近日，清華大學發布的一顆憶阻器存算一體芯片，火了。該芯片的火爆源于一個月前，清華大學發的一篇論文：

2023年9月14日，清華大學吳華強及高濱共同通訊在Science在線發表題為“Edge learning using a fully integrated neuro-inspired memristor chip”的研究論文，論文顯示，團隊基于存算一體計算范式，研制出全系統集成、支持高效片上學習(機器學習能在硬件端直接完成)的憶阻器存算一體芯片。

“憶阻器存算一體”這一概念瞬間引爆學界與產業界，甚至登上了微博高位熱搜。據筆者獲悉，清華大學所用的憶阻器件就是RRAM（ReRAM）。

此次清華大學科研成果的意義，不僅在于研發出首顆基于憶阻器（RRAM）的片上學習存算一體芯片，更在于為產業界存算一體存儲介質的應用和發展給出了更多方向，以及在技術實踐上的引導性意見。

本文試圖探究，學界與產界為何要選擇研發該路線？該路線的發展前景如何？

PART-01

憶阻器存算一體是為何物？

無論是從其官方表述，還是論文中“可重構的憶阻器存算一體架構圖”，我們都能明確知道，清華大學所說憶阻器便是阻變存儲器RRAM（ReRAM）。

2022年9月，清華大學集成電路學院錢鶴、吳華強教授課題組聯合斯坦福大學、加州大學圣地亞哥分校（UCSD）、圣母大學等在《自然》（Nature）發表的題為A compute-in-memory chip based on resistive random-access memory研究論文。

該論文報道了一款基于憶阻器（阻變存儲器）的存算一體芯片NeuRRAM。該芯片具有可重新配置的計算核心（reconfiguring CIM cores），可以兼容不同的模型結構。



（可重構的憶阻器存算一體架構圖源：清華大學） 專家表示，從定義來看，憶阻器(英文：memristor)為電阻受先前通過電荷量控制的電子器件，其特點為通常具有電流電壓蝴蝶形回滯曲線。憶阻器的概念最早由蔡少棠教授提出，最早由阻變存儲器，即RRAM實驗驗證，因此經常以RRAM作為憶阻器的代表。

當然，嚴格來說，根據材料和物理機制，憶阻器件可分為阻變存儲器（Resistive Random-Access Memory, 簡稱RRAM或ReRAM)，相變存儲器（PCRAM），磁隨機存儲器（MRAM）和鐵電隨機存儲器（FeRAM）等不同種類。此外還有光電憶阻器、有機材料憶阻器、流體憶阻器等。

也就是說，憶阻器有著諸多選項，那么為何要選擇阻變存儲器RRAM？

我們都知道的是，傳統馮·諾依曼結構下，數據的存儲和計算相互分離，即數據存儲在儲存器中，需要計算時再把它搬運到運算器里。然而，AI類應用（例如大模型）需要對大量數據進行矩陣運算，其核心是乘法和加法，在此情形下算力是比較吃緊的，面臨著很大挑戰。

如何拉近“存”“算”距離，即打破存儲墻，成為AI計算的當務之急，清華大學給的解決方案便是基于憶阻器（RRAM）的存算一體。

具體來說，如果用交叉陣列的方式做憶阻器，就可獲得一種與矩陣很類似的結構，這種結構既可以存數據，也可以做計算。需要存儲時，憶阻器本身就是存儲器；而需要運算時，也無需把數據從存儲器中搬到運算器里，因為憶阻器可直接用歐姆定律來做乘法運算。

如此，數據便能“原地”計算，大大降低了由于數據“跑來跑去”所帶來的消耗。

除此之外，憶阻器（RRAM）還有著其他優點：比如尺寸小、速度快、與 CMOS（互補式金氧半導體）工藝可兼容等。

?

