国产加速度！突破“内存墙”瓶颈，走向更高性能计算！

在AI芯片的争夺中，算力首先成为了焦点。不过，算力提升之后，算力与内存的不匹配又成为了阻碍AI向前发展的关键。内存问题分为两个部分：带宽、功耗。一旦没有进行存储优化，那么芯片实际能够提供的计算力其实会大大低于理论值。

AI芯片的真正问题是内存墙

算力、算法、数据被认为是AI向前发展的三个关键因素，更高的算力自然必不可少，这也直接驱动了AI芯片公司们推出更高算力的AI芯片。不过，目前对于AI芯片的定义并没有一个严格和公认的标准，一个非常宽泛的看法是，面向人工智能应用的芯片都可以称为AI芯片。

需要指出，这一轮的AI热潮很大程度是机器学习尤其是深度学习受到了追捧。由于目前常见的芯片类型CPU、GPU、FPGA、ASIC都可以运行深度学习算法，因此这些芯片都可以称为AI芯片。

这就意味着，如今AI芯片重要的意义在于满足机器学习的算法的需求。但即便是经验丰富的Arm，认识到AI芯片关键的问题也走了一些弯路。说的更直白一些，深度学习算法具有高并发、高耦合的特点，不仅有大量的数据参与到整个算法运行的过程中，这些数据之间的耦合性也非常紧密。

因此对存储带宽提出了非常高的要求，大规模的数据交换，尤其是芯片与外部DDR(Double Data Rate SDRAM，双倍速率同步动态随机存储器，常简称为DDR)存储之间的数据交换，这将大幅增加了功耗。

突破内存墙瓶颈

越来越多的AI芯片的IP提供方和AI芯片的设计公司都意识到，AI芯片的本质不是要解决计算问题，而是要解决数据问题。与数据和存储相关的带宽瓶颈、功耗瓶颈问题，被称为存储墙问题。

据了解，芯动科技作为国内IP市场连续10年领先的中国芯片IP和芯片定制的一站式领军企业，2018年，芯动科技（INNOSILICON）在全球范围内率先攻克顶级难度的GDDR6高带宽数据瓶颈，并量产性能领先的加密计算GPU；率先掌握0.35V以下近阈值电压低功耗计算技术；提供市场上最快的AI存储加速芯片，使SOC数据的存储带宽增加四倍以上，支持高性能国产CPU/GPU/NPU等各种HPC应用场景。

与此同时，芯动科技推出的DDR系列内存产品也始终处于行业前沿，涵盖高性能产品GDDR6（16GT/s, 1.35V）、主流产品DDR5（6.4GT/s, 1.1V）、低功耗产品LPDDR5（6.4GT/s, 0.5V）等。

不过，人们对更高性能计算的追求是没有止境的，在多核处理器性能越来越强的情况下，人们必须突破“内存墙”的重重阻碍，找到走向更高性能计算的通途。