所有事物的發(fā)展都代表了當(dāng)下時代對其提出的新要求,，半導(dǎo)體行業(yè)也沒有例外。

前日，阿里達(dá)摩院發(fā)布了全球首款使用混合鍵合3D堆疊技術(shù)實(shí)現(xiàn)存算一體的芯片，在行業(yè)內(nèi)引起了不小的轟動,。存算一體技術(shù)作為打破存儲墻和功耗墻的重要解決方案，又一次站在了聚光燈下,。

兩堵”墻”：存算一體技術(shù)發(fā)展的必要性

存算一體的發(fā)展是時代發(fā)展的要求,，現(xiàn)有馮·諾伊曼計算系統(tǒng)采用存儲和運(yùn)算分離的架構(gòu),，存在“存儲墻”與“功耗墻”瓶頸，嚴(yán)重制約系統(tǒng)算力和能效的提升,。

在馮·諾伊曼架構(gòu)的核心設(shè)計中計算機(jī)的組成架構(gòu)包括運(yùn)算器,、控制器、存儲器,、輸入設(shè)備、輸出設(shè)備五部分,。

在馮·諾伊曼架構(gòu)中,，計算單元要先從內(nèi)存中讀取數(shù)據(jù)，計算完成后,，再存回內(nèi)存,，這樣才能輸出。隨著半導(dǎo)體產(chǎn)業(yè)的發(fā)展和需求的差異,，處理器和存儲器二者之間走向了不同的工藝路線,。由于工藝、封裝,、需求的不同,，從1980年開始至今二者之間的性能差距越來越大。數(shù)據(jù)顯示,，從 1980年到 2000年,，處理器和存儲器的速度失配以每年50％的速率增加。

存儲器數(shù)據(jù)訪問速度跟不上處理器的數(shù)據(jù)處理速度,，數(shù)據(jù)傳輸就像處在一個巨大的漏斗之中,，不管處理器灌進(jìn)去多少，存儲器都只能“細(xì)水長流”,。兩者之間數(shù)據(jù)交換通路窄以及由此引發(fā)的高能耗兩大難題,，在存儲與運(yùn)算之間筑起了一道“存儲墻”。

此外,，在傳統(tǒng)架構(gòu)下,，數(shù)據(jù)從內(nèi)存單元傳輸?shù)接嬎銌卧枰墓氖怯嬎惚旧淼募s200倍，因此真正用于計算的能耗和時間占比很低,，數(shù)據(jù)在存儲器與處理器之間的頻繁遷移帶來嚴(yán)重的傳輸功耗問題,，稱為“功耗墻”。

再加上人工智能的發(fā)展,，需要運(yùn)算的數(shù)據(jù)量開始了極大的增長,。人工智能算法是一個很龐大和復(fù)雜的網(wǎng)絡(luò)，包含大量的圖像數(shù)據(jù)和權(quán)重參數(shù),，計算的過程中又會產(chǎn)生大量的數(shù)據(jù),，數(shù)據(jù)需要在計算單元和存儲單元之間進(jìn)行頻繁的移動,，這迫切需要合適的手段來減少數(shù)據(jù)移動及其帶來的性能和功耗開銷。

自1945年提出的馮·諾伊曼架構(gòu),，其本身仍是現(xiàn)代計算機(jī)的主要架構(gòu),，在此架構(gòu)下關(guān)于存算流程的彎路，在當(dāng)時是合理的,。但是在人工智能飛速發(fā)展的現(xiàn)在,，卻有必要顛覆它。

于是,，業(yè)界開始尋找弱化或消除存儲墻及功耗墻問題的方法,，開始考慮從聚焦計算的馮·諾伊曼體系結(jié)構(gòu)轉(zhuǎn)向存算一體結(jié)構(gòu)。

近存儲計算還是存內(nèi)計算,？

為了解決以上問題,，存算一體芯片應(yīng)運(yùn)而生。其核心思想是將部分或全部的計算移到存儲中,，計算單元和存儲單元集成在同一個芯片,，在存儲單元內(nèi)完成運(yùn)算，讓存儲單元具有計算能力,。這種極度近鄰的方式很大程度上降低了數(shù)據(jù)移動的延遲和功耗,，解決了存儲墻問題。

阿里達(dá)摩院發(fā)布的2020年十大科技趨勢里,，它認(rèn)為存算一體是突破AI算力瓶頸的關(guān)鍵技術(shù),，朝著這個趨勢阿里發(fā)布了近存儲計算芯片。近存儲計算與存內(nèi)計算都是存算一體的實(shí)現(xiàn)方式,，但是概念不同,。

近存儲計算指的是計算操作由位于存儲芯片外部的獨(dú)立計算芯片完成。通過采用先進(jìn)的3D封裝方式把內(nèi)存和計算單元封裝在一起,，可以達(dá)到幾千根甚至上萬根連線,，兩者之間的帶寬增加，提高了數(shù)據(jù)搬運(yùn)速度,。近存儲計算本質(zhì)上來說還沒有做到真正的存算“一”體,。

它從一開始設(shè)計計算芯片和存儲芯片的時候，就設(shè)計好了鏈接兩方的通路,，將數(shù)據(jù)運(yùn)輸距離極致縮短,。設(shè)計芯片本就相當(dāng)于用這些晶體管在指甲蓋大小的面積上建造一座城市，現(xiàn)在是需要重新設(shè)計兩座城市,，并提前在中間設(shè)計好互相鏈接的通道,，這是難點(diǎn)，也是競爭力,。阿里發(fā)布的,，正是采用這個技術(shù)的存算一體芯片,。

