前言：

存算一體架構正受到學界、產界等各方的熱議。

智能化時代的算力需求和計算服務業(yè)態(tài)正在發(fā)生變革的背景下，巨頭IDM廠商和國內新銳的算力芯片廠商都在探索存算一體芯片，并衍生出不同的架構和技術路線。

作者?| 方文三

圖片來源?|??網 絡?

存算一體底層創(chuàng)新

目前市面上的芯片都是基于馮諾依曼架構，其特點是處理單元和存儲單元分離，各不相干，需要運算的時候，計算單元再從存儲單元讀取數(shù)據進行處理，處理完再還回去。

而存算一體則是把存儲單元和處理單元合二為一，去掉了中間傳輸路徑，所以可以大幅減少數(shù)據搬運，消過程中不必要的延遲和功耗，能耗可降至 1/10-1/100，能效可提升 10-100TOPS/W。

因為存儲一體是以存儲器為介質，在里面加入計算單元，所以可以直接利用存儲單元進行邏輯計算提升算力，在特定區(qū)域可提供 1000TOPS 以上的算力。

存算一體芯片目前發(fā)展難點

傳統(tǒng)架構是計算和存儲相分離，現(xiàn)在兩者要合二為一，這就對存儲器本身和存算一體的設計提出更高的要求，是需要技術人員從頭探索的新領域。

基于存算一體是把計算和數(shù)據高度耦合，因此一旦其中一方出問題，另一方幾乎也會遭到極大影響，這都是需要處理的難題。

其中最重要一點便是生態(tài)與編程框架不完善，缺乏相應的指令集與軟件工具。

一方面，各單位、公司開發(fā)的存算一體芯片均基于自行定義的編程接口，缺乏統(tǒng)一的編程接口，造成了存算一體軟件生態(tài)的分散，不同廠商開發(fā)的上層軟件無法互相通用，極大的影響了存算一體芯片的大規(guī)模使用。

另一方面，除了高效的硬件設計，神經網絡模型面向存算一體架構時，計算任務如何映射、調度，也是發(fā)揮神經網絡加速器性能和能效的關鍵。

存算一體國內外玩家盤點

存算一體技術可有效突破芯片性能瓶頸，是解決算力提升放緩和算力需求快速增長之間尖銳矛盾的一種關鍵技術路徑，目前存算技術正處在從學術到工業(yè)產品的躍遷的關鍵時期。

三星

三星2021年2月發(fā)布HBM2-PIM，將4片常規(guī)DRAM die和4片具有計算功能的DRAM die通過TSV通孔垂直組合在一起。其中具有計算功能的DRAM die內部集成了計算邏輯單元，即將A引擎引入每人存儲子單元，從而將處理操作轉移到HBM。每個存儲子單元都有一個嵌入式可編程計算單元(PCU) ，其運行頻率為300 MHz，每個裸片上 (PIM-DRAM die) 有32個PCU。

Mythic

Mythic2021年5月獲得 7000 萬美元的 C 輪融資，累計融資金額1.652 億美元產品特點: 基于區(qū)塊的A 計算架構一一內存計算、數(shù)據流架構和模擬計算。

2021年6月發(fā)布由72個AMP切片構成，每個切片內部集成一系列閃存單元、ADC陣列、1個32位RISC納米處理器、1個16位SIMD矢量處理器、SRAM和1個片上網絡 (NOC) 路由器，算力達25TOPS。

阿里達摩院

達摩院研發(fā)的存算一體芯片是全球首次采用混合鍵合(Hybrid Bonding)的 3D 堆疊技術，將計算芯片和存儲芯片 face-to-face 地用特定金屬材質和工藝進行互聯(lián)。

得益于整體架構的創(chuàng)新，達摩院的存算一體AI芯片同時實現(xiàn)了高性能和低系統(tǒng)功耗。

在實際推薦系統(tǒng)應用中，相比傳統(tǒng)CPU計算系統(tǒng)，該芯片的性能提升10倍以上，能效提升超過300倍。

后摩智能

后摩智能由吳強博士與多位國際頂尖學者和芯片工業(yè)界資深專家聯(lián)合組建，是全球存算一體智駕芯片的先行者。

后摩智能發(fā)布了首款存算一體芯片——鴻途 H30，最高物理算力 256TOPS，功耗僅為 35W，碾壓國內一眾智駕芯片。

蘋芯科技

蘋芯科技已開發(fā)實現(xiàn)多款基于SRAM的存內計算加速單元，致力于為人工智能行業(yè)提供了低成本、高效率、低能耗、高性能的芯片解決方案。

與此同時，面向多元化的場景，公司也正在開發(fā)利用新型存儲器為底層技術，為客戶提供便捷的AI硬件加速方案。

此方向突破了傳統(tǒng)馮·諾伊曼架構所帶來的局限，可廣泛應用于眾多人工智能行業(yè)領域，包括但不限于智慧城市、智能家居、工業(yè)物聯(lián)網，以及各類智慧終端、可穿戴設備、自主無人系統(tǒng)等領域。

