存算一體芯片將在垂直細分領域迎來規模化商用。
存算一體旨在計算單元與存儲單元融合，在實現數據存儲的同時直接進行計算，以消除數據搬移帶來的開銷，極大提升運算效率，以實現計算存儲的高效節能。存算一體非常符合高訪存、高並行的人工智能場景計算需求。在產業和投資的驅動下，基於sra，dra，fsh存儲介質的產品進入驗證期，將優先在低功耗、小算力的端側如智能家居、可穿戴設備、泛機器人、智能安防等計算場景落地。未來，隨著存算一體芯片在雲端推理大算力場景落地，或將帶來計算架構的變革。它推動傳統的以計算為中心的架構向以數據為中心的架構演進，並對雲計算、人工智能、物聯網等產業發展帶來積極影響。
著ai在各領域的應用逐漸廣泛，以深度學習為代表的神經網絡算法需要係統高效處理海量的非結構化數據，例如文本、視頻、圖像、語音等。而傳統馮·諾依曼體係下運行的計算機通常包括存儲單元和計算單元兩部分，數據需要在處理器與存儲器之間進行頻繁遷移，如果內存的傳輸速度跟不上cpu的性能，就會導致計算能力受到限製，出現“內存牆”“功耗強”。這就對芯片的並行運算、低延遲、帶寬提出了更高的要求。
近年來，產業界領軍企業在存算一體的前沿技術研究上持續發力。三星在頂級學術期刊nature上發表了全球首個基於ra（磁性隨機存儲器）的存內計算研究；台積電在iss上合作發表了六篇關於存內計算存儲器ip的論文，大力推進基建reraddr接口的dra存內計算研究。學術界和產業界普遍認為存算一體有望成為突破算力性能和功耗瓶頸的技術方向之一。特彆是在大規模並行計算場景中，例如vrar、無人駕駛、天文數據計算、遙感影像數據分析等，存算一體芯片具備高帶寬、低功耗的顯著優勢。微觀上，算力是一個具體的技術指標。算的快（高吞吐、低延遲）、算的準（高精準度）、算的省（低成本、低功耗）是對算力的基本要求。存算一體是從微觀層麵進行架構的優化，麵臨存儲器設計和生產工藝的挑戰，需要整個產業鏈的參與支持。
實現存算一體的技術路徑主要有以下三個技術較成熟的是近存計算，利用先進封裝技術把計算邏輯芯片和存儲器封裝到一起，通過減少內存和處理單元的路徑，以高io密度來實現高內存帶寬以及較低的訪問開銷。近存計算主要通過25d、3d堆疊來實現，廣泛應用在各類cpu和gpu上；近期投資熱度較高的是存內計算，通過傳統的存儲介質如dra、sra、norfsh、nandfsh來實現。計算操作由位於存儲芯片區域內部的獨立計算單元完成，更適用於算法固定的場景；技術尚處於探索期的是基於非易失性存儲器技術做的新型存儲原件，比如通過憶阻器rera電阻調製來實現數據存儲。其他如相變存儲器p、自旋磁存儲器ra等，也作為存算一體新的技術路徑。存算一體的計算方式分為數字計算和模擬計算。數字計算主要以sra作為存儲器件，具有高性能、高精度的優勢，更適合大算力高能效場景。模擬計算通常使用fsh、rera等非易失性介質作為存儲器件，存儲密度大，並行度高，更適合小算力，計算精度要求不高的場景。
目前，存算一體已經在產業細分領域掀起了創業浪潮，並受到投資界和產業界的關注和投入。存算一體在技術上向著高精度、高算力和高能效的方向發展。在資本和產業雙輪驅動下，基於sra、norfsh等成熟存儲器的存內計算將在垂直領域迎來規模化商用，小算力、低功耗場景有望優先迎來產品和生態的升級迭代，大算力通用計算場景或將進入技術產品化初期。基於非易失性、新型存儲元件的存算一體依賴於工藝、良率的提升,走向成熟預計需要510年。
注:（免責申明）本文僅為個人筆記，內含個股僅僅是作為分析參考，不能作為投資決策的依據，不構成任何建議，據此入市風險自擔。股市有風險，投資需謹慎！
知音難覓，也是人生常態，一曲眾寡，儘管少有人懂，但是我自有我的風采
見者點讚，腰纏萬貫！股運長虹，感謝諸君關注點讚評論轉發！
喜歡股市閒談請大家收藏101novel.com股市閒談101novel.com更新速度全網最快。