摩尔定律注定失效，存储优先架构或是AI芯片的未来

　　AMD为GPU做的HBM高带宽显存方案

　　动态调整频率则是通过软硬件动态调整存储器的读写频率，来降低访问调度的随机性，实现更多预访问，让访问变得更有序，进一步提升访问效率，进而降低延迟。此种手段实施并不简单，并且理论上提升的幅度十分有限，虽然可以一定程度上优化，但并不足以应付未来AI场景的百倍千倍数据吞吐，毕竟每小时TB级别海量数据才是AI世界的真实常态。

　　将存储结构尽量靠近核心，做成片上存储也是一种热门思路。精简的访问路径使得逻辑核心与存储的访问精度得到显著提升，尽可能利用工艺极限提升存储器的访问效率。这种方式的理论上可以在减少访问延迟5-10倍以上，这种量级的优化进步对比之前的几种方式就来得非常可观。

　　在思路和技术两个维度发现传统芯片的“存储墙”瓶颈之后，下一步就是从思想和技术两方面进行突破，这也就引出了我们今天的核心“存储优先架构”。

　　“存储优先架构”原理和优势所在

　　简单来理解，存储优先架构实际上就是片上存储技术+架构思想革新，是技术手段变革和思想革新的双重结合。

　　之前我们已经提到了片上存储这种设计方式的好处，它能够带来成倍的存储访问效率提升。但是片上存储这套思路实际上技术本身没有对架构思想进行变革，依旧是按照冯·诺依曼架构来的一套体系，虽然得益于片上存储技术，访问的效率大大提升了，但是由于架构不变，访问的步骤依旧较多，这带来了存储效率的浪费。

　　于是，在片上存储技术的基础上，探境科技提出了一种颠覆性的思想，以存储为中心带动计算，重新设计整个AI芯片的架构——即“存储优先架构”(SFA)。

　　探境科技提出的“存储优先架构”

　　上图是存储优先架构的示意图，通过对比冯·诺依曼架构示意图，我们从上图可以观察到存储架构包括数据层、计算层和控制层组成，它们以存储调度为核心逻辑形成一套计算架构，数据在存储之间的迁移过程中同时完成计算，计算就那么自然而然随着数据转移同时进行了。理论上这种设计方案的能效能提升10-100倍，计算资源利用率提升40-50%，同时对DDR的占用率也能够实现大幅度下降。这就好像从前城里10万老百姓办手续，不但路远，还要跑很多趟。现在百姓虽然已经多达500万，但是提高了办事效率，办事窗口离家门口更近了，还允许一次性办齐。

　　据了解，目前探境科技全新的存储优先架构并不仅仅只是停留在理论层面，而是真真正正已经流片，并即将推向商用领域。在今年10月份举行的IC WORLD大会上面，探境科技发布了即将推出的语音、图像序列AI芯片和IP授权。这些产品可以被用在AI计算、边缘计算、安放前端协处理、语音唤醒、命令词识别、语义理解、通用降噪、自动驾驶等多个前沿领域。

　　存储优先架构应用到实际能带来什么体验革新?举个例子：

　　目前智能音箱一个使用痛点就是语音控制和反馈的延迟。智能音箱需要听到用户的唤醒词进行唤醒，并在得到指令内容之后，将内容的声音数据回传到云端，进行分析和处理得到结果之后再返回到智能音箱播放出来。这中间由于信号、网络延迟等一系列问题就会导致最终用户体验质量的大幅下降，等待2、3秒也就成了常态。如果智能音箱采用存储优先架构的AI芯片，能够在本地接受内容之后直接处理为结果，不需要回传云端和大数据比对、分析和运算，实现高效的边缘计算，这将根本性提升最终的用户体验。智能音箱如是，自动驾驶如是，智慧新零售如是，智慧城市方方面面都离不开完整的AI、云计算、边缘计算的配合。

　　摩尔定律注定失效，存储优先架构或是AI芯片的未来

　　从某种意义上来说，摩尔定律是基于冯·诺依曼架构提出的，而冯·诺依曼架构本身的结构路径基于指令集模式的处理逻辑，存在对于海量数据，尤其是不规则海量数据处理的先天短板。所以不管是摩尔定律和还是x86基础的冯·诺依曼架构，它们随着人类社会发展以及数据量的不断攀升，是注定必将失效的。或者反过来说，我们海量数据洪流的时代渐渐淘汰旧的芯片规则约束，正催生芯片架构进行一次大的革新。

　　存储优先架构以其逻辑步骤精简+片上存储技术手段的方式，得到双重性能提升，实现了以存储调度为核心的计算架构，这的确是一次前所未有的创新实践。随着探境科技流片量产和随后的应用场景部署，存储优先架构的AI芯片必将帮助终端设备实现更多自动化的、低延迟的边缘计算，以改善最终的智慧生活体验。关于存储优先架构的AI芯片产品以及未来的具体应用进展，我们不妨持续关注拭目以待。