下世代記憶體產業的王牌－自旋磁性記憶體

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

本文由 美光科技 委託，泛科學企劃執行。

你是不是也有過這樣的經驗？本來想上樓到房間拿個東西，進到房間之後卻忘了上樓的原因，還完全想不起來；到超巿想著要買三四樣東西回家，最後只記得其中兩樣，結果還把重要的一樣給漏了；手機 Line 群組裡發的訊息，看過一轉身回頭做事轉眼就忘了。

發生這種情況，是不是覺得很懊惱：明明才想好要幹嘛，才不過幾秒鐘的時間就全部忘記了？吼呦！我根本是金魚腦袋嘛！記憶力到底是怎麼回事啊？要是能擁有更好的記憶力就好了！

金魚的記憶才不只 7 秒！

忘東忘西，我是金魚腦？！無辜地的金魚躺著也中槍！被網路流傳的「魚只有 7 秒記憶」的說法牽累，老是被拖下水，被貼上「記憶力不好、健忘」的標籤，金魚恐怕要大大地舉「鰭」抗議了！魚的記憶只有 7 秒嗎？

根據研究顯示，魚類的記憶可以保持一到三個月，某些洄游的魚類都還記得小時候住過的地方的氣味，甚至記憶力可以維持到好幾年，相當於他們的一輩子。

還有科學家發現斑馬魚在經過訓練之後，可以很快學會如何走迷宮，根據聲音信號尋找食物。但是當牠們壓力過大時會記不住東西，注意力分散也會降低學習效率，而且記憶力也會隨著衰老而逐漸衰退。如此看來，斑馬魚的記憶特點是不是跟人類有相似之處。

記憶力到底是怎麼回事？

為什麼魚會有記憶？為什麼人會有記憶？記憶力跟腦袋好不好、聰不聰明有關係嗎？這個就要探究記憶歷程的形成源頭了。

依照訊息處理的過程，外界的訊息經由我們的感覺受器（個體感官）接收到此訊息刺激形成神經電位後，被大腦轉譯成可以被前額葉解讀的資訊，最終會在我們的前額葉進行處理，如果前額處理後認為是有意義的內容就有可能被記住。

根據英國神經心理學家巴德利 Alan Baddeley 提出的工作記憶模式，前額葉處理資訊的能力稱為「短期工作記憶」，而處理完有意義、能被記住的內容則是「長期記憶」。

你可能會好奇「那記憶能被延長嗎」？只要透過反覆背誦、重覆操作等練習，我們就有機會將短期記憶轉化為長期記憶了。

要是能有超大記憶容量就好了！

比如當我們在接聽客戶電話時，對方報出電話號碼、交辦待辦事項，從接收訊息、形成短暫記憶到資訊篩選方便後續處理，整個大腦記憶組織海馬迴區的運作，如果用電腦儲存區來類比，「短期記憶」就像隨機存取記憶體 RAM，能有效且短暫的儲存資訊，而「長期記憶」就是硬碟等儲存裝置。

從上一段記憶的形成過程，可以得出記憶與認知、注意力有關，甚至可以透過刻意練習、習慣養成和一些利用大腦特性的記憶法來輔助學習，並強化和延長記憶力。

雖然人的記憶可以被延長、認知可以被提高，但當日常生活和工作上，需要被運算處理以及被記憶理解的事物越來越多、越來越複雜，並且需要被快速、大量地提取使用時，那就不只是記憶力的問題，而是與資訊取用速度、條理梳理、記憶容量有關了！

再加上短期記憶會隨著年齡增加明顯衰減，這時我們更需要借助一些外部「儲存裝置」來幫我們記住、保存更多更複雜的資訊！

美光推出高規格新一代快閃記憶體，滿足以數據為中心的工作負載

4K 影片、高清晰品質照片、大量數據、程式代碼、工作報告……在這個數據量大爆炸的時代，誰能解決消費者最大的儲存困擾，並滿足最快的資料存取速度，就能佔有這塊前景看好的市場！

全球第四大半導體公司—美光科技又領先群雄一步！除了推出 232 層 3D NAND 外，業界先進的 1α DRAM 製程節點可是正港 MIT，在台灣一條龍進行研發、製造、封裝。日前更宣布推出業界最先進的 1β DRAM，並預計明年於台灣量產喔！ 

美光不久前宣布量產具備業界多層數、高儲存密度、高性能且小尺寸的 232 層 3D NAND Flash，能提供從終端使用者到雲端間大部分數據密集型應用最佳支援。 

美光技術與產品執行副總裁 Scott DeBoer 表示，美光 232 層 3D NAND Flash 快閃記憶體為儲存裝置創新的分水嶺，涵蓋諸多層面創新，像是使用最新六平面技術，讓高達 232 層的 3D NAND 就像立體停車場，能多層垂直堆疊記憶體顆粒，解決 2D NAND 快閃記憶體帶來的限制；如同一個收納達人，能在最小的空間裡，收納最多的東西。

