存儲(chǔ)器的歷史始于1984年，彼時(shí) Masuoka 教授發(fā)明了 NAND Flash（NAND 閃存）。1989年，東芝首款 NAND Flash 上市。2001年，許多Flash廠商推出MLC NAND Flash。2007年，東芝推出3D NAND，三星也在2012年發(fā)布其第一代3D NAND。NAND Flash 技術(shù)幾十年發(fā)展保留了相同的概念、堆疊（stack）和架構(gòu)，存儲(chǔ)密度隨時(shí)間呈指數(shù)增長(zhǎng)。

2010年以后，嵌入式存儲(chǔ)器（embedded memories， 指“集成在片內(nèi)與系統(tǒng)中各個(gè)邏輯、混合信號(hào)等IP 共同組成單一芯片中的存儲(chǔ)器”）開(kāi)始達(dá)到28nm節(jié)點(diǎn)，但是，存儲(chǔ)器單元（cell）在面積收縮能力、復(fù)雜度進(jìn)展緩慢，技術(shù)迭代的壓力被轉(zhuǎn)移到新興內(nèi)存和更先進(jìn)的工藝節(jié)點(diǎn)上。

2015 年，英特爾和美光公司開(kāi)發(fā)了基于相變存儲(chǔ)器（PCM）的3D XPoint技術(shù)，填補(bǔ) DRAM 和 Flash 之間的延遲差距，使新內(nèi)存架構(gòu)成為可能，也為非易失性內(nèi)存（NVM）領(lǐng)域帶來(lái)了創(chuàng)新。自2017年起，這項(xiàng)技術(shù)以 Optane品牌在公開(kāi)市場(chǎng)上市。峰回路轉(zhuǎn)，2021年美光不再認(rèn)為3D Xpoint 的持續(xù)投資是合理的，宣布放棄3D Xpoint；2022年業(yè)界傳出消息，英特爾正在關(guān)閉 Optane 業(yè)務(wù)部門。

3D XPoint 未成氣候，或許表明“方向比努力更重要”，新技術(shù)要有市場(chǎng)，關(guān)鍵在于能否解決應(yīng)用的計(jì)算和內(nèi)存瓶頸。例如，模擬人腦的計(jì)算系統(tǒng)往往要求高能量效率、并行性以及諸如對(duì)象識(shí)別、聯(lián)想、適應(yīng)和學(xué)習(xí)的認(rèn)知能力，對(duì)計(jì)算和內(nèi)存之間的協(xié)同工作提出新要求。

此外，社交網(wǎng)絡(luò)、流媒體和視頻點(diǎn)播等的消費(fèi)電子應(yīng)用，以及智能家居、智慧城市等物聯(lián)網(wǎng)應(yīng)用盛行，連接網(wǎng)絡(luò)的智能設(shè)備大量增加，數(shù)據(jù)量和數(shù)據(jù)中心增長(zhǎng)快速，計(jì)算系統(tǒng)的能量消耗更多地受到數(shù)據(jù)傳輸?shù)挠绊懀皇怯?jì)算本身。

面對(duì)上述問(wèn)題，業(yè)界需要計(jì)算系統(tǒng)結(jié)構(gòu)的新規(guī)范，導(dǎo)致了以內(nèi)存為中心和“存內(nèi)計(jì)算 In-memory computing”系統(tǒng)的興起。在進(jìn)一步探討這些技術(shù)之前，不得不提一下近期存儲(chǔ)器的行情走向。

需求低迷、上游原廠減產(chǎn)

庫(kù)存調(diào)整或貫穿 2023 年

存儲(chǔ)器市場(chǎng)存在較強(qiáng)的周期性，交替出現(xiàn)短缺或者供應(yīng)過(guò)剩的時(shí)期，導(dǎo)致價(jià)格變化、收入波動(dòng)等情況，當(dāng)前存儲(chǔ)器市場(chǎng)有幾個(gè)情況。

