一導讀一

目前現行幾乎所有計算機系統使用的都是基于馮諾依曼架構進行數據的處理和存儲,將處理器和存儲器分開單獨運行,處理器從存儲器中調取數據和程序,處理完成之后再傳送回存儲器中進行儲存。這一架構的局限就在于,處理器與存儲器之間數據傳輸通量的限制以及在反復傳輸數據的過程中產生的高功耗問題。

隨著人工智能和物聯網的發展,一方面大量的數據輸入需要進行大量的計算,另一方面對于系統功耗的要求也極為嚴格,這就催生出了突破傳統馮諾依曼架構的存儲計算一體的新架構,這一架構的使得數據無需在處理器與存儲器之間搬運,提高芯片工作效率的同時又降低了系統的功耗,是目前AI芯片發展過程中最佳的解決方案之一,受到國際知名半導體公司和投資機構的關注和投資。

相較于文中提到的傳統存儲NOR FLASH存儲計算一體化,新一代PCM相變存儲芯片則擁有特有的和腦神經單元類似的電性,可實現本地存儲、本地運算學習、本地做決定的強大功能,真正意義上實現計算存儲一體化,PCM將引領人工智能發展的新時代!

 內容摘取 

上世紀40年代,馮諾依曼確立了處理器和存儲器分離的基本計算架構,即數據和程序存入存儲器中,處理器調出數據計算之后再傳送回存儲器當中。這一架構也是目前最普遍使用的架構。而存算一體,簡單來說就是存儲器部分同時擁有擁有計算和存儲功能。

那存算一體的結構又有那些什么好處的優勢呢?王紹迪介紹,知存科技研發的存算一體的AI芯片的計算效率能達到馮諾依曼結構芯片的20-50倍,這是因為存算一體的架構可以破解目前AI芯片遇到的“存儲墻問題”。在一般AI運行當中,數據要不停地在存儲器和處理器之間搬運,搬運速度限制了芯片運算速度,而搬運數據的功耗也提高了芯片的功耗。而存算一體的芯片運算無需數據讀寫和數據搬運,因而可以突破瓶頸提高芯片效率。

測試晶圓圖 來源:知存科技

在存算一體芯片設計中最重要也是最難的部分就是如何去設計存儲器使得其也能進行處理器的運算的過程。知存科技的方案是重新設計存儲器,利用Flash閃存存儲單元的物理特性,對存儲陣列改造和重新設計外圍電路使其能夠容納更多的數據,同時將算子也存儲到存儲器當中,使得每個單元都能進行模擬運算并且能直接輸出運算結果,以達到存算一體的目的。

芯片的演示系統 來源:知存科技

據美光公司NOR Flash產品線總監Richard De Caro的估算,每年NOR Flash的出貨量超過 60 億顆 。NOR Flash存算一體芯片在國際上也備受關注,包括英特爾、博世、美光、Lam Research、應用材料、微軟、亞馬遜、軟銀都投資了NOR Flash存算一體芯片。美國存算一體AI芯片初創公司Mythic于今年6月完成了Valor Equity Partners領投的3000萬美元B-1輪融資,此前Future Ventures、Atreides、Micron Ventures、Lam Research、Softbank Venture、Draper Fisher Jurvetson,Lux Capital,Data CollectiveAME Cloud Ventures也參與了此B輪投資,由此B輪融資總額達7000萬美元。美國另一家專注于語音識別的存算一體AI芯片初創公司Syntiant也于201811月獲得了微軟、英特爾、亞馬遜、博世和摩托羅拉等共同參與的2500萬美元B輪融資。


END

文/36氪

排版/張樂辰





2019年08月12日

研發低能耗存算一體AI芯片,「知存科技」完成近億元人民幣A輪融資

上一篇

下一篇

研發低能耗存算一體AI芯片,「知存科技」完成近億元人民幣A輪融資