IT之家 12 月 3 日消息 , 据阿里云官方发布 , 阿里达摩院成功研发存算一体芯片 。 这是全球首款基于 DRAM 的 3D 键合堆叠存算一体芯片 。 它可突破冯?诺依曼架构的性能瓶颈 , 满足人工智能等场景对高带宽、高容量内存和极致算力的需求 。 在特定 AI 场景中 , 该芯片性能提升 10 倍以上 , 效能比提升高达 300 倍 。
文章图片
为什么要研发存算一体芯片?
随着人工智能应用场景的爆发 , 现有的计算机系统架构的短板逐渐显露 , 例如功耗墙、性能墙、内存墙等问题 。
其主要症结在于:
一是数据搬运带来了巨大的能量消耗 。 在传统架构下 , 数据从内存单元传输到计算单元需要的功耗是计算本身的约 200 倍 , 因此真正用于计算的能耗和时间占比很低 。
二是内存的发展远远滞后于处理器的发展 。 目前 , 处理器的算力以每两年 3.1 倍的速度增长 , 而内存的性能每两年只有 1.4 倍的提升 。 后者的性能极大地影响了数据传输的速度 , 这也被认为是传统计算机的阿克琉斯之踵 。
文章图片
存算一体芯片是目前解决以上问题的最佳途径 —— 它类似于人脑 , 将数据存储单元和计算单元融合为一体 , 大幅减少数据搬运 , 从而极大提高计算并行度和能效 。
这一技术早在 90 年代就被提出 , 但受限于技术的复杂度、高昂的设计成本以及应用场景的匮乏 , 过去几十年业界对存算一体芯片的研究进展缓慢 。 如今 , 达摩院希望通过自研创新技术解决算力瓶颈这一业界难题 。
此外 , 存算一体芯片在终端、边缘端以及云端都有广阔的应用前景 。 例如 VR/AR、无人驾驶、天文数据计算、遥感影像数据分析等场景中 , 存算一体芯片都可以发挥高带宽、低功耗的优势 。
从长远来看 , 存算一体技术还将成为类脑计算的关键技术 。
实现存算一体的三种路线
实现存算一体有三种技术路线:
- 近存储计算(Processing Near Memory):计算操作由位于存储芯片外部的独立计算芯片完成 。
- 内存储计算(Processing In Memory):计算操作由位于存储芯片内部的独立计算单元完成 , 存储单元和计算单元相互独立存在 。
- 内存执行计算(Processing With Memory):存储芯片内部的存储单元完成计算操作 , 存储单元和计算单元完全融合 , 没有一个独立的计算单元 。
推荐阅读
- 技术|“2”类医械有重大进展:神经介入产品井喷、基因测序弯道超车
- 选型|数据架构选型必读:2021上半年数据库产品技术解析
- 技术|使用云原生应用和开源技术的创新攻略
- 技术|聚光科技旗下临床质谱仪获批医疗器械注册证
- Apple|苹果高管解读AirPods 3代技术细节 暗示蓝牙带宽可能成为瓶颈
- MateBook|深度解析:华为MateBook X Pro 2022的七大独家创新技术
- AirPods|苹果谈论AirPods 3:最大榨取蓝牙技术,希望获得“更多带宽”
- 人物|印度人接管硅谷的背后:技术军团整体作战
- Intel|Intel谈DDR5内存价格贵、缺货问题:新技术升级在所难免
- Tesla|特斯拉新款Model S电池体积小能量密度高 外媒揭秘三大关键技术