（文章來源：雷鋒網(wǎng)）
? ? ?? 2012年，深度學(xué)習(xí)算法在圖像分類競賽中展現(xiàn)出的顯著性能提升引發(fā)了新一輪的AI熱潮。2015年，深度學(xué)習(xí)算法對芯片的快速增長需求引發(fā)了AI芯片創(chuàng)業(yè)熱潮。

不過，擁抱AI芯片的設(shè)計者們很快發(fā)現(xiàn)，使用經(jīng)典馮諾依曼計算架構(gòu)的AI芯片即使在運算單元算力大幅提升，但存儲器性能提升速度較慢的情況下，兩者的性能差距越來越明顯，而深度學(xué)習(xí)算法帶來的數(shù)據(jù)搬運消耗的能量是計算消耗能量的幾十倍甚至幾百倍，“內(nèi)存墻”的問題越來越顯著。

因此，依靠軟件算法以及云端強(qiáng)大計算能力的人工智能雖然取得了較大的成功，可以勝任多種特定的智能處理任務(wù)，但是面臨功耗、速度、成本等諸多挑戰(zhàn)，離智能萬物互聯(lián)時代還有巨大差距。

AI芯片的核心技術(shù)之一就是解決“內(nèi)存墻”挑戰(zhàn)，可以在存儲器內(nèi)直接做計算的存內(nèi)計算（In-Memory Computing）技術(shù)在沉寂了近30年后，AI熱潮下近年來成為焦點。無論是頂級學(xué)術(shù)會議，還是巨頭公司都在尋找能夠用存內(nèi)計算打破AI芯片“內(nèi)存墻”的最佳技術(shù)方案。

2018年，國際頂級學(xué)術(shù)會議-IEEE國際固態(tài)電路會議（ISSCC）有一個專門的議程討論存內(nèi)計算。2019年和2020年關(guān)于存內(nèi)運算的論文更是大爆發(fā)，ISSCC2020與存內(nèi)計算相關(guān)的論文數(shù)量上升到了7篇。同時，2019年電子器件領(lǐng)域頂級會議IEDM有三個專門的議程共二十余篇存內(nèi)計算相關(guān)的論文。

除了學(xué)術(shù)界，產(chǎn)業(yè)界也越來越多的玩家布局該技術(shù)。IBM基于其獨特的相變存內(nèi)計算已經(jīng)有了數(shù)年的技術(shù)積累；臺積電正大力推進(jìn)基于ReRAM的存內(nèi)計算方案；英特爾、博世、美光、Lam Research、應(yīng)用材料、微軟、亞馬遜、軟銀則投資了基于NOR Flash的存內(nèi)計算芯片。

其實，利用存儲器做計算在很早以前就有人研究，上世紀(jì)90年代就有學(xué)者發(fā)表過相關(guān)論文。但沒有人真正實現(xiàn)產(chǎn)業(yè)落地，究其原因，一方面是設(shè)計挑戰(zhàn)比較大，更為關(guān)鍵的是沒有殺手級應(yīng)用。隨著深度學(xué)習(xí)的大規(guī)模爆發(fā)，存內(nèi)計算技術(shù)才開始產(chǎn)業(yè)化落地。

2011年，郭昕婕本科畢業(yè)于北大信息科學(xué)技術(shù)學(xué)院微電子專業(yè)，本科畢業(yè)之后郭昕婕開始了美國加州大學(xué)圣塔芭芭拉分校（UCSB）的博士學(xué)業(yè)，她的導(dǎo)師Dmitri B.Strukov教授是存內(nèi)計算領(lǐng)域的學(xué)術(shù)大牛，2008年在惠普完成了憶阻器的首次制備，2010年加入了美國加州大學(xué)圣塔芭芭拉分校。郭昕婕也成為了Dmitri B.Strukov教授的第一批博士生，開始了基于NOR FLASH存內(nèi)計算芯片的研究。

Dmitri B. Strukov告訴她，F(xiàn)LASH已經(jīng)商用幾十年，技術(shù)成熟，成本很低，是最接近產(chǎn)業(yè)化的方向，但缺點同樣是因為FLASH研究起步較早，學(xué)術(shù)界對FLASH存內(nèi)計算的研究期望較高，發(fā)表文章不易。2013年，隨著深度學(xué)習(xí)的研究熱潮席卷學(xué)術(shù)界，在導(dǎo)師的支持下，郭昕婕開始嘗試基于NOR FLASH存內(nèi)計算的芯片研發(fā)。

耗時4年，歷經(jīng)6次流片，郭昕婕終于在2016年研發(fā)出全球第一個3層神經(jīng)網(wǎng)絡(luò)的浮柵存內(nèi)計算深度學(xué)習(xí)芯片，首次驗證了基于浮柵晶體管的存內(nèi)計算在深度學(xué)習(xí)應(yīng)用中的效用。僅一年后，她就進(jìn)一步攻下7層神經(jīng)網(wǎng)絡(luò)的浮柵存內(nèi)計算深度學(xué)習(xí)芯片。

也是在2016年，郭昕婕的大學(xué)同學(xué)，也是她丈夫的王紹迪，同樣看到了存內(nèi)計算芯片在AI中的應(yīng)用價值，選擇和郭昕婕繼續(xù)在博士后階段從事存內(nèi)計算的研究工作。2017年，美國開始大力資助存內(nèi)計算技術(shù)的研發(fā)，王紹迪和其導(dǎo)師的項目也獲得了600萬美金的資助。郭昕婕夫婦認(rèn)為時機(jī)成熟，毅然選擇回國創(chuàng)業(yè)，并獲得了啟迪之星、兆易創(chuàng)新等關(guān)聯(lián)人的投資支持。

2017年10月，知存科技在北京成立，由于積累了豐富的經(jīng)驗，知存科技在成立后的10個月內(nèi)就首次流片。同時加上存內(nèi)計算技術(shù)逐漸獲得認(rèn)可，知存科技的發(fā)展也在逐步加快，并于2018年12月獲得獲訊飛領(lǐng)投的天使+輪融資，2019年8月又獲得中芯聚源領(lǐng)投的近億元A輪融資。

王紹迪對存內(nèi)計算技術(shù)在AI中的應(yīng)用充滿信心，他接受雷鋒網(wǎng)采訪時表示：“AI算法的參數(shù)越多，存內(nèi)計算的優(yōu)勢越大。因為存內(nèi)計算是在存儲器中儲存了一個操作數(shù)，輸入另一個操作數(shù)后就可以得到運算結(jié)果。所以參數(shù)越多，節(jié)省的數(shù)據(jù)搬運就越多，優(yōu)勢也就越明顯。存內(nèi)計算可以看作是一個大的錘子，AI算法是釘子，早期落地的算法是小釘子，隨著時間推演，釘子會越來越大越來越多。”

知存科技的方案是從底層重新設(shè)計存儲器，利用NOR FLASH存儲單元的物理特性，對存儲陣列進(jìn)行改造，重新設(shè)計外圍電路使其能夠容納更多的數(shù)據(jù)，同時將算子也存儲到存儲器當(dāng)中，使得每個單元都能進(jìn)行模擬運算并且能直接輸出運算結(jié)果，以達(dá)到存內(nèi)計算的目的。
? ? ? （責(zé)任編輯：fqj）