计算和存储怎样水乳交融？

何能够让计算和Memory水乳交融，这个看起来的确是一个一石二鸟的想法。毕竟，作为CPU/GPU以及memory，从本质上大家都是门电路，没理由不在一起。在这里，就需要认真地再复习一下memory的类别了。

在易失的存储器中，主要就是SRAM和DRAM。两者都历史相对比较悠久的器件。而且，在大部分的心目中DRAM就是memory的缺省候选。对于DRAM来讲，有一篇神文值得安利。《What Every Programmer Should Know About Memory》[1]，其中基本上介绍了程序员需要关心的Memory相关的信息，特别集中在DRAM上。当然，如果要写What Every Designer Should Know About Memory，估计要关注SRAM了。

DRAM和SRAM的主要区别如下：

可以看出，SRAM相对于DRAM，需要更多的晶体管来实现。SRAM的好处是：

1. 不需要Refesh的电路，每个Cell的内容在写入之后，会一直保存到掉电为止。而DRAM则需要在10-100ms的时间级别进行Refresh。

2. SRAM的抗干扰能力要比DRAM强，这个也是那些晶体管的主要用处。

这里面没有提另一个关键的信息，就是功耗。对于一般的情况下，因为DRAM需要周期性地refresh，因此功耗比较大。但是SRAM自身功耗和主频的关系比较大，如果整个系统的时钟很高的话，SRAM的功耗可能会超过DRAM。

对于Memory来讲，定义它的主要性质的基本因素就是Cell，每一个Cell在RAM中代表一个Bit，但是更重要的是memory的array，任何的memory都不是单个cell的操作，而是需要array level的操作。

这个是memory cell 和memory array的示意图，可以看出，wordline 和bitline 是memory cell的基本概念，wordline 也是地址线，性质和enable类似，主要是来决定memory array中的一行cell可以被读取或者写入。当然，wordline的信息对应的地址是唯一的，而且在任意时间，只有一个workline处于High，也就是enable。

Bitline就是memory的真正位宽了，因为种种原因，内存的cell的word line 和bitline不没有做成完全的nxn的array，代表的地址的word line 总是要比bitline大很多，因此有了RAS和CAS的概念，先选ROW，再下一个周期选COL。对于Bitline，和目前的DDR相关的BANK的概念就是扩展Bitline常用的方式。

到这里，大家算是对于DRAM的memory array有了了解。切入正题，段博士的老板，也就是谢源教授在一个方向上的试探。[2]

有兴趣的自然自己可以去看原论文，这里只是贴上原文的总结。“
We compare four different DRISA designs and conclude that 1T1C -nor/mixed are the best choices. We then present a case study where
we evaluate CNN applications on DRISA. With the benefit of in-situ computing, DRISA shows 8.8X speedup and 1.2Xbetter energy
effciency when compared with ASICs, and 7.7Xspeedup and 15Xbetter energy effciency than GPUs”。

个人认识是一个试探的原因有两个方面：

因为DRAM的商业壁垒太高，我们有基于Xilinx的FPGA做NVDIMM的客户，他们的商业模式都是自己做控制器和系统的开发，最后交DRAM厂家上产线生产组装。因为DRAM的高度垄断，因为任何基于DRAM方向的创新都需要他们的支持，目前来看，这些巨头对于这个方向并没有兴趣。而且其中Micron在2015-2016年在异构计算上的很多投资基本上都失败了。谢老师的合作伙伴Samsung电子，估计也是玩票性质。
和之前讲的计算和存储结合不同，这种方式需要对memory array做非常细致的拆解，而且处处定制。这个和GPU或者ASIC方案对比，实用性太差了。而且，相对与GPU 15X的性能功耗比，在2019大放异彩的以色列ASIC面前，基本上可以或略不济。
我曾在2017年的CNCC的会上，问谢老师，他的HBM在从提出到商业使用，基本上只花了不到10年的时间，这个真的很NB了。对于他的in-suite accelerator，他认为要花多久？谢老师很有风度的回避了这个问题。[3]

于是，这个革命的重任再次落到了NVM身上，诞生于1985年的NOR和NAND先完成了存储行业的革命，他们的近亲们现在在解决了random access的同时，希望利用array来解决计算问题。

目前来看，大家认为通过对于未来的可以支持Random access， byte address的新型非易失存储在架构上的优化来做到一石二鸟充满信心。段博士引用了几篇最近的论文，基本上都是基于MRAM[4]和ReRAM[5]的。MRAM在2018年的FMS上有几个相关的专题，但是从目前来看，MRAM的制程进展没那么快，人家Samsung都在用1Y做DRAM了，他还在40nm，但独立和嵌入式发展不一样。而ReRAM曾经是HP和Sandisk 的深度合作的基础，但是现在也是物是人非。

对于NVM和ML结合有很多不错的综述文章让大家上手。因为本作者才疏学浅，下一个关于ReRAM和MRAM相结合的文章目前没有时间表。作为补偿，给大家一个彩蛋，上上周在硅谷的中美半导体"Breaking the memory wall" [6],有兴趣的可以看看。

[1]https://people.freebsd.org/~lstewart/articles/cpumemory.pdf
[2]https://dl.acm.org/citation.cfm?id=3123977

[3]https://www.meipian.cn/qd44c1r

[4]ics2018.ict.ac.cn/essay/A_Device_and_Architecture.pdf
[5]https://ieeexplore.ieee.org/abstract/document/7551380/
[6]https://www.eventbrite.com/e/caspa-summer-symposium-breaking-the-memory-wall-the-ai-bottleneck-tickets-63321009845

高端微信群介绍
创业投资群
AI、IOT、芯片创始人、投资人、分析师、券商
闪存群覆盖5000多位全球华人闪存、存储芯片精英存储群
全闪存、软件定义存储SDS、超融合等企业级存储
AI芯片群
讨论AI芯片和GPU、FPGA、CPU异构计算
物联网群
物联网、5G技术与产业讨论
ASIC群
芯片和FPGA硬件技术讨论群
存储芯片群
DRAM、NAND、3D XPoint等各类存储介质和主控讨论
CIO群
企业信息化讨论
渠道群
存储产品报价、行情、渠道、供应链
想加入这些群，长按或扫描下面二维码加nanoarchplus为微信好友，介绍你的姓名-单位-职务，注明群名，拉你进群。