知存科技

知存科技專注存內計算芯片領域，創(chuàng)新使用Flash存儲器完成神經網絡的儲存和運算，解決AI的存儲墻問題，提高運算效率，降低成本。

公司旗下WTM2101芯片適配低功耗AIoT應用，可使用微瓦到毫瓦級功耗完成大規(guī)模深度學習運算，可應用于智能語音、智能健康等市場領域，目前已完成批量生產和市場應用。WTM8系列芯片面向6-48Tops算力產品，應用于4K-8K視頻的實時處理。

存算一體芯片市場前景

存內計算的發(fā)展類似于存儲器的發(fā)展路徑，算力每年可以有5-10倍提升，能效每年會有1-2倍提升，成本每年會有30-50%下降，能把成本、算力、能效都可以做到最優(yōu)。

中早期的存算一體芯片算力較小，更多地應用在對低功耗和高能效有強烈需求的端側場景，比如智能家居場景下的智能語音和輕量級視覺層面的應用。

但存算一體芯片算力不斷提升，其使用范圍逐漸擴展到邊緣端以及云端的大算力應用領域。

智能駕駛技術的迭代升級，智能汽車對算力的需求越來越大；并且，智能汽車作為一個邊緣端設備，相比云端，對成本和功耗更為敏感。

存算一體技術通過將計算功能和存儲功能有機融合，可有效降低甚至消除數(shù)據頻繁搬運帶來的功耗問題，并且能夠在不依賴于先進工藝的情況下，做出大算力芯片，能夠同時兼顧能效和成本，可破解當前傳統(tǒng)架構大算力AI芯片的所面臨的一些困局。

也是智能駕駛場景下被業(yè)內人士迫切期待的一種高能效AI芯片架構的技術實現(xiàn)路徑。

存算一體芯片開源指令集和編譯器

在今年的集成電路EDA領域頂級會議上，中國科學院計算技術研究所智能計算機中心陳曉明和韓銀和研究員團隊發(fā)表論文，公布了一項新的研究成果：PIMCOMP-NN存算一體通用編譯器和PIMSIM-NN——存算一體通用模擬器，二者基于一套之前該團隊開源的存算一體指令集，構成了完整的開源存算一體工具鏈，該項工作或將為存算一體芯片建立統(tǒng)一的生態(tài)做出一定的貢獻。

該工具鏈建立在一套面向神經網絡的存算一體指令集基礎上。

指令集作為芯片軟硬件設計的接口，對于軟件生態(tài)有著舉足經重的作用，為了使工具鏈對多種多樣的存算一體芯片的底層操作具有通用性，該課題組首先抽象了存算一體架構支持的基本算子，定義了一套統(tǒng)一的面向神經網絡的存算一體指令集。

隨著開源理念在存算一體領域的拓展，將有助于行業(yè)建立統(tǒng)一的編程和接口標準，從而使來自不同廠商和研究機構的產品實現(xiàn)互通。

這一標準化進程將有助于解決目前存算一體芯片領域的碎片化問題，提高生態(tài)系統(tǒng)的協(xié)同效率。

進一步推動存算一體芯片更容易與人工智能、大數(shù)據、物聯(lián)網等產業(yè)相結合，形成更加豐富和復雜的應用場景。

結尾：

隨著矛盾不斷升級，高通和Arm破鏡難圓已成定局。

對Arm公司來說，上有PC端巨擘X86的競爭壓力，下有RISC-V欲取而代之；

再加上昔日盟友高通這一肘腋之患，重重隱憂正在動搖ARM在芯片產業(yè)下游的統(tǒng)治基礎。

部分資料參考：熱點微評：《ARM霸權下：高通的叛逃與國產廠商的無奈》，三易生活：《驍龍8 Gen4或全面換用自研架構，ARM不樂意了》， 談芯說科技：《人工智能突飛猛進，ARM是否會掉隊？》

       原文標題 : AI芯天下丨趨勢丨存算一體芯片邁進開源