“計算存儲一體化”一詞在近兩三年被頻頻提起，“計算存儲一體化突破AI算力瓶頸”更成為了今年阿里達(dá)摩院發(fā)布的“2020十大科技趨勢”之一。計算、存儲作為計算機(jī)的兩項功能，到底為何近段時間被捆綁亮相并常常引發(fā)熱議？

· 其實(shí)，人工智能面臨計算與存儲瓶頸。

正如趨勢中提及的，“AI”的快速發(fā)展是促使這一熱議話題形成的導(dǎo)火索，但這背后的根因，還要追溯到20世紀(jì)提出的馮·諾伊曼計算機(jī)架構(gòu)……

基于經(jīng)典的馮·諾伊曼計算機(jī)架構(gòu)，計算與存儲是兩個完全區(qū)分的單元，分別由中央處理器(CPU)和存儲器完成。因此在運(yùn)算時，數(shù)據(jù)從存儲單元讀取到計算單元，運(yùn)算后，再將結(jié)果寫回存儲單元。但是，“當(dāng)運(yùn)算能力達(dá)到一定程度，由于訪問存儲器的速度無法跟上運(yùn)算部件消耗數(shù)據(jù)的速度，即使再增加運(yùn)算部件也無法充分利用，從而形成所謂的馮·諾伊曼‘瓶頸’，或‘內(nèi)存墻’問題?！?/span>

而仿照人腦的仿生系統(tǒng)被認(rèn)為是最有可能顛覆現(xiàn)有技術(shù)的終極發(fā)展方向。因為人的大腦，正是一個典型的存儲計算系統(tǒng)，網(wǎng)上有消息稱，“最先進(jìn)的自然語言處理模型XLNet有約4億模型參數(shù)，每次訓(xùn)練需要數(shù)百個深度學(xué)習(xí)加速器運(yùn)算三天。而據(jù)估算人腦中細(xì)胞間互聯(lián)軸突個數(shù)更是高達(dá)百萬億到千萬億數(shù)量級?！笨梢姡斯ぶ悄芎腿四X之間還是有著巨大的差距。

 而如今正處在大數(shù)據(jù)驅(qū)動的人工智能時代，AI運(yùn)算中數(shù)據(jù)搬運(yùn)更加頻繁，“內(nèi)存墻”這一矛盾更加凸顯。AI要真正做到像人類一樣聰明，需要先突破算力瓶頸。

· “近存儲計算”、“計算存儲一體化”……瓶頸正在被逐步突破。

為此，研究者投入了大量的精力來縮減差距，提升計算和存儲能力，“近存儲計算”、“計算存儲一體化”的提出，正是每個階段研究不斷突破的見證。

近存儲計算，簡單來講，就是將數(shù)據(jù)靠近計算單元，從而減少數(shù)據(jù)移動的延遲和功耗，多級存儲架構(gòu)和高密度片上存儲是其主要實(shí)現(xiàn)方式。而在趨勢預(yù)測中，未來將參照腦神經(jīng)結(jié)構(gòu)的“計算存儲一體化”，是把數(shù)據(jù)存儲單元和計算單元融合為一體，也就是將計算移到存儲中，計算單元和存儲單元集成在同一個芯片，數(shù)據(jù)不需要單獨(dú)的運(yùn)算部件來完成計算，在存儲單元內(nèi)即可完成運(yùn)算，讓存儲單元具有計算能力。這樣一來，可以顯著減少其間的數(shù)據(jù)搬運(yùn)，提高計算效率，助力突破AI算力瓶頸，成為下一代AI系統(tǒng)的“入場券”。

目前，已經(jīng)有很多廠商和研究機(jī)構(gòu)開始進(jìn)入計算存儲一體化領(lǐng)域，紛紛推出實(shí)驗型架構(gòu)。從目前的實(shí)現(xiàn)方式看，計算存儲一體化分成了兩個路線：基于成熟的易失性存儲和不成熟的非易失性存儲。

前者需要融合處理器和存儲器，但現(xiàn)階段處理器與存儲器的制造工藝不同，如果要在處理器上實(shí)現(xiàn)存儲器的功能，可能會降低存儲器的存儲密度；反之，在存儲器上實(shí)現(xiàn)處理器的功能，則可能會影響處理器的運(yùn)行速度，這個矛盾暫時無法得到很好的解決。后者基于不成熟的非易失性存儲，有專家認(rèn)為其具備對存儲和計算的天然融合特定，是構(gòu)建計算存儲一體化的最佳器件，但是目前工藝均未成熟。

總體來看，提升存儲和計算能力，一直是重要的建設(shè)方向。未來，計算存儲趨于“合”之大勢，不過真正實(shí)現(xiàn)、甚至廣泛商用，仍需一段時日。且拭目以待！