電子發(fā)燒友網(wǎng)報道（文/李彎彎）如今隨著技術(shù)發(fā)展，計算任務(wù)越來越復(fù)雜，而在馮諾依曼架構(gòu)中，數(shù)據(jù)需要在存儲、內(nèi)存、緩存、計算單元中不斷搬運，造成大部分時間、帶寬、緩存、功耗都消耗在數(shù)據(jù)搬運上，而不是計算上，因此存儲墻成了一個越來越嚴重的問題。

存內(nèi)計算，故名思義就是把計算單元嵌入到內(nèi)存當中，理想中是可以完美解決存儲墻的問題，近幾年，三星、SK海力士、臺積電、英特爾、美光、阿里等半導(dǎo)體領(lǐng)域巨頭都在積極研發(fā)，許多新興企業(yè)也陸續(xù)加入進來，并取得了不錯進展。

面對打得火熱的存內(nèi)計算，也有人認為，存內(nèi)計算可能行不通，有幾個方面的原因：一是AI算法模型的容量比較大，而這個在存儲器里面做計算，成本會非常高；二是受限于存儲芯片的工藝，比如說密度要做到很高，良品率要比較高，工藝就比較難以做到。

那么存內(nèi)計算到底可不可行？存內(nèi)計算未來的市場機會點在哪里？蘋芯科技CEO楊越在接受電子發(fā)燒友采訪時，針對在存儲器內(nèi)做計算成本不會太高，存儲芯片工藝能不能行，存內(nèi)計算的主要的應(yīng)用場景方向，做了詳細的分享和解答。

存內(nèi)計算到底可不可行

針對“AI算法模型的容量比較大，而這個在存儲器里面做計算，成本會非常高”的疑問，楊越解釋道，有人認為在存儲器里面做計算，成本會高，是因為他們認為要容下非常多網(wǎng)絡(luò)參數(shù)，就需要把存儲器做得非常大，存儲器做大就意味著成本高。

針對這個問題，楊越表示目前已經(jīng)有很多方法可以解決。

第一，在算法模型上進行解決，即將網(wǎng)絡(luò)模型輕量化，比如知識蒸餾，簡單來說就是減少算法模型中的參數(shù)的存儲需求，目前已經(jīng)有很多非常成熟的方法，比如CNN壓縮，就是屬于這一類。

蘋芯科技以S200為基礎(chǔ)搭建的功能演示平臺，在這個演示系統(tǒng)里，就采用了其中一種基于神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索NAS的方法來得到輕量化的模型，而且能完成非常高的識別率，可以達到99%的關(guān)鍵字識別功能。S200是蘋芯首款可商用的存內(nèi)計算芯片，以S200為基礎(chǔ)搭建功能演示平臺，目的是演示在28nm工藝節(jié)點上的存內(nèi)計算可以跑通端對端的神經(jīng)網(wǎng)絡(luò)。

第二，從可擴展的架構(gòu)設(shè)計上著手。楊越表示我們可以試圖打破將整個算法模型必須同時全部加載到內(nèi)存中之后，才可以開始計算的固化假設(shè)。相應(yīng)地，一個好的存算架構(gòu)是可以支持以計算負載為主或以存儲負載為主的不同任務(wù)，從而形成一個基于存內(nèi)計算的向上適配能力強的算力平臺。

第三，可以通過使用新型存儲器解決這個問題，包括磁性存儲器MRAM和憶阻器RRAM，相比于SRAM來說，MRAM和RRAM都有更高的存儲密度，所以從存儲單元介質(zhì)本身就可以做到更大，這樣可以達到存儲更多計算參數(shù)的目的。

可以看到，從這三個方面著手，都可以達到解決AI算法模型太大，存儲器要放下這么多數(shù)據(jù)，需要把存儲器做得很大，從而帶來成本高的問題。

針對存儲芯片的工藝可能帶來限制的問題，楊越談到，蘋芯科技主要是基于SRAM的存內(nèi)計算，目前SRAM的工藝已經(jīng)非常成熟，就存儲器器件本身來說，市面上已經(jīng)有7nm、5nm的產(chǎn)品，成熟工藝的良率很有保證。

“另外，對于新型存儲器MRAM和RRAM，頭部代工廠也已經(jīng)有22nm甚至更高制程的量產(chǎn)線?！睏钤秸f，所以在他看來，存內(nèi)計算技術(shù)可以跟隨新型存儲器器件本身的技術(shù)逐步共同走向成熟。

