半導體產業中，存儲器的重要性不言而喻，特別是DRAM（動態隨機存取存儲器）和NAND（閃存）兩大類別，它們不僅支撐起行業的半壁江山，還不斷催生新的增長點。近年來，隨著生成式人工智能（AI）的崛起，特別是ChatGPT等技術的廣泛應用，存儲器市場迎來了新的發展機遇，新型存儲技術如HBM、QLC SSD等備受矚目。
AI時代，計算能力固然重要，但存儲的作用同樣不可忽視。隨著生成式AI的火爆，非結構化數據如圖像、視頻、音頻等呈現爆炸式增長，這對存儲提出了前所未有的挑戰。據IDC預測，到2028年，全球數據產量將達到394ZB，其中AIGC領域的數據增長尤為顯著，AI圖像和視頻生成數據量將激增167倍。
面對這一挑戰，存儲逐漸成為AI發展的瓶頸。存內計算作為一種創新的解決方案，近年來備受關注，但商業化進程卻步履維艱。近日，三星電子與SK海力士宣布合作，共同推進LPDDR6-PIM內存產品的標準化。這一合作旨在加速專門用于AI的低功耗存儲器標準化進程，有望為存內計算的商業化注入新的動力。
在AI領域，算法、數據和算力是三大核心要素，而算力（芯片）則是決定AI能否最終落地的關鍵。隨著ChatGPT、GPT-4等大模型研究的深入，模型結構日益復雜，數據量與計算量大幅增長。然而，摩爾定律的逐漸失效使得芯片制造工藝演進放緩，算法發展與硬件發展之間的矛盾日益突出。如何高效利用復雜算法處理海量數據，成為當前AI領域的重要挑戰。
傳統的馮·諾依曼架構中，計算與內存分離，導致功耗墻、性能墻、內存墻等問題凸顯。為了突破這些瓶頸，國內外學術界和產業界從架構、工藝、集成等多個維度展開研究，探索后摩爾時代的新一代芯片技術。其中，存算一體芯片通過器件、架構、電路、工藝的協同創新，實現存儲與計算的融合一體化，被視為突破馮·諾依曼架構瓶頸的重要途徑。
存算一體芯片具有三種主流技術路徑：近存計算（PNM）、存內處理（PIM）、存內計算（CIM）。近存計算通過減少數據移動和提高緩存效率，適用于需要大規模并行處理和優化內存帶寬的應用；存內處理則注重數據密集型應用和能效優化，適合快速數據處理和降低能耗；存內計算則專注于特定領域的高并行性計算和定制硬件優化，適用于高度專業化和定制化解決方案。
在存算一體的概念上，業界已經進行了多年的探索。從斯坦福研究所首次提出“logic-in-memory”方案，到后續研究人員在芯片電路結構、計算架構與系統應用等方面的研究，存算一體的理念逐漸深入人心。然而，受限于電路設計復雜度與工藝難度，早期的研究大多停留在近存計算的層面，存算分離的問題依然存在。近年來，隨著大數據驅動應用的發展，數據量激增，研究者們開始考慮賦予內存一定的計算能力，從而實現存儲和計算融合一體化的“存內計算”架構。
在巨頭們的布局中，存內計算技術逐漸走向成熟。三星、海力士、TSMC等國際巨頭以及阿里巴巴達摩院等國內企業紛紛投入研發，推出了基于不同技術路徑的存內計算芯片。例如，三星展示了基于HBM2-PIM技術的存內計算芯片，提供了高達1.2 TFLOPS的嵌入式計算能力；阿里巴巴達摩院則成功研發了全球首款基于DRAM的3D鍵合堆疊存算一體AI芯片，在特定AI場景中性能提升10倍以上，能效比提升高達300倍。
然而，盡管各家企業都在積極布局存內計算技術，但商業化進程卻受到標準化問題的制約。由于各家企業根據各自的標準開發產品，導致概念和規范存在差異，行業難以采用通用標準。為了推動存內計算的商業化進程，三星電子和SK海力士正在合作推動LPDDR6-PIM內存的標準化。他們與聯合電子設備工程委員會（JEDEC）進行標準化工作，討論確定每項標準的具體規格。
標準化的推進將帶來多重好處。首先，它可以提升兼容性和互操作性，使得不同廠商生產的PIM設備可以在同一系統中無縫協作，減少因兼容性問題導致的系統故障或性能下降。其次，標準化有助于降低成本，減少研發成本和時間，促進規模經濟，降低生產成本，從而使得PIM技術更加普及和實惠。標準化還將加速技術的廣泛應用和普及，推動存內計算技術的快速發展。
除了三星和SK海力士的合作外，其他企業也在積極探索存內計算技術。例如，TSMC展示了在SRAM、ReRAM、PCM、STT-MRAM等多種器件上實現存內計算的探索成果；美國處理器公司Mythic推出了采用模擬存內計算方案的M1076處理器；國內知存科技則推出了首款量產存內計算SOC芯片WTM2101，已商用至智能可穿戴設備中。這些產品的推出標志著存內計算產業化初見成果，越來越多的存內計算產品開始落地。
隨著標準化進程的加速和技術的不斷成熟，存內計算芯片有望在未來大放異彩。這一技術的突破將不僅推動半導體產業的發展，還將為AI時代的計算需求提供強有力的支持。
