作者：Gary Hilson，特約編輯

為了滿足新應用的需求——從邊緣計算和物聯網 (IoT) 到越來越智能的手機和智能汽車，內存面臨前所未有的壓力。還有人工智能 (AI) 和機器學習，這兩者都正在成為主要超大規模玩家——谷歌、Facebook 和亞馬遜——正在開發的下一代平臺的重要組成部分。

他們都期待著廣大電子行業和存儲器制造商的大量創新，無論是對現有存儲器（如 DRAM 和 NAND 閃存）的進一步改進，還是使包含新材料的新興存儲器在商業上可行，作為新計算的部分存儲設備架構。但盡管財力雄厚，但任何一家公司都不太可能投資制造設備來制造自己的存儲設備，而且他們對支付高價不感興趣。如果 DRAM 仍然可以完成這項工作，他們不會為每臺設備多花 5 美元購買新興內存，因為在這種規模下，它會迅速增加。

Objective Analysis 首席分析師 Jim Handy 表示，超大規模企業如今的影響力是前所未有的。他能想到的最接近歷史的類比是蘋果在 15 到 20 年前擁有的“巨大”購買力。然而，該公司只希望對傳統計算架構進行微小的改變——例如改變一個引腳——并希望這種改變不會產生額外費用。“他們更傾向于采用現有的計算機架構，然后以更漂亮或更友好的方式將它們交付給客戶。”

Handy 說，超大規模企業正在尋找的是大規模的架構變化。“他們的動機實際上是非常不同的，因為他們看的是買東西的成本，然后他們還看運行它需要多少電力。” 超大規模企業希望該行業能夠解決這個問題——他們不會走出去承擔新資本設備的成本。

美光科技高級計算解決方案副總裁 Stephen Pawlowski 表示，他們也不會開始構建自己的存儲設備，尤其是 DRAM，除了其波動性之外，沒有任何產品可以具備 DRAM 的可靠性、速度和耐用性。與此同時，從材料的角度來看，NAND 和一些較新的存儲級存儲器很復雜，并且要了解它們在溫度、多個周期和不同工作負載下的工作原理——因此，像美光這樣的存儲器制造商沒有危險變得無關緊要。“使用這些設備需要大量的創造力和獨創性，”他說。“當談到我們需要為內存和存儲子系統做些什么來提高容量和性能效率時，合作似乎相當不錯。”

Pawlowski 認為超大規模生產者已經從 2000 年代中期扮演角色的原始設備制造商手中接過了煤礦中的金絲雀。OEM 圍繞將存儲移動到更靠近 CPU 的方式推動創新，而超大規模廠商正試圖以前所未有的方式推動網絡帶寬，這意味著要消耗大量電力來移動數據。“當我們考慮如何提高數據中心的效率時，我們確實需要確保盡可能降低計算系統和內存存儲子系統之間傳輸信息的延遲。”

GlobalFoundries 嵌入式內存高級總監 Martin Mason 表示，人們對在數據中心的計算密集型應用程序中部署 MRAM 和 ReRAM 很感興趣，包括在服務器場中完成的主流 AI 處理，其中一個關鍵挑戰是電源和內存帶寬。“您開始看到在該領域部署的新型內存技術的出現。我認為目前它們中的任何一個都沒有真正得到商業利用，但 MRAM 和 ReRAM 都被視為在這些應用中替代 SRAM 的各種高密度存儲器技術。”

這一趨勢反映了過去五年中超大規模企業的發展，Martin 說。“他們已經從主要以軟件為基礎的公司轉變為越來越多地垂直集成在他們提供的企業基礎設施方面的解決方案中，現在，這些解決方案中的芯片也越來越多。” 他說，他們看到硅組件以兩種不同的方式幫助他們。第一個是與所有商品化企業硬件的根本區別，第二個是經濟性。通過垂直整合并將他們的設計直接帶到代工廠，他們最終得到了一個更具成本效益的解決方案，可以更快、更經濟地擴展。

Applied 先進工藝技術開發部內存事業部董事總經理 Mahendra Pakala 表示，這些超大規模處理器超越軟件的一個很好的例子是谷歌的張量處理單元 (TPU)，用于其自己的 AI 工作負載，這是英特爾等公司通常期望的技術材料。目前，這些公司只使用可用的東西來實現他們的 AI 加速器，“但是一旦你開始設計和構建你的加速器，你就會看到缺點。” 他認為，加速器也將推動新興存儲器的采用，以及由于它們的需求而導致的整體存儲器路線圖。?

應用材料公司已將其 Endura 平臺從單一工藝系統發展為集成工藝系統，作為其新興存儲器材料工程基礎的一部分。（圖片：應用材料）

一種在人工智能應用中受到廣泛關注的成熟內存是高帶寬內存 2.0 (HBM2)，它傳統上用于高端圖形和高性能計算，但 Pakala 指出，雖然從制造的角度來看它已經成熟，但它仍然相對昂貴。他說，在新興存儲器方面，3D XPoint 形式的 PCRAM 已經看到了一些商業應用，MRAM 也是如此。“我們確實看到它們都在成熟，游戲的名稱正在降低每比特成本。我們確實看到了降低價格的途徑。”

最終，Applied 將材料工程視為向前發展的基礎，因此 PCRAM、ReRAM 和 MRAM 可以經濟高效地制造，以滿足包括 AI 在內的新興用例。例如，其最新的 Endura 平臺專注于使對這些新記憶至關重要的新型材料能夠以原子級精度沉積。MRAM 被視為存儲 AI 算法的絕佳候選者，Applied 公司剛剛宣布了用于大批量制造的 300 毫米 MRAM 系統，該系統由九個獨特的晶圓處理室組成，全部集成在高真空條件下，并且每個腔室能夠單獨沉積多達五種不同的材料。

盡管代工廠正在探索如何在基于新興存儲器的設備上與超大規模設備合作，Handy 認為超大規模應用不會顯著推動對它們的需求，因為他們寧愿花更少的錢購買由 DRAM 和閃存組成的復雜設置。GlobalFoundries 的 Mason 還看到了一個務實的陣營，即讓可用的東西在今天發揮作用并獲得最佳的增量解決方案。但也有一種破壞性和“敲門磚”的心態，如果價格合適，就會有意愿投資開發對行業真正具有破壞性的東西，他說. “這就是我認為他們中的一些人看到重大突破發生的方式。”

Handy 表示，這些使用存儲器的公司希望他們繼續遵循摩爾定律，這為未來設定了界限。“內存公司需要繼續進行資本支出，但如果資本支出變得太大，如果他們嘗試行動過快，就會推高成本，而不是壓低成本。”

審核編輯 黃昊宇