随着人工智能与大数据技能的飞速发展，我们正步入一个以大模型为核心的新时期。然而在这一浪潮中，传统的冯·诺依曼架构却逐渐显露出其狭隘性。
该架构虽然奠定了当代打算机的根本，但在面对海量数据处理与大模型演习时，却受限于存储与打算分离的设计，导致数据搬运成为性能瓶颈，严重制约了打算效率的提升。
为了打破这一瓶颈，业界开始将目光聚焦于另一个打算架构——存算一体，这是一种将存储和打算功能领悟在同一个芯片上的技能架构。
事实上，存算一体的观点由来已久。早在1969年，斯坦福研究所的Kautz等人提出了存算一体打算机的观点。但受限于当时的芯片制造技能和算力需求的匮乏，那时存算一体仅仅勾留在理论研究阶段，并未得到实际运用。
而近年来，随着半导系统编制造技能打破，以及AI等算力密集运用处景的崛起，存算一体技能也得到迅猛发展。2017年，英伟达、微软、三星等提出存算一体原型，随后，海内也出身一批存算一体芯片企业，苹芯科技是个中之一。
8月8日，苹芯科技正式发布了两款新品，包括存算一体NPU“PIMCHIP-N300”和多模态智能感知芯片“PIMCHIP-S300”，后者采取的是28纳米制程工艺。
苹芯科技CEO杨越在接管21世纪经济宣布采访时指出，“存算一体便是要在成熟制程实现高等制程的打算能力，这让我们不用非去卷高等制程”。
冲破冯·诺依曼架构
在存算一体技能涌现之前，打算架构基本都是遵照冯·诺依曼架构，即存储与打算单元分离。
杨越向表示，在冯·诺依曼架构下，当打算发生时，数据须要在存储和打算单元直接传输。而在AI算力芯片中，超过90%的功耗都花费在传输上，以是原来的架构在打算效率上很难支撑AI的发展。
此前，提高打算效率的办法便是升级制程工艺，从最初的65纳米、40纳米已经变成7纳米、5纳米乃至3纳米。然后，这种方法后来也遭遇了瓶颈。
因此2020年前后，海内涌现一批公司，他们试图从其他维度去办理打算效率提升的问题。“比如存算一体公司、量子打算公司、光子芯片公司等，这些公司希望去改变芯片的架构来减少数据的搬移。而在不同的技能路径中，存算一体是落地性最强的一个赛道”。杨越说。
在存算一体赛道中，不同公司也存在差异，紧张是底层所采取的Memory（存储器）类型不同。有的是用flash做，有的是用静态随机存储器（SRAM）做，还有的是用新型存储器——忆阻器来做。
杨越见告，不同的Memory所具有的特性不同，有的密度高，有的耐久性更好。而苹芯科技选择SRAM，是由于它的产品化能力最强。
“在用户最关心的几个性能维度上，比如读写的延时、耐久性、Memory可擦写的次数、高等制程兼容性等，SRAM的表现都是最优的。其余，由于SRAM在打算机体系中已经存在几十年了，它的本钱、良率都很稳定。以是如果想要快速产品化，SRAM会是最优的办理方案”。杨越表示。
其余，即便是利用同一种Memory来做的企业，面向的场景也可能不同。有些公司选择了大算力场景，比如汽车、做事器，苹芯科技选择的则是小端侧场景，比如智能可穿着设备、聪慧家居等。
杨越称，选择小端侧场景，是由于算力整体并不是特殊大，但是对付功耗的哀求又比较敏感。“做出这一选择，我们是从电路、系统架构、运用、本钱等角度进行了综合考量，以为小端侧场景更适宜快速出产品”。
他举例说，“我们团队的背景之前都是做新型存储器的，但我们仍旧采取SRAM方案，核心缘故原由便是我们认为这个方案在2-3年内可以产品化，这是符合投资人商业逻辑的，也是符合家当商业逻辑的”。
大厂留下的机会
目前，包括英特尔、三星、IBM、AMD等在内的传统芯片厂商都在布局存算一体，苹芯科技等初创公司如何应对与巨子的竞争？
杨越表示，从行业角度，大家做的事情是趋同的，便是希望让数据的搬运彻底消逝。包括苹芯科技在内的一些初创公司，其上风在于选择了存内打算方案，这险些能将缩短数据间隔这件事做到极致化。但大厂们不太可能去这样做，由于他们要考虑通用性的问题，这实际上也为创业公司供应了机会。
据理解，存算一体技能可分为三类：近存打算（Processing Near Memory, PNM）、存内处理（Processing In Memory, PIM）和存内打算（Computing In Memory, CIM）。
个中，近存打算是利用前辈的封装技能，将打算芯片和存储器封装到一起，通过减少内存和处理单元之间的路径，提高传输效率；存内处理侧重于将打算过程尽可能地嵌入到存储器内部，减少处理器访问存储器的频率；存内打算则是将打算和存储完备领悟的技能，通过电路改造或集成额外的打算单元来实现。
由于存内打算对制程工艺哀求不高，以是这也是海内创业公司紧张选择的技能路径。华西证券在一份研报中指出，近存打算的代际设计本钱较低，适宜传统架构芯片转入，目前该技能已经十分成熟，被广泛运用于各种CPU和GPU上。而存内打算紧张用于算法固定的场景算法打算。
杨越指出，目前电子产品正朝着小型化、智能本地化的方向发展，这给存算一体创业公司带来了很大的市场机遇。
“小型化意味着电池不能做得太大，然后还要去很好地驱动AI打算，这在传统架构中很难实现。比如现在基于传统架构的一些智能设备，当它们打开AI功能时，非常随意马虎发热，缘故原由在于有大量的数据搬运，而存算一体可以将产品体验变得更好”。他说。
据杨越先容，苹芯科技的产品未来会有两个迭代方向，一是在功能上，要从现在的卷积神经网络（CNN）迭代到Transformer模型，二是在打算效率上，会把制程工艺从现在的28纳米，升级到22纳米、14纳米，终极定格在12纳米。
更多内容请下载21财经APP