AI行业跟踪报告之第49期：存算一体产业趋势渐起 建议关注恒烁股份炬芯科技

　　1、 存算一体技术可以显著降低数据传输延迟和功耗，提高系统的整体性能

    　　存算一体技术是指将计算逻辑直接嵌入到存储单元中，使数据在存储器内完成部分或全部计算任务，从而减少数据在存储器与处理器之间的传输。这种技术可以显著降低数据传输延迟和功耗，提高系统的整体性能。存算一体的核心思想是在数据所在位置进行计算，避免了数据的长距离传输。这一理念可以通过多种方式实现，包括在存储器内部集成计算单元、在存储器附近放置计算单元等。

    　　存算一体出现的原因包括：

    　　1、冯·诺伊曼瓶颈

    　　目前主流电脑中采用的是在 40 年代提出的冯诺依曼体系。基于冯诺依曼架构的计算机在计算过程中，将计算机简单分为处理器、存储器、输入输出设备这几个相互独立的模块，各模块通过总线相互连接。冯诺依曼架构中不区分数据与程序，程序以数据的形式，与其他类型数据共同存储在存储器中，是一种以 CPU 为核心所构筑的存储程序体系。

    　　传统的计算机架构基于冯·诺伊曼模型，该模型将计算单元（CPU）和存储单元（RAM）分开，数据需要在两者之间频繁传输。随着计算任务的复杂性和数据量的增加，数据传输成为性能瓶颈，导致能效低下和延迟增加。这种现象被称为“冯·诺伊曼瓶颈”。

    　　在大数据和人工智能时代，这一问题尤为严重，因为这些应用需要处理大量数据和进行复杂的计算。

    　　在冯诺依曼架构中，计算和存储功能分别由中央处理器和存储器完成。计算机的CPU 和存储器是相互独立发展的，处理器在跟随摩尔定律逐年提升性能的过程中，将对制程工艺不敏感的存储器甩在了后面。在运行程序时，CPU 需要等待存储器提供数据，无法充分发挥 CPU 的性能。这种 CPU 处理数据的速度与存储器读写数据速度之间严重失衡的问题被称为“存储墙”， 严重影响目标应用程序的功率和性能。同时，在面对如卷积神经网络、人工智能等这些需要频繁读写操作的数据密集型应用时，数据在 CPU 和存储器间来回的传输导致了巨大的数据复制和通信成本，功耗巨大。此外，由于当前的存储体系将程序以数据的形式与其他数据共同存储在存储器中，为了在执行程序时不引起访问错误，需要从内存中提取指令并在处理单元中执行。随着计算并行度不断提高，数据传输速率受限，阻碍了高性能、节能计算系统的进一步发展。

    　　2、数据移动成本

    　　数据在存储和计算单元之间的移动消耗了大量的能量，占到总能量的70%以上，尤其是在大规模并行计算和深度学习任务中。数据传输不仅增加了能耗，还导致了显著的延迟，严重影响了系统的整体性能。对于实时处理和高吞吐量应用，这一点尤为关键。

    　　3、摩尔定律的放缓

    　　摩尔定律指出，集成电路上可容纳的晶体管数目大约每两年翻一番。然而，近年来，由于物理极限和技术难度，摩尔定律的推进速度明显放缓。传统的性能提升方法（如提高时钟频率、增加晶体管密度）变得越来越困难，迫使研究人员寻找新的计算范式。存算一体技术通过减少数据移动，提供了一种新的解决方案。

    　　4、新兴应用的需求

    　　新兴应用如人工智能与机器学习、物联网与边缘计算等，对计算系统的性能和能效提出了更高的要求。这些应用需要处理大量的数据和复杂的计算任务，传统的计算架构难以满足其高性能和低功耗的要求。存算一体技术通过减少数据移动，提高了计算效率，满足了这些新兴应用的需求。

    　　5、能效与可持续性

    　　随着计算系统的规模不断扩大，能效成为一个重要考虑因素。存算一体技术通过减少数据移动，显著提高了能效，降低了能源消耗。这对于降低运营成本和实现可持续发展目标具有重要意义。减少碳足迹，促进绿色计算，是存算一体技术的一大优势。

    　　存算一体技术可以根据存储与计算的距离远近分为三类：

    　　1、近存计算（Processing Near Memory, PNM）近存计算（PNM）技术将计算单元靠近存储单元，但未完全集成在一起。通过缩短数据传输距离，减少传输延迟和能耗。这种技术适用于需要高频数据交换但对集成度要求不高的场景，如某些高性能计算任务。PNM 技术通过优化数据路径，提高了系统的整体性能。

    　　2、存内处理（Processing In Memory, PIM）

    　　存内处理（PIM）技术将计算单元部分集成在存储单元内部，但仍保留一定的分离。通过部分集成，进一步减少了数据传输，提高了能效。PIM 技术在处理大规模数据集和复杂计算任务时表现出色，适用于人工智能和机器学习等应用。PIM技术通过在存储单元内部进行部分计算，减少了数据移动，提高了计算效率。

    　　3、存内计算（Computing in Memory, CIM）

    　　存内计算（CIM）技术将计算和存储完全集成在同一物理位置，实现了真正的存算一体。这种技术通过在存储单元内部直接执行计算任务，彻底消除了数据移动的延迟和能耗。CIM 技术在处理大规模并行计算和深度学习任务时具有显著优势，适用于高性能计算和边缘计算等应用场景。CIM 技术通过高度集成，提供了极致的计算效率和能效。

    　　当前存算一体芯片研发企业/机构在成熟介质上的切入点集中在SRAM、Nor-Flash 和DRAM 等；部分学术机构选择切入RRAM 等新型介质研发。从存储介质的分类来讲，分为易失性存储器和非易失性存储器。按照存储器件工艺划分为成熟存储工艺和新型存储工艺

    　　成熟存储工艺包括SRAM、DRAM 和Flash，这些存储器已经广泛应用于现有计算系统中，具有成熟的技术基础和广泛的市场应用。新型存储工艺包括ReRAM、MRAM、PCRAM 和FeRAM，这些存储器具有更好的读写性能、更高的存储密度和更好的工艺可扩展性，但仍在研发和商业化过程中。

    　　另外，选择数字计算与模拟计算也是影响存算一体芯片性能的因素之一。数字存算一体不受信噪比影响，精度高，抗噪声能力强，适用于需要高精度计算的场景。

    　　模拟存算一体受到低信噪比影响，精度有限，只能做定点数计算，难以做浮点数计算，适用于对精度要求不高但对功耗敏感的场景。

    　　风险分析

    　　下游需求不及预期

    　　下游需求均存在波动的可能性，如果下游需求不及预期则可能对对应行业公司经营及业绩产生影响。

    　　市场竞争加剧风险

    　　半导体行业旺盛发展，相关新技术不断出现，可能存在市场竞争加剧，导致部分公司经营及业绩受到影响的风险。

    　　中美贸易摩擦反复风险

    　　部分产品技术依然需要依靠海外进口，如果中美贸易摩擦加剧，将对对应行业公司经营及业绩产生影响。

声明：

1. 风险提示：以上内容仅来自互联网，文中内容或观点仅作为原作者或者原网站的观点，不代表本站的任何立场，不构成与本站相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。本站竭力但不能证实上述内容的真实性、准确性和原创性，对此本站不做任何保证和承诺。
2. 本站认真尊重知识产权及您的合法权益，如发现本站内容或相关标识侵犯了您的权益，请您与我们联系删除。