突破“冯诺依曼瓶颈”,一段存储与人工智能凝成的自由故事

计算,最好在内存中完成

讨厌的“存储墙”
但在传统计算设备广泛采用的冯·诺依曼架构中,计算和存储功能不但是分离的,而且更侧重于计算。数据在处理器和存储器之间不停的来回传输,消耗了约80%的时间和功耗。学术界为此想出了很多方法试图改变这种状况,例如通过光互连、2.5D/3D堆叠实现高带宽数据通信,或者通过增加缓存级数、高密度片上存储这样的近数据存储,来缓解访存延迟和高功耗。但试想一下,人类大脑有计算和存储的区别吗?我们是用左半球来计算,右半球做存储的吗?显然不是,人脑本身的计算和存储都发生在同一个地方,不需要数据迁移。


人工智能,“存内计算”的助推剂
在这一背景下,更聚焦存储的新型“存内计算”架构诞生了。从目前趋势来看,真正对“存内计算”架构起到决定性推动作用的,将是人工智能/物联网相关应用的加速落地。

“万丈高楼平地起”

基于易失性存储器
基于非易失性存储器
基于浮栅器件/Flash
从“新型介质”到“神经形态计算”
然而比起新型存储介质对存内计算未来的影响,存储本身与计算之间的融合,是更值得关注的趋势。


IEEE Spectrum
《科技纵览》
官方微信公众平台
往期推荐

