研发低能耗存算一体AI芯片，「知存科技」完成近亿元人民币A轮融资

一导读一

目前现行几乎所有计算机系统使用的都是基于冯诺依曼架构进行数据的处理和存储，将处理器和存储器分开单独运行，处理器从存储器中调取数据和程序，处理完成之后再传送回存储器中进行储存。这一架构的局限就在于，处理器与存储器之间数据传输通量的限制以及在反复传输数据的过程中产生的高功耗问题。

随着人工智能和物联网的发展，一方面大量的数据输入需要进行大量的计算，另一方面对于系统功耗的要求也极为严格，这就催生出了突破传统冯诺依曼架构的“存储计算一体”的新架构，这一架构的使得数据无需在处理器与存储器之间搬运，提高芯片工作效率的同时又降低了系统的功耗，是目前AI芯片发展过程中最佳的解决方案之一，受到国际知名半导体公司和投资机构的关注和投资。

相较于文中提到的传统存储NOR FLASH存储计算一体化，新一代PCM相变存储芯片则拥有特有的和脑神经单元类似的电性，可实现本地存储、本地运算学习、本地做决定的强大功能，真正意义上实现计算存储一体化，PCM将引领人工智能发展的新时代！

上世纪40年代，冯诺依曼确立了处理器和存储器分离的基本计算架构，即数据和程序存入存储器中，处理器调出数据计算之后再传送回存储器当中。这一架构也是目前最普遍使用的架构。而存算一体，简单来说就是存储器部分同时拥有拥有计算和存储功能。

那存算一体的结构又有那些什么好处的优势呢？王绍迪介绍，知存科技研发的存算一体的AI芯片的计算效率能达到冯诺依曼结构芯片的20-50倍，这是因为存算一体的架构可以破解目前AI芯片遇到的“存储墙问题”。在一般AI运行当中，数据要不停地在存储器和处理器之间搬运，搬运速度限制了芯片运算速度，而搬运数据的功耗也提高了芯片的功耗。而存算一体的芯片运算无需数据读写和数据搬运，因而可以突破瓶颈提高芯片效率。

在存算一体芯片设计中最重要也是最难的部分就是如何去设计存储器使得其也能进行处理器的运算的过程。知存科技的方案是重新设计存储器，利用Flash闪存存储单元的物理特性，对存储阵列改造和重新设计外围电路使其能够容纳更多的数据，同时将算子也存储到存储器当中，使得每个单元都能进行模拟运算并且能直接输出运算结果，以达到存算一体的目的。

据美光公司NOR Flash产品线总监Richard De Caro的估算，每年NOR Flash的出货量超过 60 亿颗 。NOR Flash存算一体芯片在国际上也备受关注，包括英特尔、博世、美光、Lam Research、应用材料、微软、亚马逊、软银都投资了NOR Flash存算一体芯片。美国存算一体AI芯片初创公司Mythic于今年6月完成了Valor Equity Partners领投的3000万美元B-1轮融资，此前Future Ventures、Atreides、Micron Ventures、Lam Research、Softbank Venture、Draper Fisher Jurvetson，Lux Capital，Data Collective和AME Cloud Ventures也参与了此B轮投资，由此B轮融资总额达7000万美元。美国另一家专注于语音识别的存算一体AI芯片初创公司Syntiant也于2018年11月获得了微软、英特尔、亚马逊、博世和摩托罗拉等共同参与的2500万美元B轮融资。