首先是降價(jià)。綜合媒體和研究機(jī)構(gòu)的消息，存儲(chǔ)器的供需處于失衡狀態(tài)。TrendForce 集邦咨詢報(bào)告顯示，NAND Flash 正處于供過(guò)于求的狀態(tài)，下半年起，買方著重去化庫(kù)存，大幅減少采購(gòu)量，賣方開(kāi)出破盤價(jià)以鞏固訂單，使第三季晶圓（Wafer）價(jià)格跌幅達(dá)30~35%。但各類 NAND Flash 終端產(chǎn)品仍疲弱，原廠庫(kù)存因此急速上升，導(dǎo)致第四季 NAND Flash 價(jià)格跌幅擴(kuò)大至15~20%。而絕大部分原廠的 NAND Flash 產(chǎn)品銷售也將自今年底前正式步入虧損。原因是在高通脹影響下，消費(fèi)電子產(chǎn)品需求疲軟，第三季存儲(chǔ)器出貨量呈現(xiàn)每個(gè)季度遞減的趨勢(shì)，終端買方因存儲(chǔ)器需求明顯下滑而延緩采購(gòu)，導(dǎo)致供應(yīng)商庫(kù)存壓力進(jìn)一步升高。

類似的，各 DRAM 供應(yīng)商為求增加市占的策略不變，市場(chǎng)上已有“第三、四季合并議價(jià)”或“先談量再議價(jià)”的情形，皆是導(dǎo)致第四季 DRAM 價(jià)格跌幅擴(kuò)大至13~18% 的原因。

其次是減產(chǎn)。部分供應(yīng)商在運(yùn)營(yíng)陷入虧損的壓力下，減產(chǎn)以降低虧損是可能的對(duì)應(yīng)方式。芯查查 APP 顯示，美光已經(jīng)于9月底宣布削減 DRAM 和NAND Flash 的產(chǎn)量，成為頭家式降低產(chǎn)能利用率的制造商，并強(qiáng)調(diào)其在2023 年大幅下調(diào)資本支出，DRAM 生產(chǎn)比特的年增長(zhǎng)率僅為 5% 左右。

NAND Flash 市場(chǎng)形勢(shì)比 DRAM更為嚴(yán)峻，主流產(chǎn)能晶圓的平均合同價(jià)格已經(jīng)下降到現(xiàn)金成本，并且正在接近各個(gè)制造商虧損銷售的邊緣。Kioxia（鎧俠）在美光之后相繼宣布，將從10月份起將 NAND Flash 產(chǎn)能利用率降低 30%。DRAM 目前的合同價(jià)格仍然高于主流供應(yīng)商的總生產(chǎn)成本，因此與NAND Flash 相比，是否會(huì)有進(jìn)一步的減產(chǎn)還有待觀察。

減產(chǎn)對(duì)于芯片原廠的產(chǎn)品升級(jí)計(jì)劃造成影響。美光原計(jì)劃從四季度開(kāi)始逐步提高232層 NAND Flash 的比例，減產(chǎn)之后，主流工藝估計(jì)2023年仍以176層產(chǎn)品為主。Kioxia 和 WDC 原計(jì)劃從四季度開(kāi)始遷移到162層產(chǎn)品，但是 WDC 減少2023年資本支出，加上需求能見(jiàn)度低，無(wú)法實(shí)現(xiàn)原定計(jì)劃。

趨勢(shì) 1

突破傳統(tǒng)架構(gòu)，RRAM（ReRAM）存算一體

有望提升計(jì)算系統(tǒng)能效比

文章開(kāi)頭提及，開(kāi)發(fā)新計(jì)算系統(tǒng)源于幾點(diǎn)：數(shù)據(jù)指數(shù)增長(zhǎng)、功耗增加，當(dāng)前計(jì)算系統(tǒng)的性能限制也是原因之一。對(duì)此，業(yè)界提出“近內(nèi)存”或存內(nèi)計(jì)算（In-memory Computing），以解決數(shù)據(jù)中心的幾個(gè)問(wèn)題，包括數(shù)據(jù)傳輸“存儲(chǔ)墻”（Memory barrier）、高功耗和時(shí)間成本。涉及深度學(xué)習(xí)網(wǎng)絡(luò)的數(shù)據(jù)中心需要巨大的計(jì)算能量，要求高可靠性、更出色容量、帶寬和性能的存儲(chǔ)器，從而衍生出關(guān)于新的非馮·諾依曼系統(tǒng)的新興存儲(chǔ)技術(shù)研究。

