六大“未来式”存储器，谁将脱颖而出？

导读：随着AI的兴起，人们对深度学习及神经网络计算更加关注。1月份在《先进材料技术》刊发的论文中阐述了用于神经形态计算的新兴存储器件，文中着重强调了PCM相变存储技术，与NAND闪存不同，PCM拥有几乎无限量写入次数、快速访问、字节可寻址等诸多优势，除了用作存储器存储数据外，这些特性还将用于神经网络计算支持人工智能领域的发展，未来市场前景非常广阔。论文作者已经提出一个完整的神经形态电路设计项目，且该项目就是用PCM来模拟神经元和突触，因其独特的优势，因特尔、三星、美光等公司已经开始PCM的布局，IBM研究院也推出了PCM相关产品，文中特别提到中国存储厂商江苏时代芯存在PCM产业化推进方面的所做的工作，PCM未来不仅会逐渐取代现有存储器市场，而且将会大大扩展现有的存储器市场！

内容摘取：

  对神经形态计算的浓厚兴趣刺激人们研发出一系列全新的存储设备，这些设备可以复制生物神经元和突触功能。最近，一篇回顾该领域现状的论文对六种最有前景的技术进行了盘点和解读。

  这篇题为“用于神经形态计算的新兴存储器件”的论文发表在1月份的《先进材料技术》（Advanced Materials Technologies）上。论文中，作者阐述了摆脱晶体管和冯·诺依曼架构转而采用与尖峰神经网络更紧密结合的技术的优势，尖峰神经网络是神经形态计算的基础。论文的目的是在神经形态计算中找出比CPU、GPU、DRAM和NAND等传统设备更快、更节能的设备。

  PCM是另一种高性能、非易失性存储器，基于硫属化合物玻璃。这种化合物有一个很重要的特性，当它们从一相移动到另一相时能够改变它们的电阻。该材料的结晶相是低电阻相，而非晶相为高电阻相，通过施加或消除电流来完成相变。与基于NAND的传统非易失性存储器不同，PCM设备可以实现几乎无限数量的写入。此外，PCM器件的优势还包括：访问响应时间短、字节可寻址、随机读写等，其也是诸多被称为能够“改变未来”的存储技术之一。

  论文作者参考了许多使用相变材料的模拟性质进行神经形态计算的研究项目，其中包括一个提出完整的神经形态电路设计的项目，该项目使用PCM来模拟神经元和突触。

  目前，英特尔、三星、美光科技和松下都已经开始PCM的布局，IBM研究院已经推出了可以作为非易失性缓存的PCM DIMM。几年前，IBM研究人员构建了一张PCI-Express PCM卡，可以连接到Power8服务器，并通过相干加速器处理器互连（CAPI）接口交换数据。值得注意的是，中国存储制造厂商江苏时代芯存此前也宣布将投资130亿元人民币致力于PCM的研发，已经于2017年完成厂房的封顶和设备的采购，该公司认为PCM是21世纪的存储芯片标准。