在物联网、大数据和人工智能 （AI） 的推动下，从交通运输、医疗保健到零售和娱乐等众多行业将走上转型之路，应用材料公司将其统称为 AI 计算时代。

在以前的计算时代中，大型机/小型机、PC/服务器和智能手机/平板电脑均受益于摩尔定律的进步，伴随着 2D 微缩，产品的性能、功耗和面积/成本（也称为“PPAC”）得以同步提升。

虽然 AI 时代的各类应用正在蓬勃发展，但摩尔定律却放缓了脚步；因此，行业需要在 2D 微缩以外取得突破，以全新方式推动 PPAC 的提升。具体而言，我们需要新的计算架构、新材料、新结构（特别是节省面积的 3D 结构），以及用于芯片堆叠和异构设计的高级封装。

AI 时代的架构变化正在对逻辑和存储器产生影响。机器学习的算法大量地使用通用逻辑中极为复杂的矩阵乘法运算，这推动了加速器及其存储器的转变。AI 计算包含两种明显不同的存储器任务：第一种是存储计算的中间结果；第二种是存储与训练模型相关的权重。

性能和功耗对于云计算和边缘计算都十分重要，而存储器方面的创新能够为此提供助力。一种使用现有存储器技术的方法是“近存储器”，其中大量工作存储器被压缩并放置在物理上与逻辑存储器紧密相邻的位置，通过高速接口连接。例如，3D 堆叠和硅通孔技术正愈发受到欢迎。作为这些应用中的“工作存储器”，SRAM和 DRAM 的一个主要缺点在于它们是易失性存储器，需要持续供电来保存数据。

为了降低云和边缘的功耗，设计人员正在评估兼具高性能和非易失性的新型存储器，因为它们只有在主动读写时才需要使用电源。有三种方案引领着新型存储器， 它们分别是磁性RAM （MRAM）、相变式 RAM （PCRAM） 和电阻式 RAM （ReRAM） 。

不同于使用电荷，上述三款存储器利用新材料产生不同的电阻率状态 ，而高低电阻依次表示 1 和 0。MRAM 利用磁场方向的变化来控制电阻率。PCRAM 利用了从非晶态到晶态的材料排列结构变化。ReRAM 在材料中创造了一条电流通路。PCRAM 和 ReRAM 均提供电阻率的中间阶段，这可在每个单元中存储多层的比特数据。

        在存储器阵列中为机器学习执行频繁的矩阵乘法运算。设计人员正在探索伪交叉点架构，其中权重存储在各个存储器节点上。PCRAM、ReRAM 甚至铁电场效应晶体管 （FeFET） 都是优秀的备选方案，因为它们都有每单元多层存储的潜力。目前而言，ReRAM 看起来是最适合此类应用的存储器。可以利用欧姆定律和基尔霍夫定律在阵列内完成矩阵乘法运算，而无需向芯片内移入和移出权重。多层单元架构能够实现全新级别的存储器密度，为设计和使用更大的模型提供支持。需要对新材料进行全面的开发和工程设计，才能将这些新的模拟存储器付诸现实。

（本文转载自电子发烧友，如有侵权，请联系删除）