AI、5G、自動駕駛、大數(shù)據(jù)、海量存儲，數(shù)字革命帶來的智能時代已經(jīng)到來，精彩紛呈的智能化、數(shù)字化技術(shù)連接無限可能的未來。這是一個信息爆炸的大數(shù)據(jù)時代，對超高速、高帶寬、大容量、高密度、低功耗和低成本的超高性能計算需求呈爆發(fā)式增長，而人工智能的出現(xiàn)更加速了這種趨勢，因為它需要大量的數(shù)據(jù)進行訓練。

面對滾滾而來的數(shù)據(jù)洪流，要使通過AIoT設備傳輸?shù)拇罅繑?shù)據(jù)變得有用，無論是采用本地處理、實時處理還是云端處理，高效靈活的計算平臺、高性能存儲和復雜但易于使用的機器學習堆棧，都是大數(shù)據(jù)/人工智能取得突破性成果的關鍵，三個元素缺一不可。

(a)AI芯片中的馮·諾依曼“瓶頸”(b)內(nèi)存層級結(jié)構(gòu)編輯

眾所周知，算法(Algorithm)、數(shù)據(jù)(Big data)和計算能力(Computing)并稱為新AI時代三大驅(qū)動力，AI在追求更好性能的同時要實現(xiàn)低功耗、低延遲和低成本，這就亟需高能效計算和高帶寬數(shù)據(jù)技術(shù)。

在傳統(tǒng)計算設備廣泛采用的馮·諾依曼架構(gòu)中，計算和存儲功能不但是分離的，而且更側(cè)重于計算。一方面，處理器和存儲器分離的體系架構(gòu)，使得數(shù)據(jù)需要在處理器和存儲器之間不停的來回傳輸，消耗了約80%的時間和功耗。另一方面，處理器和存儲器二者之間長期以來所采用的不同工藝路線，也是造成計算和存儲分離，繼而產(chǎn)生“存儲墻”和“功耗墻”問題的重要原因之一。

傳統(tǒng)的馮·諾依曼計算架構(gòu)編輯

但現(xiàn)實應用中，用戶對處理器的高性能需求是無止境的，這使得半導體廠商不斷通過提高晶體管內(nèi)部的開關速度、使用更多的金屬布線層和先進封裝技術(shù)等手段來提升性能；而與此同時，對于存儲器來說，消費者和廠商更在意的是如何在更小的存儲單元面積上獲得更多的晶體管數(shù)量，用以增加存儲密度，擴大存儲容量。據(jù)相關數(shù)據(jù)現(xiàn)實，1980-2000年處理器和存儲器兩者的速度失配以每年50%的速率在增加。

1980-2000年，處理器和存儲器兩者的速度失配以每年50%的速率增加編輯

與此同時，數(shù)據(jù)遷移需要的功耗在整個計算中的占比也在“水漲船高”。有研究顯示，7nm工藝時代，訪存功耗達到25pJ/bit(45.5%)，通信功耗達到10pJ/bit(18.2%)，數(shù)據(jù)傳輸和訪問功耗占比達到了63.7%。所以說，高帶寬高能效成為高性能計算核心瓶頸，在這一克服過程中，計算單元優(yōu)化定制、GDDR6/LPDDR4，HBM， Serdes高帶寬存儲技術(shù)將扮演重要角色。

基于數(shù)據(jù)和視頻的并行計算需求正在急劇增大，對系統(tǒng)內(nèi)存的帶寬帶來了更大的渴求，也給產(chǎn)業(yè)界提出了更多挑戰(zhàn)：盡可能實現(xiàn)近數(shù)據(jù)存儲計算(Near Memory Compute)，或者是最好能夠?qū)⒋鎯陀嬎阌袡C地結(jié)合在一起(存儲器顆粒本身的算法嵌入)，直接利用存儲單元進行計算，最大程度的消除數(shù)據(jù)遷移所帶來的功耗開銷。

作為國內(nèi)IP市場連續(xù)10年領先的中國芯片IP和芯片定制的一站式領軍企業(yè)，2018年，芯動科技（INNOSILICON）在全球范圍內(nèi)率先攻克頂級難度的GDDR6高帶寬數(shù)據(jù)瓶頸，并量產(chǎn)性能領先的加密計算GPU；率先掌握0.35V以下近閾值電壓低功耗計算技術(shù)；提供市場上最快的AI存儲加速芯片，使SOC數(shù)據(jù)的存儲帶寬增加四倍以上，支持高性能國產(chǎn)CPU/GPU/NPU等各種HPC應用場景。

與此同時，芯動科技推出的DDR系列內(nèi)存產(chǎn)品也始終處于行業(yè)前沿，涵蓋高性能產(chǎn)品GDDR6（16GT/s, 1.35V）、主流產(chǎn)品DDR5（6.4GT/s, 1.1V）、低功耗產(chǎn)品LPDDR5（6.4GT/s, 0.5V）等。

fqj