【中国移动研究院】存算一体白皮书（2022年）

存算一体白皮书总结

核心内容

存算一体是一种新型计算架构，旨在解决冯·诺依曼架构下的“存储墙”和“功耗墙”问题，通过将存储与计算融合，实现计算能效的显著提升。该技术被认为是未来先进算力的代表性技术之一，已被中国移动确定为算力网络十大关键技术之一。本白皮书系统性地分析了存算一体的核心技术、应用场景、发展路线及面临的挑战，并提出了相应的发展建议。

主要观点

• 存算一体通过将存储与计算融合，克服传统架构瓶颈，提升能效。
• 存算一体技术可分为近存计算（PNM）、存内处理（PIM）和存内计算（CIM）三类。
• CIM作为狭义的存算一体，直接实现存储与计算的融合，具有更高的能效比。
• 存算一体技术在端侧、边侧和云侧均具有广泛应用前景，特别是在AI推理和训练领域。
• 存算一体技术的发展面临五大挑战，包括新器件成熟度低、电路设计不成熟、芯片架构通用性差、EDA工具链不完善、软件及算法生态不健全。

关键信息

技术分类

• 近存计算（PNM）：通过先进封装技术，将存储单元与计算单元靠近，提升访存带宽。
  • 包括存储上移（如HBM）和计算下移（如CSD）两种方式。
• 存内处理（PIM）：在内存芯片中集成计算单元，实现部分数据处理，如HBM-PIM和PIM-DIMM。
• 存内计算（CIM）：真正实现存储与计算的融合，适用于AI算子加速，如卷积神经网络（CNN）和循环神经网络（RNN）。

存储器件分析

器件	易失性	多值存储	现有工艺节点	理论工艺极限	单比特存储面积（F²/bit）	读写次数	应用场景
SRAM	易失	否	5nm	2nm	~300	无限	云侧和边侧推理与训练
NOR Flash	非易失	是	28nm	14nm	~7.5	10^6	边侧和端侧推理
RRAM	非易失	是	28nm	5nm	20~40	10^8	云侧、边侧和端侧推理
MRAM	非易失	否	16nm	5nm	~30	~10^15	云侧和边侧推理与训练
PCM	非易失	是	28nm	5nm	~24	10^8	云侧、边侧和端侧推理

应用场景

• 端侧：用于智能终端设备，如智能眼镜、耳机、摄像头等，满足低功耗、高能效需求。
• 边侧：用于云游戏、车联网等边缘计算场景，满足高时延、高算力需求。
• 云侧：用于大规模AI芯片，满足高带宽、低功耗、大算力需求。

技术挑战

1. 新器件成熟度低，制造工艺难升级：新型存储器件如RRAM、PCM、MRAM在一致性、可靠性等方面仍有提升空间。
2. 电路设计影响芯片算效提升：电路设计尚未成熟，尤其是模拟存内计算涉及ADC、DAC、TIA等模块，带来设计复杂度。
3. 芯片架构场景通用性及规模扩展能力较差：当前芯片算力有限，缺乏通用性和扩展性。
4. EDA工具链尚未健全：缺乏标准单元库、仿真验证工具及误差评估工具，影响设计效率。
5. 软件及算法生态不完善：缺乏通用开发环境和编译器，算法与芯片计算特性不匹配。

发展建议

1. 协同先进封装技术：推动RRAM、PCM、MRAM等新型器件与先进工艺兼容，实现芯片高度集成。
2. 优化电路与芯片架构：加强存算阵列与周边模块设计，构建通用、可扩展的芯片架构。
3. 加速EDA工具孵化：推动EDA工具链发展，缩短芯片研发周期，促进国产EDA产业。
4. 构建开发生态与编程框架：搭建通用编程框架，支持并行计算特性，促进算法开发与应用迁移。
5. 产学研紧密协同：推动端侧到云侧的演进，构建全链条合作平台，促进技术成熟与生态繁荣。

产业发展倡议

中国移动呼吁产学研界共同攻关存算一体核心技术，加快产业成熟，推动生态繁荣。通过标准制定、开源推动、产业合作等方式，加速技术落地，释放存算一体在性能与成本方面的巨大潜力，助力国家在先进计算领域实现高水平自立自强。