文章图片

存内计算由于突破传统冯·诺依曼架构瓶颈 ， 实现了存储单元与逻辑单元的融合 ， 成为实现智能计算的主要技术路线之一 ， 受到业界龙头大厂的高度重视 。 在近日召开的国际固态半导体电路会议（ISSCC）上 ， SK海力士发表了基于GDDR接口的DRAM存内计算 ， 台积电共发表（或合作发表）6篇有关存内计算存储器IP的论文 。 随着人工智能对高性能、低功耗处理需求的不断增强 ， 存内计算的开发进程必将不断加快 ， 并走向现实应用 。
存内计算受关注龙头大厂重点布局
ISSCC一向是半导体产业界展示最新研发成果的平台之一 ， 在今年的发布重点中 ， 存内计算无疑位列其中 。 SK海力士发表存内计算的开发成果——基于GDDR接口的DRAM存内计算 ， 并展示了其首款基于存内计算技术产品——GDDR6-AiM的样本 。
SK海力士表示 ， GDDR6-AiM是将计算功能添加到数据传输速度为16Gbps的GDDR6内存产品中 。 与传统DRAM相比 ， 将GDDR6-AiM 与CPU、GPU相结合的系统可在特定计算环境中将计算速度提高16倍 。 此外 ， 由于存内计算在运算中减少了内存与CPU、GPU间的数据传输往来 ， 大大降低了功耗 ， GDDR6-AiM可使功耗降低80% 。 SK海力士解决方案开发担当副社长安炫表示：“基于具备独立计算功能的存内计算技术 ， SK海力士将通过GDDR6-AiM构建全新的存储器解决方案生态系统 。 ”
台积电在存内计算研发方面的投入也很大 。 在本届ISSCC上 ， 台积电共合作发表了6篇关于存内计算存储器IP的论文 ， 其中一篇的作者全部来自台积电 ， 其余5篇则是台积电和其他高校合作 。 台积电独立发表的SRAM论文基于5nm工艺 ， 可以在不同计算精度下实现高计算密度和能效比 。
事实上 ， 三星、IBM、东芝、英特尔等半导体大厂在存内计算方面也早有布局 。 三星在2021年发布的HBM2-PIM ， 使用Aquabolt-XL技术围绕HBM2 DRAM进行存内计算 ， 可实现高达1.2TFLOPS的计算能力 。
国内厂商方面 ， 阿里达摩院、知存科技、Myhtic等也以AI为契机 ， 积极进行特定领域、特定功能的AI存算一体芯片开发 。 去年5月 ， Myhtic宣布完成C轮7000万美元融资 。 去年6月 ， 知存科技宣布完成亿元A3轮融资 。
AI应用需求推动迈入产品化前夜
随着人工智能应用的爆发 ， 业界迫切需要一项技术来解决传统冯·诺依曼架构存在的算力瓶颈与高功耗问题 。 这也是一众半导体大厂关注存内计算的主要原因 。
对此 ， 有业内专家告诉采访人员 ， 当前主流的计算架构均采用冯·诺依曼架构 ， 其存在两个固有问题 ， 即所谓的内存墙问题和功耗墙问题 。 冯·诺依曼架构的计算单元与存储单元分置 ， 之间用数据总线连接 ， 运算过程中就需要使数据在处理器与存储器之间进行频繁迁移 ， 这一过程产生的功耗极为巨大 ， 甚至比真正用于数据处理所产生的功耗还要高上百倍 。 内存墙则是指目前的CPU运算速度比存储器的数据存取速度快得多 ， 存储器成为制约数据处理速度提高的主要瓶颈 。 现在人们应对这个问题的主要方法是提高内存的处理速度或加大数据传输带宽 ， 但这些都不能从根本上解决问题 ， 开发一种将存储单元与处理单元完全整合的处理器方案 ， 就成为解决这一问题的终极方案 。
SK海力士定制设计项目负责人Dae-han Kwon也指出：“对于RNN（循环神经网络）等内存受限的应用程序 ， 当应用程序在DRAM中使用计算电路执行时 ， 性能和功率效率有望显著提高 。 考虑到要处理的数据量将大幅增加 ， 存内计算有望成为改善当前计算机系统性能极限的有力候选者 。 ”