com/dolaoseb/status/2097776763514560680

https://keplercompute.com/

注：封面由 AI 辅助生成