藉由提高密度，縮小封裝尺寸，美光 232 層 3D NAND 只要 1.1 x 1.3 的大小，就能把資料盡收其中。此外，美光 232 層 NAND 存取速度達業界最快的 2.4GB/s，搭配每個平面數條獨立字元線，好比六層樓高的高速公路又擁有多條獨立運行的車道，能緩解雍塞，減少讀寫壽命間的衝突，提高系統服務品質。

結語

等真正能在大腦植入像伊隆‧馬斯克提出的「Neuralink」腦機介面晶片，讓大腦與虛擬世界溝通，屆時世界對資訊讀取、儲存方式可能又會有所不同了。

但在這之前，我們可以更靈活地的運用現有的電腦設備，搭配高密度、高性能、小尺寸的美光 232 層 NAND 來協助、應付日常生活上多功需求和高效能作業。

快搜尋美光官方網站，了解業界最先進的技術，並追蹤美光Facebook粉絲專頁獲取最新消息吧！

參考資料

1. https://pansci.asia/archives/101764
2. 短期記憶與機制
3. 感覺記憶、短期記憶、長期記憶  
4. 注意力不集中？「利他能」真能提神變聰明嗎？

快閃記憶體常被用在個人電腦的 USB 記憶體、數位相機或智慧型手機的記憶卡等地方。即使切斷電源，記憶內容也不會消失，屬於非揮發性記憶體，且與 DRAM 的隨機存取類似，可讀取、擦除、寫入內容。不過，快閃記憶體的動作較慢，無法取代 DRAM。

快閃記憶體由東芝的舛岡富士雄於 1984 年發明。

DRAM 會透過記憶體電容器累積的電荷來記憶資訊。而快閃記憶體則會透過 MOSFET 內的懸浮閘極累積電荷。

圖 4－11 為快閃記憶體的結構。MOSFET 的閘極與 Si 基板之間，有個不與任一方相連的懸浮閘極。

這個懸浮閘極就是快閃記憶體的特徵。電荷儲存在這裡時，因為周圍是由氧化膜（SiO₂）構成的絕緣體，所以電荷（電子）不會跑到其他地方。即使切斷電源，記憶體內的資訊也不會消失，為非揮發性記憶體。

快閃記憶體的懸浮閘極帶有電荷時，儲存的是「0」；無電荷時，儲存的是「1」。懸浮閘極可透過累積或釋放電子，來記錄或保存資訊。

圖 4－12(a) 為寫入「0」的情況。此時源極、汲極、基板皆為 0V，並對控制閘極施加正電壓。

於是，Si 基板內的電子就會穿過氧化膜，於懸浮閘極內蓄積。「電子可穿過絕緣體氧化膜」聽起來有些不可思議，不過氧化膜相當薄，厚度只有約數 nm，所以電子可以透過穿隧效應穿過氧化膜。

因此，Si 基板與懸浮閘極之間的氧化膜也叫做穿隧氧化膜。寫入資訊「1」時，懸浮閘極不會蓄積電子，所以什麼事都不會發生。

當我們想要消除資訊，也就是消除懸浮電極蓄積的電子時，需讓控制電極電壓為 0V，並對源極、汲極、基板施加正電壓，如圖 4－12(b) 所示。這麼一來，懸浮電極內蓄積的電子就會透過穿隧效應穿過氧化膜，移動到電壓較高的基板一側。於是，原本蓄積於懸浮電極的電荷就會消失。

另一方面，當我們想要讀取資訊時，只要在控制電極施加一定的正電壓，便可透過從源極流向汲極的電流，讀取儲存單元內的資訊（圖 4－13）。

若懸浮閘極內有蓄積電子（「0」的狀態），這些電子的負電會抵消掉控制閘極施加的正電壓，使電流難以通過底下的通道。

利用懸浮電荷量不同來控制記憶體

若懸浮閘極內沒有累積電子（「1」的狀態），閘極電壓就會直接影響到基板，與 MOSFET 的情況一樣，故下方會有電流通過。所以由電流的差異，就可以判斷儲存單元的資訊是「0」或「1」。

即使懸浮閘極內有蓄積電荷（圖 4－13 的「0」狀態），要是對控制閘極施加的電壓過高，源極與汲極之間還是會有電流通過。

也就是說，懸浮電荷量不同時，使電晶體開始產生電流的閾值電壓（V_th，參考第 89 頁）也不一樣。故我們可藉由懸浮電荷量的控制來記憶資訊。

由前面的說明可以知道，像圖 4－14(a) 這樣的單一儲存單元，只能記錄 1 個位元，可能是「0」或「1」。

用閾值電壓判斷單元狀態

不過，如果閾值電壓可任意控制，就可以將懸浮閘極依儲存的電荷量，從滿電荷到無電荷分成 4 個等級，如圖 (b) 所示。4 個等級可分別對應「01」、「00」、「10」、「11」。這麼一來，1 個儲存單元就可以記錄 2 位元的資訊。

