一、 存算一体化
概念：
简单来说就是将存储资源中嵌入计算能力，以新的运算架构进行二维和三维矩阵乘法/加法运算。这样减少了数据频繁移动带来的延迟和能耗方面的开销。
背景：
虽然多核（例如CPU）/众核（例如GPU）并行加速技术也能提升算力，但在后摩尔时代，存储带宽制约了计算系统的有效带宽，芯片算力增长步履维艰。
特别是，深度学习加速的最大挑战就是数据在计算单元和存储单元之间频繁的移动。
解决方案：
存内计算和存内逻辑，即存算一体技术直接利用存储器进行数据处理或计算，从而把数据存储与计算融合在同一个芯片的同一片区之中，可以彻底消除冯诺依曼计算架构瓶颈。
优势：
- 减少不必要的数据搬运。（降低能耗至1/10~1/100）
- 使用存储单元参与逻辑计算提升算力。（等效于在面积不变的情况下规模化增加计算核心数）
市场需求
存算一体的商业驱动力主要源于AI和元宇宙算力的需求、并行计算在深度学习的广泛应用。看向应用端，存算一体的市场发展驱动却是非常强烈的。
二、存算一体的存储介质对比
目前可用于存算一体的成熟存储器有NOR FLASH、SRAM、DRAM、RRAM、MRAM等NVRAM。
FLASH：早期创业企业所用FLASH属于非易失性存储介质，具有低成本、高可靠性的优势，但在工艺制程有明显的瓶颈。
SRAM：SRAM在速度方面和能效比方面具有优势，特别是在存内逻辑技术发展起来之后具有明显的高能效和高精度特点。
DRAM：DRAM成本低，容量大，但是速度慢，且需要电力不断刷新。
其他：适用存算一体的新型存储器有PCAM、MRAM、RRAM和FRAM等。其中忆阻器RRAM在神经网络计算中具有特别的优势，是除了SRAM存算一体之外的，下一代存算一体介质的主流研究方向。目前RRAM距离工艺成熟还需要2-5年，材料不稳定，但RRAM具有高速、结构简单的优点，有希望成为未来发展最快的新型存储器。
从学术界和工业界的研发趋势上看，SRAM和RRAM都是未来主流的存算一体介质。
几种存储介质对比：
三、总结
参考文章：陈巍：存算一体技术是什么？
存算一体已经被知名研究机构和产业方确定为下一代技术趋势之一。
目前国内外存算一体企业，都是刚刚起步阶段，差距尚不大。存算一体芯片在设计层面是创新的，没有成熟的方法借用。
目前行业主要两类路径，一类是从小算力1TOPS开始往上走，解决的是音频类、健康类及低功耗视觉终端侧应用场景，AI落地的芯片性能以及功耗问题。
另一类主要是针对大算力场景>100TOPS，解决大算力问题，在无人车、泛机器人、智能驾驶，云计算领域提供高性能大算力和高性价比的产品。