另外需要提到的一點是，新型存儲器MRAM和RRAM雖然可以解決容量不大這個問題，但是作為一個新的產(chǎn)品類型，還存在一些挑戰(zhàn)，比如在可靠性，耐用性上存在一些挑戰(zhàn)。不過楊越預(yù)計在近期未來新型存儲就會達到商業(yè)成熟化的程度。

蘋芯科技雖然成立時間不長，但是團隊在創(chuàng)業(yè)前期就已經(jīng)有很長時間的積累，存內(nèi)計算是一項技術(shù)壁壘非常高的工程，而蘋芯科技在包括從底層內(nèi)存器件的物理特性的理解，到上層芯片架構(gòu)的設(shè)計，再到最后產(chǎn)品落地成本的控制上都有足夠的積累，在各個技術(shù)棧都有自己的IP，蘋芯科技也是第一個擁有工業(yè)級28nm SRAM存內(nèi)計算加速單元DEMO的團隊，并首次利用RRAM存內(nèi)計算完成基于LeNet的CIFAR10的識別任務(wù)。

蘋芯科技下一代芯片S300已從代工廠回片，據(jù)楊越介紹，目前工程團隊，正在進行相應(yīng)的測試和展示工作，相較于S200，S300具有更強大的計算能力，可以兼容更多網(wǎng)絡(luò)模型，從而支持更豐富的邊緣端應(yīng)用場景。

存內(nèi)計算的機會點在哪里

我們知道，存內(nèi)計算有多種不同的技術(shù)路線，每個技術(shù)路線各有特點，比如Flash的優(yōu)點是密度比較高，DRAM成本會比較低，磁性存儲器MRAM、憶阻器RRAM除了存儲密度比較高之外，功耗也比較低，楊越說：“這兩類新型存儲器MRAM和RRAM代表著存內(nèi)計算的未來。”不過因為是新技術(shù)，就如上文所言，在工藝成熟度和商業(yè)化上還需要一些耐心。

蘋芯科技采用的是SRAM+MRAM和RRAM混合技術(shù)路線。楊越解釋說：“之所以選擇這樣的技術(shù)路線，背后的原因是，SRAM作為讀寫速度最快的內(nèi)存介質(zhì)，具備很多優(yōu)勢，比如，它可以向更先進的制程節(jié)點兼容，具備高能效比的計算優(yōu)勢，同時它又不存在其他非易失性存儲所具備的耐久性問題，更重要的是，基于SRAM的設(shè)計方案，可以支持純數(shù)字化設(shè)計，從而能夠解決很多應(yīng)用場景所關(guān)心的精度問題。”

蘋芯選擇新型存儲器，一是因為它具有高性能天花板，二是這也有利于團隊核心成員更好地發(fā)揮過往的技術(shù)積累和工程經(jīng)驗。

存內(nèi)計算未來的應(yīng)用個機會點在哪里呢？現(xiàn)在很多具有AI計算功能的芯片，包括GPU、FPGA以及NPU、SOC等，都是基于傳統(tǒng)的馮諾伊曼架構(gòu)設(shè)計的，會受到存儲墻、功耗墻的約束，這就導(dǎo)致他們在絕對計算上很強，但在整個計算效率上存在天花板。

而存內(nèi)計算就可以彌補這些問題，短期來看，存內(nèi)計算的主要市場機會主要會出現(xiàn)在端側(cè)的產(chǎn)品上，因為存內(nèi)計算的技術(shù)優(yōu)勢，能夠提供比較高的計算效率和比較低的功耗，比如可穿戴設(shè)備、智能家居等是非常適合存內(nèi)計算的應(yīng)用方向。

長期來看，隨著新型存儲器工藝的成熟，它不但會給低功耗的市場帶來機會，同時會把計算能力提升2-3個量級，讓存內(nèi)計算的應(yīng)用擴展到更多場景中，比如在一些用電量受限，但對絕對算力仍然有要求的場景層面，存內(nèi)計算就可以給客戶帶來差異化的選擇機會。

小結(jié)

如Gardner曲線的解讀，任何新興技術(shù)在發(fā)展初期都會經(jīng)歷一些起伏，尤其像存內(nèi)計算這種在底層上有巨大突破的技術(shù)，從最初的熱捧，到發(fā)展期的理性，到成長期的企穩(wěn)上升，再到最后產(chǎn)品商業(yè)化。扎實的技術(shù)背景和可靠的工程化能力，是存內(nèi)計算企業(yè)立足市場并獲得客戶認可的重要基礎(chǔ)。我們期待著更多更好的技術(shù)與產(chǎn)品，為智能化場景描繪出更美好的未來。