普遍認(rèn)為，RRAM（也即 ReRAM，阻變式隨機(jī)存取存儲(chǔ)器）、PCM（相變隨機(jī)存取存儲(chǔ)器）和 MRAM（磁隨機(jī)存取存儲(chǔ)器）等是下一代存儲(chǔ)技術(shù)路線，這些也是“存內(nèi)計(jì)算”的基礎(chǔ)技術(shù)，從技術(shù)特征來(lái)看，這些技術(shù)有哪些獨(dú)特性？

資深電子器件專家 Ray 表示，上述的下一代非易失性存儲(chǔ)器首先是作為存儲(chǔ)級(jí)內(nèi)存被提出的，在存儲(chǔ)層級(jí)中介于內(nèi)存和硬盤之間，因此，存儲(chǔ)的性能指標(biāo)對(duì)這些下一代非易失性存儲(chǔ)器仍然適用，如面積、功耗、讀寫速度、集成性、成本等。此外，下一代非易失性存儲(chǔ)器也非常適用于存內(nèi)計(jì)算，而存內(nèi)計(jì)算又對(duì)這些存儲(chǔ)器提出了新的要求，如開(kāi)關(guān)比、多阻態(tài)、魯棒性等。RRAM、PCM 和 MRAM 等是目前研究較多的下一代非易失性存儲(chǔ)器，它們各有優(yōu)勢(shì)和不足。

MRAM 中的磁性材料磁化方向變化的時(shí)候，從磁性材料兩端電極上讀取得到的隧穿電流會(huì)發(fā)生變化，從而得到不同電阻，其編寫速度快、重復(fù)編寫周期長(zhǎng)，但其材料制備較復(fù)雜、開(kāi)關(guān)比較低、易受擾動(dòng)。

PCM 是利用相變材料在焦耳熱作用下，在結(jié)晶態(tài)和非晶態(tài)之間轉(zhuǎn)換，從而呈現(xiàn)出不同阻態(tài)，其已經(jīng)在英特爾等公司的產(chǎn)品中使用，大規(guī)模集成性較好，但其寫入速度較慢、寫入能耗較大。

RRAM 主要依靠絕緣層在電場(chǎng)作用下，通過(guò)離子的遷移形成導(dǎo)電細(xì)絲，再通過(guò)控制導(dǎo)電細(xì)絲的通斷控制阻態(tài)，綜合來(lái)看在各個(gè)指標(biāo)上均具有比較優(yōu)異的性質(zhì)，其結(jié)構(gòu)簡(jiǎn)單、存儲(chǔ)密度高且支持片上3D 集成、開(kāi)關(guān)比可達(dá)1000以上、讀寫速度和功耗適中，且其可通過(guò)控制導(dǎo)電細(xì)絲的形態(tài)形成多阻態(tài)，從而模仿生物大腦中神經(jīng)突觸功能，適合存內(nèi)計(jì)算和類腦計(jì)算。

目前 RRAM 作為新興存儲(chǔ)器，其規(guī)模化制備的良率、成本、外圍控制電路等還需進(jìn)一步優(yōu)化，同時(shí)，我們也很欣喜地看到國(guó)內(nèi)和國(guó)際的多家制造廠商已經(jīng)布局 RRAM 的制備，并且已完成晶圓級(jí) RRAM 芯片的流片。

