2024年9月27日，第三屆GMIF2024創新峰會在深圳灣萬麗酒店圓滿落幕。本次峰會雲集了來自全球儲存產業的領袖與專家，共同探討AI時代下儲存技術的前沿發展。 北京大學 集成電路學院院長 蔡一茂 作為特邀嘉賓，在峰會上發表了關於【 AI時代的記憶體與存內計算技術發展 】的主題演講。他從學術研究的視角出發，結合行業需求，深入剖析了記憶體技術的現狀及未來潛在發展路徑，並指出存內計算技術將在AI時代背景下扮演更加重要的角色。峰會現場隆重揭曉了 GMIF2024 年度大獎的評選結果，蔡院長作為頒獎嘉賓，為Arm、長江儲存、長鑫儲存、兆易創新、佰維儲存等多家在記憶體創新領域做出突出貢獻的企業頒發榮譽證書。
AI時代的儲存挑戰與機遇
蔡院長在演講中指出，隨著人工智能（AI）技術的快速發展，全球記憶體和計算系統正面臨前所未有的挑戰。AI套用對高效計算和低功耗的需求愈發迫切，但由於傳統摩爾定律逐漸放緩，特征尺寸的微縮接近極限，使得系統級的算力和能效提升成為後摩爾時代的焦點問題。這不僅是芯片研發和制造層面的挑戰，更是整個集成電路領域上下遊產業鏈需要共同面對的問題。蔡院長提到，如何在有限功耗下，特別是「雙碳」目標背景下，滿足高效能計算需求，不僅是技術問題也是經濟問題，需要學術界和產業界協同解決。
存內計算：突破傳統計算架構的關鍵
蔡院長在演講中詳細闡述了存內計算（In-Memory Computing，IMC）這一技術的發展潛力。這項技術透過將計算能力嵌入記憶體中，減少了數據在處理器與記憶體之間的傳輸延遲，從而提高系統效能並降低能耗。他指出，存內計算技術的研究目前已取得顯著進展，尤其是在基於DRAM、NAND Flash以及新型記憶體（如RRAM）的架構等領域具有廣闊的套用前景和巨大的價值空間。
蔡院長強調，盡管存內計算當前仍面臨一些技術挑戰，如非揮發性記憶體的可靠性問題等，但透過持續不斷的研究創新，存內計算有望成為未來AI計算領域的主導技術。這種技術不僅能夠加速AI推理，還能夠為邊緣計算和端側計算提供高效的解決方案。
多記憶體異構架構：AI計算的未來
隨著AI套用場景趨向多元化發展，單一記憶體類別已經難以滿足所有計算任務的需求。蔡院長認為，未來的儲存架構將向多記憶體異構化發展，不同記憶體類別如DRAM、NAND、新型記憶體等將透過先進封裝等技術手段進行協同工作，以應對不同場景下的AI計算需求。
他特別提到，在高頻寬和大容量的儲存需求下，高效能記憶體如HBM的套用已成為未來行業發展趨勢。然而，單靠HBM並不足以滿足所有AI計算需求，特別是在低功耗、低成本的場景下，還需要透過減少訪存頻率、最佳化系統結構等來進一步提升整體能效。
新型記憶體的未來展望
同時，蔡院長還提到，未來記憶體技術的突破將不僅僅局限於硬件升級本身，引入新的計算範式如類腦計算、量子計算、光子計算等也將成為AI時代儲存技術創新的前沿方向。透過采用新的資訊編碼方式，這些技術有望顯著提升AI計算的效率和能效。
記憶體與AI的融合：推動行業變革
在演講的最後，蔡院長強調，AI時代的記憶體技術發展不僅需要突破容量和速度的限制，更需要在能耗和算力上取得進展。存內計算技術、多記憶體異構架構以及新型記憶體的套用，將為未來AI計算的發展提供強有力的支持。他呼籲學術界與產業界攜手合作，共同推動儲存技術的創新與進步，更好應對智能時代的風險和挑戰。
結語
隨著AI技術的快速發展，記憶體和計算架構的創新已成為資訊科技領域的重要課題。未來，多記憶體異構架構和存內計算技術的推廣套用，將為大規模AI計算提供更加高效的解決方案。而北大集成電路學院在這一領域的持續探索和研究，也將為推動全球儲存技術的革新貢獻力量，推動集成電路行業走向一個更加智能、更加高效的未來。
