存算一体化与人工智能的完美融合

最近芯片成为了创新行业的一个高频词，以芯片为代表的集成电路产业被誉为是工业粮食，也是数字经济和信息交互不可或缺的核心技术，然而在中国芯片行业当中有一句俗话叫做“除了水和空气，剩下的都是从国外买的”，听起来似乎是很夸张，但实际上一点也不夸张，除了技术之外，过高的芯片成本也成为了拦路虎阻碍其行业的发展。如何降低芯片的成本以及提高运算效率是当今各大企业所考虑的首要难题。

在安创成长营第五期Demo Day上，一家来自北京的芯片创业公司介绍了她们最新的低功耗低成本的存算一体芯片。北京知存科技有限公司是一家专注于开发基于存算一体的人工智能芯片创业企业。虽然现在AI已经是当今社会的发展方向，但是它仍旧处于发展早期阶段，按照人工智能目前的技术水平，实现落地场景的效果还不是那么尽如人意。但随着人工智能技术的发展以及芯片算力的提升，未来人工智能将会出现一个更大的爆发点，也会有更多的应用场景。

会上，知存科技的创始人王绍迪介绍道：“深度学习采用很庞大的网络，存储很多参数，完成大量的计算，同时在这些计算过程中会生成大量的数据。为了完成这些计算，芯片设计中会增加很多运算单元，如几千到几万个运算单元，随着运算单元数目的增加，每个运算单元能够使用的存储器的带宽和大小都在减小，存储器成为了计算的瓶颈。现在工业界和学术界都一致认为存算一体化是存储器瓶颈最有效的解决方案。”

存算一体化是一个笼统的概念，拥有很多种实现方式。其中一种实现方式是在内存和固态硬盘芯片当中植入逻辑计算单元，这种方式非常适合云端的大数据类应用。知存科技带来的技术是另一种方式：将存储和计算完全结合到NOR型闪存单元中，适合于终端设备的AI运算。NOR型闪存技术已经有几十年的历史，一方面是成熟，另一方面是成本相对较低。王绍迪说到：“一个深度神经网络拥有百万到亿量级的权重参数，需要完成百万到亿量级的计算。在终端场景，常规的系统包含处理器和神经网络加速器芯片，内存芯片，以及闪存芯片。神经网络平时被存储在闪存当中。运算的时候，数据需要从闪存先搬运到内存，再经过DDR和处理器的片上缓存搬运到运算单元中，处理器中无法存放的数据还要再搬运回内存来临时存放，存储器的带宽成为了运算速度的瓶颈，反复搬运数据又消耗了绝大部分的功耗。存算一体化的做法则稍有不同，通过设计闪存芯片的阵列和外围电路，使得闪存单元本身就可以存储权重和完成乘加法运算，无需其他逻辑运算电路。比如一个闪存芯片有1000万个闪存单元，就可以存储1000万个权重并且完成1000万个乘加法运算。”

“单个的闪存单元能够存储7-8Bit的权重参数，它本身还可以完成乘加法运算，相比需要几百个晶体管才能完成的功能，这种计算方式的效率是非常高的。” 王绍迪这样介绍。知存科技的这项技术相比传统的芯片模组，相当于把原来几个模块的功能集成到闪存芯片之中，成本和功耗都会大大降低。

现在集成电路产业的特色是赢者通吃，像Intel这样的巨头，巅峰时期的利润是相当惊人的。在国外巨头垄断的情形下，真的需要我们中国科技公司拿出一些过硬的技术去和他们掰手腕。知存科技研发的低功耗低成本的存算一体融资芯片不仅仅是在计算架构层面的创新，更是展现了我国科技人才对人工智能发展抱有的强烈信心和不懈的努力。未来是光明的，希望知存科技能够坚持自己的信念一直走下去。