全球存算一体技术研究及量产情况最新进展（收录于存算一体芯片赛道投资融资分析）

chenweiPhD

已于 2022-06-01 22:35:57 修改

阅读量1.6k

点赞数 1

分类专栏：存算一体芯片赛道投资融资分析文章标签：人工智能物联网云计算 ai

于 2022-06-01 21:37:08 首次发布

原文链接：https://zhuanlan.zhihu.com/p/511251042

版权

存算一体芯片赛道投资融资分析专栏收录该内容

2 篇文章 4 订阅

订阅专栏

编者注：

随着技术研发的推进，存算一体技术逐渐由学术研究进入到产品研发阶段。

在存算一体赛道上，各家有各自不同的产品路线和存储器单元选择。

有的坚持走核心技术自研路线，有的则采纳国外先进IP核心。

需要注意的是，这篇里主要记录的国内的存算一体芯片厂家。全球的存算一体芯片厂家收录可以参考：

陈巍谈芯：存算一体芯片赛道企业收录（收录于存算一体芯片赛道投资融资分析，持续更新，上次更新于20220504）https://zhuanlan.zhihu.com/p/480397512

存算一体芯片最新发展趋势可以参考：

以下信息与实际情况有所出入，不代表编者观点。

-----------------------------------------以下为正文-------------------------------------------

（ 原文刊载于电子发烧友网 2022-05-05 ）

李弯弯电子发烧友网

电子发烧友网报道（文/李弯弯）AI时代，冯诺依曼架构下计算单元与存储单元分离带来的存储墙问题愈发明显，而存算一体被认为是解决存储墙问题的有效方式。

如今国内外众多企业都已经开展存算一体技术的研发，包括英特尔、SK海力士、IBM、美光、三星、台积电、阿里等传统芯片大厂，以及众多新兴AI和存储企业，比如亿铸科技、千芯科技、后摩智能、（前面为大算力存算一体芯片，后面为小算力存算一体芯片) 闪易半导体、苹芯科技、知存科技、智芯科、九天睿芯、恒烁半导体等。
那么目前各家企业的研究和量产情况进展如何呢？各家的技术路线有何差异？存算一体技术未来的整体趋势如何？

传统芯片大厂积极研发，展示最新进展

目前，三星电子、SK海力士、台积电、美光、IBM、英特尔等都在进行存算一体技术的研究，其中有明显进展是三星电子、SK海力士。

三星电子在多个技术路线进行尝试，2021年初，三星发布基于HBM的新型内存，里面集成了AI处理器，该处理器可以实现高达1.2TFLOPS的计算能力，新型HBM-PIM（存内计算）芯片将AI引擎引入每个存储库，从而将处理操作转移到HBM，可以减轻在内存和处理器之间搬运数据的负担。三星表示新型HBM-PIM芯片，可以提供2倍的系统性能，同时能耗降低了70%以上。

今年1月三星电子又带来新研究成果，该公司在顶级学术期刊Nature上发表了全球首个基于MRAM（磁性随机存储器）的存内计算研究。据介绍，三星电子的研究团队通过构建新的MRAM阵列结构，用基于28nm CMOS工艺的MRAM阵列芯片运行了手写数字识别和人脸检测等AI算法，准确率分别为98%和93%。

SK海力士今年2月也公布了基于GDDR接口的DRAM存内计算的最新研究成果，并展示了其首款基于存内计算技术产品GDDR6-AiM的样本。

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%。

台积电也在进行存内计算的研究，该公司的研究人员在2021年初的国际固态电路会议（ISSCC 2021）上提出了一种基于数字改良的SRAM设计存内计算方案，能支持更大的神经网络。

此外美光也曾通过收购人工智能技术初创公司Fwdnxt，尝试开发将内存和计算紧密结合的创新方案，IBM前几年也在相变存储（PCRAM）里实现了神经网络计算功能，英特尔也早早提出了近内存计算战略，将数据在存储层级向上移动，使其更接近处理单元进行计算。

