目前，存內(nèi)計算的主流技術路線分為3種，分別是Flash、靜態(tài)隨機存儲器(SRAM)和阻變式存儲器(RRAM)。
 
選擇SRAM，有著多方面的考量，包括SRAM對高端制程工藝有著比較好的兼容性，產(chǎn)品可靠性更高。同時，在下游的供應鏈環(huán)節(jié)，公司可以更容易獲得流片的渠道、代工廠相關制程工藝的提供和穩(wěn)定性也有保障。
 
從應用層來看，考慮到在實際處理比較復雜的AI模型過程中，并不可能將全部模型一次性放入內(nèi)存中，反而是以“層”為單位進行數(shù)據(jù)處理。這樣，作為易失性存儲器的SRAM由于沒有擦寫次數(shù)上限，避開了一些非易失性存儲器面臨的內(nèi)存管理等難題。
 
但并不否認Flash和RRAM也有各自的優(yōu)勢，例如它們的存儲密度相對SRAM會更高，在學術界，曾有人提出RRAM一個存儲單元就相當于普通內(nèi)存11比特的存儲量，非常有吸引力；兩者都屬于非易失性存儲器，即使遭遇斷電，數(shù)據(jù)也不會遺失，相關的工藝和功耗表現(xiàn)也都十分出色。
 
行業(yè)內(nèi)近期的確出現(xiàn)了不少致力于存算一體化的公司，但各家的目標市場、底層技術路線、實現(xiàn)存算一體的路徑都不相同。事實上，目前還沒有看到任何一家的技術方案是完全一樣的，這是一個排列組合、百花齊放的過程。
 
曾有行業(yè)人士進行過預估，存內(nèi)計算大概會比現(xiàn)有芯片的理論極限再高出1000倍。這意味著存內(nèi)計算未來可能還有幾百、幾千倍的發(fā)展空間，各家公司從現(xiàn)有端側(cè)產(chǎn)品線向更高算力邁進的趨勢也應該會逐漸明朗起來。
 
AI只是陣列式運算加速的一部分，當一個小的存算內(nèi)核足夠穩(wěn)定，設計足夠優(yōu)秀的時候，我們可以通過堆疊的方式向大算力應用領域邁進。從底層器件角度分析，新興存儲器在過去幾年內(nèi)發(fā)展非?？?，良率、誤比特率(Bit Error Rate)提升幅度極大，像憶阻器這樣的技術有望在未來幾年內(nèi)成熟起來，帶動“混合計算”模式成為主流。
 
之所以會出現(xiàn)“混合計算”模式，是因為現(xiàn)在的計算機體系正呈現(xiàn)出類似金字塔式的分級架構，如果存算也參與了整個數(shù)據(jù)的計算和處理，那么存儲器也會有相應的層次結構(Memory Hierarchy)，例如基于RRAM去完成數(shù)據(jù)量較大的計算，而SRAM更適合那些追求速度或是精度的計算。以AI模型為例，內(nèi)部不同的計算密集型和存儲密集型運算，就應該尋找不同存儲介質(zhì)去完成各自所擅長的工作。


本文關鍵詞：SRAM