无标题文档

2023第三期科技趋势推荐——存算一体

2023-06-30

 

存算一体
资本和产业双轮驱动,存算一体芯片将在垂直细分
领域迎来规模化商用。[1]

       随着人工智能、物联网、大数据等应用的兴起,数据以爆发式的速度增长。自2012年起,全世界每天产生的数据量约为2.5×1018 Byte,且该体量仍然以每40个月翻倍的速度在持续增长。海量数据的高效存储、迁移与处理成为当前信息领域的重大挑战。然而,由于冯诺依曼架构的局限性,数据的高效处理遇到了存储墙和功耗墙两大问题。一方面,存储器的访问速度远远小于处理器的运算速度,导致处理器的实际算力远低于理论算力,难以满足大数据应用的快、准响应需求,称为存储墙问题;另一方面,冯诺依曼架构的存储与计算分离,数据在存储器与处理器之间的频繁迁移带来巨大的传输功耗,称为功耗墙瓶颈。例如,英伟达的研究报告指出,在22 nm工艺节点下,浮点运算所需的数据传输功耗是数据处理功耗的约200倍。为了缓解冯诺依曼架构瓶颈,目前产业界采用的主流方案是通过高速接口、光互联、三维堆叠、增加片上缓存等方法来提高数据带宽,并把存储器和处理器之间的数据传输距离缩短,以减小功耗,但这并不能从根本上解决冯诺依曼架构瓶颈。存算一体作为一种新型计算架构,直接利用存储器本身进行数据处理,从根本上消除数据搬运,实现存储与计算融合一体化,有望突破冯诺依曼架构存储墙与功耗墙瓶颈,成为后摩尔时代集成电路领域的重点研究方向之一。 [2]
       存算一体旨在计算单元与存储单元融合,在实现数据存储的同时直接进行计算,以消除数据搬移带来的开销,极大提升运算效率,以实现计算存储的高效节能。近年来,半导体制造技术的突飞猛进,以及AI、元宇宙等算力密集应用的崛起,为存算一体技术提供了新的制造平台和产业驱动力。北京大学集成电路学院院长蔡一茂认为,目前存算一体已经在产业细分领域掀起了创业浪潮,并受到投资界和产业界的关注和投入。在大方向上,存算一体在技术上向着高精度、高算力和高能效的方向发展。在资本和产业双轮驱动下,基于SRAM、NOR Flash等成熟存储器的存内计算将在垂直领域迎来规模化商用。其中,基于SRAM的存算一体芯片技术成熟,读写速度快,主要面向高性能、高算力AI计算应用;基于DRAM的存算一体芯片技术成熟,存储密度高,在适配大型AI模型方面具有优势;基于Flash的存算一体芯片大多基于NOR  Flash技术,存储容量较小,但工艺成熟度较高,面向消费电子与IoT设备;基于RRAM等新型处理器,目前仍处于探索阶段,应用场景为智能家居、硬件安防等。[3]
       另外,现阶段大国博弈加剧全球产业链、供应链重构,同时中国集成电路先进工艺的开发受到制约,单纯依靠先进制程等技术的单点突破成本高、周期长。因此,在补全产业链短板、攻坚关键技术的同时,还应充分利用现有产业链和研究基础,从系统层次布局多途径协同方案,采用国内成熟、领先的技术和计算架构,摸索更加高效可行的技术路径。为实现高算力芯片不断突破,需要扎根于中国现有产业基础,探寻底层计算架构的变革性方法,探索“架构+集成+系统”协同一体的自主可控创新路径。采用成熟制程和先进集成,结合CGRA和存算一体等国内领先的新型架构,在芯粒技术基础上实现晶圆级的高算力芯片是一条可行的突破路径,该路径能够利用现有优势技术,在更低的成本投入下,更快地提升芯片算力。[4]

 
       注释:
       [1].达摩院:2023十大技术趋势.[EB/OL].[2023-04-04].
       https://damo.alibaba.com/techtrends/2023
       [2].郭昕婕,王光燿,王绍迪.存内计算芯片研究进展及应用[J].电子与信息学报,2023,45(05):1888-1898.
       [3].北京大学集成电路学院院长蔡一茂:存算一体助推AI新突破[N].中国计算机报,2023-04-17(003).DOI:10.28468/n.cnki.njsjb.2023.000067.
       [4].姚鹏,宋昌明,胡杨等.高算力芯片未来技术发展途径[J].前瞻科技,2022,1(03):115-129.
 

       往期精彩推荐
       人工智能成为科学家的新生产工具,催生科研新范式(1)
       大模型参数竞赛进入冷静期,大小模型将云边端协同进化(2)
       光电融合兼具光子和电子优势,突破摩尔定律限制(3)
       人工智能助力大规模绿色能源消纳,实现多能互补的电力体系(4)
       机器人将兼具柔性和类人感知,可自适应完成多种任务(5)
       全域隐私计算破解数据保护与流通两难,隐私计算走向全域数据保护(6)
       星地计算卫星及地面一体化的通信与计算,促进空天地海全面数字化(7)
       多模态预训练大模型:基于多模态的预训练大模型将实现图文音统一知识表示,成为人工智能基础设施。(8)
       Chiplet 的互联标准将逐渐统一,重构芯片研发流程。(9)
 
 

       服务推广
       图书馆知识产权服务团队借助图书馆海量的学科信息资源、文献计量分析方法和相关分析工具,为北京邮电大学师生提供基于研究主题的学科文献资源的推荐与订阅服务。
       我们也可以为您定期寻找和推荐与您的研究相似的最新文献;我们还可以为您提供您的学科的研究热点;您所在学科的机构发文量最新统计等。
       如果您有上述相关需要,欢迎联系我们:
       联系电话:62281970(周一至周五8:00-11:30,13:30-17:00)
       地址:西土城图书馆219室
       联系人:王老师
       邮箱:zcfw@bupt.edu.cn