当前位置:首页 > 科研成果库

存算一体架构:把计算塞进存储阵列之后,麻烦才刚开始

2026-11-16 18:59:55小研科研成果库8

搞芯片的人这几年大概都听过一句话:算力的瓶颈,早就不在算,而在搬。

这话乍一听有点反直觉。芯片不就是拿来算的吗?拆开看其实很直白——传统冯·诺依曼架构里,计算单元和存储单元是分开的两栋楼。CPU 要算个数,得先把数据从内存搬过来,算完再搬回去。搬这一趟,数据没动多少,电先烧掉一大半。

有个被引用到烂的数据:7nm 下一次 32 位浮点加法能耗大概 0.1 皮焦,但要从 DRAM 里读同样一批数据过来,能耗得翻上两三个数量级。芯片的力气,大部分花在了路上。

大模型一起来,这事就更没法忍。矩阵乘加把内存带宽按在地上摩擦,“存储墙”这词都不够用了,那简直是悬崖。

存算一体架构:让存储器自己动手算

存算一体架构的核心思路不复杂:既然搬数据这么贵,那干脆别搬,直接在存储器阵列里算。

最典型的玩法是忆阻器交叉阵列,也就是 crossbar array。每个交叉点放一个可变电阻器件——RRAM、PCM、MRAM 都有人在做。输入电压按行加,输出电流沿列读,根据基尔霍夫定律,列线上的电流天然就是输入电压和电导的乘积累加。整个矩阵向量乘法,物理层面直接完成,一个时钟周期出结果。

这就是为什么神经网络特别吃这一套。推理里百分之八九十的计算量都是矩阵乘法,而 crossbar 干的恰好就是这件事。它不是“模拟”神经网络,是物理规律本身就是那个算法。

忆阻器交叉阵列存算一体芯片结构示意图忆阻器交叉阵列存算一体芯片结构示意图

不过话说回来,理想很丰满。第一次听到“一个周期算完整个矩阵”的时候我也挺兴奋,后来跟做器件的人聊了几次,才知道坑有多深。

模拟计算的甜蜜陷阱

存算一体的路子大致分两派:模拟派和数字派。

模拟派靠器件电导直接做乘加,能效理论上高得离谱,几百 TOPS/W 不是梦。可现实是——器件有噪声,电导会漂移,写进去的权重过一段时间自己就变了。还有 IR drop,阵列一大,边上的单元和中心单元拿到的电压根本不一样。再加上工艺偏差,同一片 wafer 上同一个位置,电导能差出百分之几十。

更麻烦的是 ADC。模拟电流出来之后得转成数字,而高精度 ADC 又贵又耗电,阵列越大这个问题越突出。有时候你费半天劲省下来的能耗,最后全被 ADC 吃回去了。这也是为什么现在很多方案干脆做小阵列、做混合精度,或者认怂走数字路线。

数字派呢,就是用 SRAM 加逻辑,在存储阵列旁边塞进乘加电路。能效提升没那么夸张,但胜在成熟、可控、良率高。国内几家做存算一体的公司,早期产品大多走的这条路。

场景不一样,选择就不一样。给 TWS 耳机做语音唤醒,小算力低功耗,模拟方案很香。要跑大模型推理,那又是另一回事了。

产业这两年,确实在动

前几年存算一体基本待在实验室里,论文发得挺热闹,产品见不着。这两年不太一样。

一是工艺。存算一体最怕良率,而它偏偏是典型的“面积换能效”,阵列越大越划算。以前只能在 180nm、130nm 上玩,现在 28nm、22nm 已经能跑通,有些团队在做 12nm 的验证。工艺一进步,单片算力立刻上一个台阶。

二是场景。边缘 AI 起来了,摄像头、耳机、传感器这些地方功耗卡得死死的,传统架构真的不够用。存算一体不需要外挂 DRAM,几 MB 片上存储就能干活,成本和功耗上都有优势。已经有产品出货了,就不点名了,业内都清楚。

三是大模型。这个反而把情况搞复杂了。大模型参数动不动上百亿,忆阻器阵列那点容量根本装不下,也不会有谁真把 GPT 塞进一个 crossbar 里跑。所以业界更现实的做法是近存计算加存内计算的混合架构,热数据放片上,冷数据还走 HBM。

存算一体芯片晶圆级测试探针台实拍图存算一体芯片晶圆级测试探针台实拍图

说实话,我接触过的一些项目,宣传材料写得很漂亮,一看实测数据就……嗯。能效提升十倍二十倍是有的,但那种几百倍上千倍的,基本都是拿特定场景、理想条件下的峰值数字比出来的。真装到系统里跑一圈,能有三到五倍的实际提升,就已经值得开香槟了。

还没解决的问题,比解决的还多

还没解决的问题,比解决的还多还没解决的问题,比解决的还多

器件一致性和寿命。RRAM 的写次数、保持特性、温度漂移,每一项都够写好几篇博士论文。实验室里跑得挺好,上车规温度之后是什么样,很多时候没人敢打包票。

编程精度。模拟器件想精确写到一个电导值,比想象中难得多,写—校验—再写的循环很耗时。推理还行,训练基本别想。

编译工具链。这个被讨论得最少,但可能最要命。算法怎么映射到阵列上?权重怎么切分?精度掉了谁来兜?没有一套成熟的工具链,硬件再强也没人愿意用。

生态。CUDA 之所以是 CUDA,不只是一套 API。存算一体现在缺的就是这个东西,而且短期内看不到谁能补上。

不吹不黑,存算一体架构肯定不是万能药,但它确实在解决一个真实存在的问题。冯·诺依曼架构用了七十多年,总得有人去戳一戳。

至于最后谁能跑出来——是在器件上死磕的那批人,还是一开始就走数字路线的务实派,现在真看不出来。我倒是觉得,最后赢的八成是那个先把工具链做明白的。