于是，又能算又能存的憶阻器（RRAM）成了緩解算力焦慮的良藥，引得包括清華大學在內的多方精英競相布局。

PART-02

憶阻器（RRAM），學界與產界公認的存算一體最佳器件

盡管有著諸多好處，憶阻器（RRAM）作為存儲器的發展卻十分坎坷。

2000年便有企業著手研發——夏普購買了美國休斯敦大學憶阻器（RRAM）的相關專利進行相關布局，但到了去年才真正在業內迎來應用的爆發。

那么，為何憶阻器（RRAM）在去年才迎來爆發時刻？

這是因為，根據以往經驗，找到合適的賽道，往往是存儲器大放光彩的轉折點。現如今，憶阻器（RRAM）作為存算一體AI計算的存儲介質，在AI大算力場景發光發熱。 例如NOR Flash，便是憑借更快的讀取速度、可隨機訪問等特點，在功能機時代奪得一席之地；所以，當功能機時代過去后，NOR Flash一度低迷。

而當外掛一個高可靠性、快速讀取的存儲器又成為解決AMOLED面板的藍色光會隨時間消退的問題的最優解，NOR Flash，又隨著AMOLED的需求迎來自己的第二春。 而在存算一體芯片的存儲器件選擇中，基于憶阻器（RRAM）設計的存算一體芯片具有非易失性、讀寫速度快、穩定性強、功耗低、 CMOS工藝兼容、微縮化發展天花板高等優勢，相比于SRAM、Flash，憶阻器（RRAM）更適用于存算一體AI大算力賽道。

不過，據EETOP表示，憶阻器依然面臨著嚴峻的挑戰，其中一個關鍵挑戰就是模擬計算的誤差累積。

在機器之心有關清華大學可重構數字存算一體架構主題的文章中提到，模擬計算由于工藝偏差、信號噪聲等因素容易產生計算誤差，通常最高只能支持INT8數據格式，難以支持更高位寬計算。

這就導致當前的模擬存算一體AI芯片通常只能同時激活很小部分存儲器陣列。這限制了它們單位面積下的計算能力，使得兼顧能效和精度變得更加困難。

而數字存算一體并不受信噪比影響，精度可以達32bit甚至更高，且可支持浮點計算。同時，數字存算一體對于不同制造工藝、電源電壓和溫度的變化呈現很強的魯棒性。

故，相比于模擬存算，數字存算的方式可以實現更高的運算精度以及更好的可靠性。

據筆者對國內存算一體項目的了解，現階段僅有億鑄科技基于憶阻器（RRAM）實現了數字存算一體POC芯片的回片及成功驗證。據悉，公司名中“億鑄”二字便來源于憶阻器中“憶阻”二字的諧音。

而億鑄科技這顆存算一體POC芯片是首顆基于憶阻器（RRAM）的面向數據中心、云計算、自動駕駛等大算力場景的存算一體芯片。該芯片的能效比表現，遠超預期——能夠達到同等工藝下傳統架構AI算力芯片的20倍以上。

現如今，隨著工藝的不斷成熟，學界關于憶阻器（RRAM）存算一體的研究正愈發積極：在2022年度ISSCC會議上，臺積電發表六篇關于存內計算存儲器IP的論文，大力推進基于憶阻器（RRAM）的存內計算方案。

而在產業界中，億鑄科技從公司創立之初就堅定地選擇憶阻器（RRAM）存算一體路線。

盡管過去業內對憶阻器（RRAM）有著“不夠成熟、主要面向小算力應用場景”等誤解，不過自2023年始，多家存算一體AI芯片初創公司也紛紛公開表示，未來將布局基于憶阻器（RRAM）的存算一體產品。

例如，在2023光錐智能線上對談之中，以研發SRAM存算芯片為主的蘋芯科技創始人楊越表示，以RRAM為代表的新型存儲器在低功耗和存儲密度方面存在天然的優勢，在過去五年里工藝和良率有大幅度提升。

在2023 AI芯片峰會上，同樣是以研發SRAM存算芯片為主的千芯科技董事長陳巍直言憶阻器（RRAM）存算一體的好處：以RRAM為代表的存算一體方案的存儲架構縮短為兩層，幾乎是大模型運算的極限，因此更有助于進行大模型的運算。

現如今，基于馮諾依曼傳統架構的摩爾定律走向物理極限，“算力焦慮”無法再通過提升先進制程緩解。以憶阻器(RRAM)存算一體等為代表的一系列新技術，才是真正的“對癥下藥”。

越來越多的AI芯片廠商們，正通過硬件層面的革新，把AI技術，帶進數據中心、自動駕駛等大算力場景之中。

憶阻器（RRAM）存算一體，終于迎來自己的“美麗人生”。

審核編輯：劉清