IEEE半导体行业快报——存算一体技术

IEEE电气电子工程师学会 2022-04-19 16:29

TI MCU方案：能源基础设施实时控制 构建AI未来，Arm计算平台无处不在

IEEE半导体行业快报

四月报

IEEE联合其合作伙伴iGroup中国携手推出了IEEE前沿科技领域的行业快报，我们将不定期为大家带来相关领域的热点快讯、科研文献及视频资料推荐等内容。

本期我们将聚焦于半导体行业中的存算一体技术，存算一体技术概念的形成，可以追溯到上个世纪90年代。除了用于人工智能（AI）计算外，该技术也被用于感存算一体芯片、类脑芯片等，它也代表了未来主流的大数据计算芯片架构。近年来，随着云计算与AI应用的发展，面对计算中心的大数据量，数据搬运速度以及搬运能耗成了计算的主要瓶颈，同时，“存储墙”成了数据计算应用的一大障碍。存算一体技术可理解为在存储器中嵌入计算能力，以新的运算架构进行二维和三维矩阵乘法/加法运算，而并非在传统逻辑运算单元或工艺上优化。因此，它能在数据搬运时从本质上消除不必要的延迟和能耗，进而打破“存储墙”障碍，提高计算效率，降低成本。

查看完整快报内容，请点击文末“阅读全文”

一、热点快讯

存算一体创新企业解决语音处理难题

摘要： 存算一体技术被认为能够消除在网络边缘进行AI语音处理产生的大量数据通信障碍，但需要一种嵌入式内存解决方案以同时进行神经网络计算和存储权重。近期，美国微芯科技公司（Microchip Technology Inc）宣布，其名为SuperFlash memBrain神经形态存储器解决方案为知存科技（WITINMEM）神经处理SoC解决了这一难题。这一SoC 采用了用于神经网络处理的存算一体技术，包括语音识别、健康状态监测、声纹识别、深度语音降噪及场景检测等。知存科技（WITINMEM）将于今年推出基于该SoC 的相关产品。

（图片来自：https://www.electronicsforu.com/press-releases/computing-in-memory-innovator-solves-speech-processing-challenges）

二、文章推荐

基于SRAM的存算一体技术挑战及趋势——基于边缘人工智能（AI）设备

摘要：将传统的冯诺依曼计算架构应用于边缘AI设备时带来了许多挑战与瓶颈（如，能源效率提高这一难题）。存算一体技术(CIM)则被认为可以突破存储墙瓶颈。SRAM可以提供无限耐用性以及有着最先进的逻辑工艺兼容性。本研究阐述了进一步开发SRAM-CIM的背景、趋势及挑战。同时，还回顾了近期为逻辑和乘法累加(MAC)操作而设计的经过硅验证的SRAM-CIM。