国内新兴企业陆续融资，不少企业进展明显

在存算一体技术推进研发、量产落地方面，国内新兴AI和存储企业进展明显，包括亿铸科技、千芯科技、后摩智能、（前面为大算力存算一体芯片，后面为小算力存算一体芯片) 闪易半导体、苹芯科技、知存科技、智芯科、九天睿芯、恒烁半导体等。

新型存储代表着存算一体内技术的未来

目前能做存算一体的存储器包括Flash、SRAM、DRAM、RRAM（忆阻器）、MRAM（磁性存储器）等，不同技术路线各有优劣势，比如Flash具有密度比较高的优点，DRAM成本比较低，MRAM、RRAM等新型存储器除了存储密度较高之外，功耗也比较低等。未来随着人工智能对高性能、低功耗处理需求的不断增强，存算一体技术的开发和应用落地进程将会加速。

其中，在众多存储器中，新型存储器RRAM、MRAM等被格外看好，此前有业内人士对电子发烧友表示，RRAM、MRAM这两类新型存储器代表着存内计算的未来，不过因为技术比较新，目前在工艺成熟度和商业化上还需要一些耐心。

事实上RRAM、MRAM等已经在逐渐取得进展。MRAM是一种基于自旋电子学的新型信息存储器件，其核心结构由一个磁性隧道结和一个访问晶体管构成，和其他存储器相比，MRAM在运行速度、寿命和量产方面存在优势。事实上，早在十几年前就有企业研究和MRAM产品，包括飞思卡尔（被恩智浦并购）、东芝、高通等，过去几年台积电、英特尔、三星、SK海力士等晶圆代工厂和IDM也大力投入研发。目前RRAM、MRAM等还落后先进工艺3-4代以上。

此外也有不少初创公司投入研究并取得进展，比如国外的Everspin、Avalanche、Crocus、 Spin Transfer Technology 已经能够提供MRAM样品，国内成立于2019年的亘存科技，已经于2020年完成产业链闭环建设，打通了上下游各关键环节，获得数家来自国内外客户的合作订单和营收，涉及技术涵盖STT-MRAM和 SOT-MRAM等。

RRAM是继电阻、电容、电感之后的第四种电路基本元件，这种组件的电阻会随着通过的电流量而改变，它本身就像一个矩阵排列，最适合进行点积乘法和累加运算，而这类运算占深度学习算法中的绝大部分。乘积累加操作可以通过将忆阻器这样的可编程阻变元件直接集成到非易失性高密度存储芯片中来实现，处理单元被嵌入存储器中，可减少数据移动，也就是说忆阻器本身就已具备存内计算的特质，非常适合用于存算一体芯片技术方向。

目前已经有些RRAM进入小批量试产阶段，而且此前清华大学微电子所、未来芯片技术高精尖创新中心钱鹤、吴华强教授团队，与合作者共同研发出一款基于多个忆阻器阵列的存算一体系统，该系统在处理卷积神经网络时的能效，比图形处理器芯片高两个数量级，单芯片算力高达1POPs，大幅提升计算设备的算力，而且功耗比传统芯片降低了100倍。

可以看到，新型存储器RRAM、MRAM等的优势非常明显，不过相比于Flash、SRAM、DRAM等存储器，它们在开发上还有很多问题需要攻克，从当前的进展来看，预计未来5-8年将会逐渐有产品走向商用。

小结

从统计情况来看，目前已经有基于SRAM、NOR Flash的存算一体产品批量生产，基本上是小算力产品，面向消费、泛安防等低功耗市场；此外可以看到，有不少企业正在研发面向边缘端、云端推理场景的大算力产品，应用于数据中心、智能驾驶等领域，并且已经到了芯片验证阶段，而接下来，除了基于新型存储器的存算一体将会逐渐走向商用，存算一体芯片产品也将从小算力终端消费类应用，逐渐走到面向大算力的智能驾驶、数据中心等应用。