根據《Science Daily》報導，由劍橋大學領導的研究團隊，成功開發出利用氧化鉿改良的新型記憶電阻器（memristor）。這種創新元件旨在模仿大腦神經元連結與溝通方式，可望大幅降低人工智慧（AI）系統的能源消耗，最高可達七成，對於日益攀升的 AI 運算功耗問題提出潛在解決方案。

現今的 AI 系統因記憶體與處理器間頻繁的資料傳輸，導致能耗巨大。而神經形態運算（neuromorphic computing）則透過將記憶與運算整合於單一位置，如大腦般協同工作，有望從根本上解決此困境。此次劍橋大學研究團隊開發的新型記憶電阻器，是利用改良過的氧化鉿薄膜，透過調整其介面處的能障，實現受控的狀態切換機制，而非傳統元件仰賴不穩定的絲狀結構形成。這種介面切換機制使元件表現更為平穩、可靠且均勻，其操作電流比部分傳統氧化物記憶電阻器低約百萬倍。

劍橋大學材料科學與冶金學系主要作者 Babak Bakhit（Babak Bakhit）博士指出，能源消耗是當前 AI 硬體面臨的關鍵挑戰，需要具備極低電流、優異穩定性、高均勻度，以及能切換至多個不同狀態的裝置來解決。他表示，這項技術能在實驗室中維持數萬次切換週期穩定運作，並可保持編程狀態約一天，同時展現了如「脈衝時間依賴性可塑性」（spike-timing dependent plasticity）等關鍵的生物學習行為，具備數百種穩定的電導級別，對於類比式「記憶體內運算」（in-memory computing）至關重要。

然而，這項技術當前的製造過程面臨一項重大挑戰，即需要約 700°C 的高溫，遠高於業界標準的半導體製造溫度。Babak Bakhit 博士坦言，這仍是設備製造過程中的主要難題，團隊正積極研究降低製造溫度的方法，以使其能與現有的產業標準製程相容。他認為，若能解決溫度問題並將這些裝置整合到晶片中，將會是AI領域的重大突破，因為其能源效率極高，且設備性能表現充滿前景。此技術的專利申請已由 Cambridge Enterprise 提出。

對於台灣半導體產業而言，這項技術的發展值得關注。若未來製造溫度能成功降低，與現有半導體製程相容，將為台灣晶圓代工廠帶來新的技術整合機會，並推動次世代 AI 晶片朝低功耗方向發展。台灣廠商可望在關鍵製造環節中扮演重要角色，持續鞏固其在全球半導體供應鏈的領導地位。