存內(nèi)計算指的是通過在存儲器顆粒上嵌入算法，使得存儲芯片內(nèi)部的存儲單元完成計算操作,，存儲單元和計算單元完全融合,，沒有獨(dú)立的計算單元。

在這種方式下,，數(shù)據(jù)不需要單獨(dú)的運(yùn)算部件來完成計算,，而是在存儲單元中完成存儲和計算，消除了數(shù)據(jù)訪存延遲和功耗,，是一種真正意義上的存儲與計算融合,。同時，由于計算完全依賴于存儲,，因此可以開發(fā)更細(xì)粒度的并行性，獲得更高的性能和能效,，存算一體對于符合的應(yīng)用會帶來較高的性能收益和能效收益,，這種方式尤其適用于人工智能應(yīng)用。

積極布局的龍頭與勇往直前的初創(chuàng)公司

存算一體仍舊是解決存儲墻和功耗墻問題的重要技術(shù),，一些處于行業(yè)領(lǐng)先地位的半導(dǎo)體公司正在積極進(jìn)行自研,，還有一些公司通過投資初創(chuàng)公司來布局存算一體技術(shù)。

國外巨頭中,，三星早在2019年就闡述了其在2030年希望完成的愿景：當(dāng)AI半導(dǎo)體技術(shù)變得更加復(fù)雜時,，存儲器和處理器將最終集成為一體。今年2月,，三星發(fā)布了HBM－PIM存內(nèi)計算技術(shù),，在高帶寬內(nèi)存 （HBM） 配置中集成內(nèi)存處理 （PIM） 。PIM 將可編程計算單元 （PCU） 的 AI 引擎集成到內(nèi)存核心中來處理某些邏輯函數(shù),，PIM 將刺激需要持續(xù)性能改進(jìn)的 AI 應(yīng)用程序的使用量增長,。與現(xiàn)有的內(nèi)存解決方案相比，三星的 PIM 理論上可以通過可編程計算單元 （PCU） 提高 4 倍的性能,。

此外,，IBM在2016年就透露了其關(guān)于存內(nèi)計算的研發(fā)計劃，提出了混合精度內(nèi)存計算的新概念,。

美國存算一體AI芯片初創(chuàng)公司Mythic發(fā)布的存算一體芯片,，依靠模擬計算技術(shù)，將足夠的存儲與大量并行計算單元打包在芯片上,，以最大化內(nèi)存帶寬并減少數(shù)據(jù)移動的能力,。在今年C輪融資中，Mythic籌集7000萬美元,，自成立以來Mythic的總?cè)谫Y額已達(dá)到1．65億美元,。

此外,，美國另一家專注于語音識別的存算一體AI芯片公司Syntiant也受到微軟、亞馬遜,、應(yīng)用材料,、英特爾、摩托羅拉和博世的支持,。

在國內(nèi)企業(yè)中,，看準(zhǔn)存算一體趨勢的阿里也激情入局，打出了一張好牌,。而阿里也不止步于此,，近存儲技術(shù)之后，阿里還將向存內(nèi)計算技術(shù)進(jìn)發(fā),。

除了阿里外,，眾多初創(chuàng)公司也努力在存算一體這個賽道狂奔，一些廠商也通過投資初創(chuàng)公司來布局存算一體技術(shù),，還包括知存科技,、后摩智能、閃億半導(dǎo)體等初創(chuàng)公司,。

知存科技于2017年成立,，目前知存推出國際首個存算一體加速器WTM1001和首個存算一體SoC芯片WTM2101。今年,，知存科技獲得了華為哈勃的投資,。知存科技已經(jīng)獲得五輪產(chǎn)業(yè)資本領(lǐng)投融資，累計融資3億元,。

閃億半導(dǎo)體作為該領(lǐng)域國產(chǎn)化芯片的先行者,，于2017年7月創(chuàng)立，創(chuàng)始團(tuán)隊分別畢業(yè)于清華大學(xué)和北京大學(xué),，閃億專注于研發(fā),、生產(chǎn)最先進(jìn)的存儲－運(yùn)算陣列SoC芯片，聚焦人工智能計算,。其在2019年10月發(fā)布了其首款存算一體芯片,，該公司負(fù)責(zé)人魯辭莽表示，這款芯片在運(yùn)行效率上能提高10TOPS／W,，成本比傳統(tǒng)AI芯片方案下降超一半,。

后摩智能更是于今年完成3億元融資，資金將用來加速推動存算一體技術(shù)落地,，作為國內(nèi)首家采用存算一體技術(shù)打造大算力芯片的公司,，后摩智能也擁有充滿野心的愿景：打造出具有“十倍效應(yīng)”的AI芯片， 滿足真正人工智能時代的超大算力需求，用無限算力去改變世界,。

存算一體的荊棘之路

當(dāng)前,，存算一體芯片產(chǎn)業(yè)還算不上成熟，在產(chǎn)業(yè)鏈方面仍舊存在上游支撐不足,，下游應(yīng)用不匹配的諸多挑戰(zhàn),。在芯片的設(shè)計階段，另外由于存算一體芯片和常規(guī)的芯片設(shè)計方案有所不同,，目前市面上也沒有成熟的專用EDA工具輔助設(shè)計和仿真驗證,；芯片流片之后，沒有成熟的工具協(xié)助測試,；在芯片落地應(yīng)用階段,，暫時沒有專用的軟件與之匹配。

類腦技術(shù)暫時遙不可及,，存算一體看起來是目前問題的較優(yōu)解,。技術(shù)的發(fā)展來源于日益增長的需求，考慮如何進(jìn)行創(chuàng)新與創(chuàng)造,，如何完善重要技術(shù)的生態(tài)鏈,，是行業(yè)上下游廠商應(yīng)該考慮的問題。