存内计算的主流技术路线

目前，存内计算的主流技术路线分为3种，分别是Flash、静态随机存储器(SRAM)和阻变式存储器(RRAM)。
 
选择SRAM，有着多方面的考量，包括SRAM对高端制程工艺有着比较好的兼容性，产品可靠性更高。同时，在下游的供应链环节，公司可以更容易获得流片的渠道、代工厂相关制程工艺的提供和稳定性也有保障。
 
从应用层来看，考虑到在实际处理比较复杂的AI模型过程中，并不可能将全部模型一次性放入内存中，反而是以“层”为单位进行数据处理。这样，作为易失性存储器的SRAM由于没有擦写次数上限，避开了一些非易失性存储器面临的内存管理等难题。
 
但并不否认Flash和RRAM也有各自的优势，例如它们的存储密度相对SRAM会更高，在学术界，曾有人提出RRAM一个存储单元就相当于普通内存11比特的存储量，非常有吸引力；两者都属于非易失性存储器，即使遭遇断电，数据也不会遗失，相关的工艺和功耗表现也都十分出色。
 
行业内近期的确出现了不少致力于存算一体化的公司，但各家的目标市场、底层技术路线、实现存算一体的路径都不相同。事实上，目前还没有看到任何一家的技术方案是完全一样的，这是一个排列组合、百花齐放的过程。
 
曾有行业人士进行过预估，存内计算大概会比现有芯片的理论极限再高出1000倍。这意味着存内计算未来可能还有几百、几千倍的发展空间，各家公司从现有端侧产品线向更高算力迈进的趋势也应该会逐渐明朗起来。
 
AI只是阵列式运算加速的一部分，当一个小的存算内核足够稳定，设计足够优秀的时候，我们可以通过堆叠的方式向大算力应用领域迈进。从底层器件角度分析，新兴存储器在过去几年内发展非常快，良率、误比特率(Bit Error Rate)提升幅度极大，像忆阻器这样的技术有望在未来几年内成熟起来，带动“混合计算”模式成为主流。
 
之所以会出现“混合计算”模式，是因为现在的计算机体系正呈现出类似金字塔式的分级架构，如果存算也参与了整个数据的计算和处理，那么存储器也会有相应的层次结构(Memory Hierarchy)，例如基于RRAM去完成数据量较大的计算，而SRAM更适合那些追求速度或是精度的计算。以AI模型为例，内部不同的计算密集型和存储密集型运算，就应该寻找不同存储介质去完成各自所擅长的工作。


本文关键词：SRAM

相关文章：非易失性MRAM：磁性内存

宇芯有限公司自成立以来，我们专注于代理国内外各大知名品牌的半导体元器件，代理品牌有NETSOL、JSC、everspin代理、来杨Lyontek、ISSI、CYPRESS，VTI等多个品牌总代理资质，主要产品线为sram、mram、psram等其他存储器芯片，致力于为客户提供具有竞争优势的产品，是一家专业提供存储方案解决商。