在 RRAM 商業(yè)化之前，還需要解決哪些難題？Ray 說(shuō)道，同其他研究一樣，RRAM 的科研主要解決科學(xué)問(wèn)題，在進(jìn)行商業(yè)化的時(shí)候還有很多工程問(wèn)題需要解決，包括大規(guī)模制造、架構(gòu)和軟件的配合、應(yīng)用場(chǎng)景等，但目前來(lái)看，其很多科學(xué)問(wèn)題已經(jīng)經(jīng)過(guò)了大量的研究，取得了很多突破，這些技術(shù)問(wèn)題相信隨著時(shí)間的推移也將逐步解決。

物聯(lián)網(wǎng)和網(wǎng)絡(luò)邊緣的人工智能（AI）和機(jī)器學(xué)習(xí)（ML）快速增長(zhǎng)，這些應(yīng)用端的計(jì)算系統(tǒng)的能效比的問(wèn)題日益突出，而 RRAM 作為一種較佳的解決方案，成為研究的焦點(diǎn)。

Ray 進(jìn)一步說(shuō)道，目前的計(jì)算架構(gòu)采用馮諾伊曼架構(gòu)，其存儲(chǔ)與計(jì)算單元分離，因此，在 AI 等計(jì)算應(yīng)用中，大量數(shù)據(jù)需要不斷在片下的內(nèi)存和片上的計(jì)算單元之間搬運(yùn)，然而由于內(nèi)存帶寬不足帶來(lái)的“存儲(chǔ)墻”問(wèn)題，導(dǎo)致計(jì)算延時(shí)和能耗較高，難以滿足 AI 模型的算力和功耗需求。存算一體技術(shù)將存儲(chǔ)單元與計(jì)算單元融合，在存儲(chǔ)器內(nèi)利用物理定律進(jìn)行計(jì)算，避免了“存儲(chǔ)墻”問(wèn)題，極大地降低了數(shù)據(jù)搬運(yùn)的能耗和延時(shí)，并提升了計(jì)算的能效比。基于 RRAM 的存算一體目前是國(guó)內(nèi)外的研究熱點(diǎn)和前沿，其主要實(shí)現(xiàn)方式分為兩種，即模擬式存算一體和數(shù)字式存算一體。

模擬式存算一體利用了 RRAM 的模擬式阻態(tài)特性，通過(guò)電導(dǎo)存儲(chǔ)多比特?cái)?shù)據(jù)。以神經(jīng)網(wǎng)絡(luò)中應(yīng)用較廣泛的矩陣乘積運(yùn)算為例，其電導(dǎo)值存儲(chǔ)神經(jīng)網(wǎng)絡(luò)的權(quán)值，輸入為電壓值，利用歐姆定律完成乘法，得到電流值，然后陣列中同一條數(shù)據(jù)線上的電流根據(jù)基爾霍夫電流定律相加，從而完成乘加運(yùn)算。模擬式存算一體可以達(dá)到較高的存儲(chǔ)密度，但其對(duì)環(huán)境噪聲和溫度較敏感，運(yùn)算精度較低，主要適合低精度、小算力的應(yīng)用場(chǎng)景。

而數(shù)字式存算一體中，其每個(gè) RRAM 只存儲(chǔ)一比特?cái)?shù)據(jù)，經(jīng)過(guò)乘法運(yùn)算得到電流后再經(jīng)過(guò)數(shù)字電路進(jìn)行后續(xù)加法等運(yùn)算，此種方法雖然存儲(chǔ)密度低于模擬式存算一體，但其優(yōu)勢(shì)是在保證計(jì)算能效比的前提下，支持高精度、大算力的運(yùn)算，提高計(jì)算的魯棒性，從而極大地拓展了存算一體的應(yīng)用場(chǎng)景。

相比于 CMOS 器件，目前 RRAM 的局限性主要體現(xiàn)在編寫周期有限上，因此目前 RRAM 主要適用于 AI 推理等操作，而相信隨著工藝的演進(jìn)，得到更高編寫周期的 RRAM 也是非常有希望的。另一個(gè)局限性是 RRAM 阻值的波動(dòng)性，而此問(wèn)題在數(shù)字式存算一體中可以得到很好的解決。