精密儀器設備裝卸運TEM設備裝卸搬運的亞瑟‌‍精‌密‍設‌備‍搬‌運‍報道：‌‍精‌密‍設‌備‍搬‌運‍認準了賽道之后，就是選擇存內(nèi)計算的技術路徑。

對于存算一體技術來說，處于多種存儲介質百花齊放的格局，如SRAM，DRAM，F(xiàn)lash等。目前選擇SRAM介質陣營的主要有蘋芯科技、后摩智能、九天睿芯。Flash陣營的代表玩家有知存科技、合肥恒爍、美國的Mythic。DRAM陣營的還相對偏少。該如何選擇合適的技術路徑，這些技術路徑又有何特點、壁壘和優(yōu)勢呢？蘋芯CEO楊越認為，技術路線選擇的出發(fā)點有多個，包括工藝成熟度、加入計算功能的復雜度及結果精度、向上對神經(jīng)網(wǎng)絡算法要求的支持程度、以及落地成本等方面的考慮。從器件工藝成熟度來看，知存科技認為，SRAM、DRAM和Flash都是成熟的存儲技術，其中SRAM可以在如5nm上制造，DRAM和Flash可在10-20nm工藝上制造。密度方面，F(xiàn)lash高，其次是DRAM，再次是SRAM。‌‍精‌密‍設‌備‍搬‌運‍在電路設計難度上，存內(nèi)計算的DRAM > 存內(nèi)計算SRAM > 存內(nèi)計算Flash ，在存內(nèi)計算方面，SRAM和DRAM更難設計，它們是易失性存儲器，工藝偏差會大幅度增加模擬計算的設計難度，尤其是當容量增大到可實用的MB以上，目前市面上還沒有SRAM和DRAM的存內(nèi)計算產(chǎn)品；Flash是非易失存儲器，他的狀態(tài)是連續(xù)可編程的，可以通過編程等方式來校準工藝偏差，從而提高精度。而近存計算的設計相對簡單，可采用成熟的存儲器技術和邏輯電路設計技術。而談到量產(chǎn)難度方面，王紹迪給出的答案是DRAM> Flash >SRAM。我們過去做過多種存算一體介質的流片，包括Flash、SRAM、RRAM和MRAM。Flash是密度高的存儲介質，F(xiàn)lash的單個單元可以存儲的bit高（8-bit），這兩個特點都可以大幅度增加存內(nèi)計算的算力。”王紹迪告訴筆者，所以從密度、可量產(chǎn)性、能效層面多方面綜合考量，知存科技終選擇了Flash介質。楊越表示，F(xiàn)lash和SRAM 路線各自具備優(yōu)勢。我們選擇SRAM方案出于幾個考慮：一，SRAM的速度是所有memory類型中，且沒有寫次數(shù)的限制，對于追求快響應的場景幾乎是。二，SRAM可以向制程兼容，從而達到更高的能效比，更高的面效比等。三，蘋芯現(xiàn)段的研究工作可大幅提高SRAM相關計算精度，從而降低了對相關上層算法補償?shù)囊?。四，相對新型存儲器，SRAM的工藝成熟度較高，可以相對較快的實現(xiàn)技術落地與量產(chǎn)。在討論存內(nèi)計算的產(chǎn)品形態(tài)之前，讓我們首先來看下存內(nèi)計算的賣點究竟是什么？它應該被認為是一個有計算能力的存儲器，還是高能效比的計算模塊。如果是前者，則往往需要和臺積電等有志于推動下一代存儲器的廠商一起合作。而后者則更傾向于以AI芯片的形式做design house。蘋芯CEO楊越認為，存內(nèi)計算硬件的出現(xiàn)，本身在催生一種編程觀念上的革命，也就不能再套用傳統(tǒng)的功能上分離的思維去理解。從功能上來說，存內(nèi)計算既可以存儲數(shù)據(jù)，又可以做特定的計算，本身并不矛盾。從programmability的角度講，面向AI 的存算一體技術的出現(xiàn)將會很大程度上影響人們?nèi)绾稳ゾ帉戃浖?，或者說為更有效率的去編寫軟件提供了一個非常好的基礎平臺和機會。知存科技王紹迪則表示，兩種方案所需要解決的問題不一樣：1）有算力的存儲還是馮諾依曼架構下的存儲器，做一些加密類和低算力計算，從而節(jié)省存儲與CPU之間的帶寬。存內(nèi)計算是非馮諾依曼架構，它通過存儲單元完成二維和三維矩陣運算（這類運算占據(jù)了AI中95%以上的算力），提供大算力，它存儲數(shù)據(jù)是為了完成運算，本質不是做存儲器。對于存算產(chǎn)品，有芯片和IP兩個選擇。而目前我們觀察到，大多數(shù)企業(yè)也都是以芯片為主。存內(nèi)計算相關的IP是很難做的，存內(nèi)計算針對的是運算場景，不是存儲標品。需要針對不同場景的算力、成本、功耗需求提供更多種類的IP，并且針對不同的工藝去設計，需要投入的周期很長。從測試方面，客戶集成存算IP的芯片需要增加特殊的測試步驟。關于存內(nèi)計算的具體應用市場方向，王紹迪認為，存內(nèi)計算的發(fā)展類似于存儲器的發(fā)展路徑，隨著設計能力不斷提升，工藝不斷成熟、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，未來的存算產(chǎn)品可以用在大多數(shù)AI應用場景，因為它成本算力能效都可以做到‌‍精‌密‍設‌備‍搬‌運‍蘋芯CEO楊越的觀點是，存內(nèi)計算的應用方向及產(chǎn)品形態(tài)將隨著存算技術成熟度而演進。中早期產(chǎn)品將更多的出現(xiàn)在端側對低功耗和高能效有強烈需求的場景下。值得強調的是，隨著智能城市、智能生態(tài)等應用的普及，我們預測從邊緣端接入的智能設備的市場體量將快速增長，應用場景的多樣性也將不斷快速拓展。長遠地看，存算產(chǎn)品的適用范圍也可能會延伸至超大算力領域，我們將持續(xù)積極探索，為未來的應用場景做好技術儲備與戰(zhàn)略規(guī)劃。據(jù)‌‍精‌密‍設‌備‍搬‌運‍了解，目前蘋芯已開發(fā)實現(xiàn)了多款基于SRAM的存內(nèi)計算加速單元并已完成流片，處于外部測試和demo階段，公司正與智慧穿戴、圖像物體識別領域的頭部客戶做技術驗證。存內(nèi)計算技術的發(fā)展是一條追求高能效計算的重要技術路線，如何有效控制存內(nèi)計算接口是一個重要挑戰(zhàn)。誰擁有兼顧計算密度與存儲密度的存內(nèi)計算硬件架構，誰就擁有了打開高能效計算的金鑰匙。未來的存內(nèi)計算會滲透到大大小小各種規(guī)模的應用中去，大大提高計算的能量效率。”楊越坦言道。在王紹迪看來，存算一體面臨的挑戰(zhàn)就是時間，還有很多事情沒有做，這些都需要通過不斷的實驗去驗證和解決，需要時間，它還在發(fā)展初期，有廣闊的提升空間，這也是我喜歡它的一點。距離存算一體的能力極限可能還有1000倍的空間，每年我們都能把它提升2-5倍，隨著算力提升和成本降低，它應用場景會越來越廣。