因為每種狀態所對應的閾值電壓都不一樣，V_th01＞V_th00＞V_th10＞V_th11，所以讀取資訊時，可以由閾值電壓判斷該儲存單元處於何種狀態。

可分成 4 種狀態的單元稱為 MLC（Multi Level Cell）。另一方面，只有 2 種狀態的單元稱為 SLC（Single Level Cell）。

MLC 的 1 個儲存單元可以記錄 2 位元的資訊。如果將 V_th 分成更多區間，還可以記錄 3 位元、4 位元的資訊，進而提升容量。不過，MLC 懸浮閘極寫入電壓的控制技術相當困難，MOSFET 對干擾現象又特別敏感，所以要做成增加更多層相對困難。

快閃記憶體的缺點

另外，快閃記憶體在記錄、消除資訊時，需使用 10V 之類相對較高的電壓，電子才能突破穿隧氧化膜。因此，反覆讀寫會造成氧化膜劣化，最後使儲存單元無法保留電子。也就是說，快閃記憶體的壽命比其他記憶體還要短。寫入速度較慢也是一項缺點。

另一方面，快閃記憶體與 DRAM 不同，不使用電容器，所以1個晶片可搭載的儲存單元較多，較容易提升容量。

快閃記憶體的組成——NAND 型與 NOR 型

快閃記憶體與 DRAM 一樣，都是由許多儲存單元排列成矩陣的樣子。快閃記憶體可依組成分成 NOR 型與 NAND 型 2 種（圖 4－15）。

圖 4－16 為 NOR 型的快閃記憶體結構。除了字元線與位元線之外，還有「源極線」存在，且源極線需通以電流。

NOR 型的快閃記憶體運作方式與 DRAM 相近，較好理解。以圖中圈出來的儲存單元為例，讀取單元內的數值時，會在對應的字元線施加讀取用電壓，然後透過位元線讀取資訊。另一方面，消除或寫入資訊時，會對位元線施加寫入用電壓，字元線也會施加寫入用電壓。

實際上的運作相當複雜，所以不像 DRAM 那樣只有 0 與 1 的 2 種數值，不過和 DRAM一樣是一個個單元讀取、寫入。換言之，可以隨機存取儲存單元。

另一方面，NAND 型快閃記憶體的結構則如圖 4－17 所示。

NAND 型的結構中，同一條字元線串聯起許多儲存單元，稱為 1「頁」（page），多條字元線有許多頁，稱為 1 個「區塊」（block）。

圖 4－18 中，1 條位元線可串聯起許多儲存單元。這種結構有個特徵，那就是同一條位元線上，各個 MOSFET 的源極與汲極皆串聯在同一列上。這一列MOSFET製作在半導體基板上時，剖面圖如下。

基板上，1 個電晶體的源極，與相鄰電晶體的汲極共用同一個n^＋區域，所以表面不需設置電極。少了電極而多出來的空間，就可以用來提升電晶體的聚積密度。

不過這種結構下，1 條位元線的電流比 NOR 型的電流還要小，所以讀取速度比較慢。另外，因為 1 個儲存單元比較小，所以懸浮閘極保留的電荷也會比較少，使資料保存的可靠度較差。

NAND 型的擦除與寫入步驟

NAND 型快閃記憶體需以 1 個區塊（含有許多頁）為單位進行擦除，以 1 頁為單位進行寫入。

因此，要更改 1 頁的內容時，必須將含有這 1 頁之整個區塊的資訊暫時複製存放到外部的其他地方，然後刪去整個區塊的資料，然後再把區塊資料複製回來，同時把要更改的內容寫進去。

也就是說，即使只是要改寫 1 位元的內容，也必須將整個區塊的資料都刪除掉才行。因為必須一次刪除廣大範圍的資料，所以被取了「快閃」這個名字。

不過，寫入資料時是一次寫入一整頁資料，所以寫入速度比 NOR 型還要快。

若比較 NOR 型與 NAND 型，會發現 NOR 型的優點是讀取較快，資料的可靠度較高。所以像是家電的微處理器、含有簡單程式的記憶體等裝置，對讀取的需求大於寫入，便會採用 NOR 型快閃記憶體。雖然容量不大，寫入較慢，但這些裝置幾乎不會進行寫入動作，所以高可靠度、較快的讀取速度對它們來說比較重要。

然而，快閃記憶體的主要用途是 USB 記憶體或 SSD 等資料儲存裝置，常需改寫儲存單元內的資料。此時，NAND 型的高聚積化就會是很大的優點。因此 NAND 型目前才是快閃記憶體的主流。

——本文摘自《圖解半導體：從設計、製程、應用一窺產業現況與展望》，2022 年 11 月，台灣東販出版，未經同意請勿轉載。