“計(jì)算存儲(chǔ)一體化”一詞在近兩三年被頻頻提起，“計(jì)算存儲(chǔ)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(shì)”之一。計(jì)算、存儲(chǔ)作為計(jì)算機(jī)的兩項(xiàng)功能，到底為何近段時(shí)間被捆綁亮相并常常引發(fā)熱議？

· 其實(shí)，人工智能面臨計(jì)算與存儲(chǔ)瓶頸。

正如趨勢(shì)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(jì)算機(jī)架構(gòu)……

基于經(jīng)典的馮·諾伊曼計(jì)算機(jī)架構(gòu)，計(jì)算與存儲(chǔ)是兩個(gè)完全區(qū)分的單元，分別由中央處理器(CPU)和存儲(chǔ)器完成。因此在運(yùn)算時(shí)，數(shù)據(jù)從存儲(chǔ)單元讀取到計(jì)算單元，運(yùn)算后，再將結(jié)果寫回存儲(chǔ)單元。但是，“當(dāng)運(yùn)算能力達(dá)到一定程度，由于訪問(wèn)存儲(chǔ)器的速度無(wú)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(wú)法充分利用，從而形成所謂的馮·諾伊曼‘瓶頸’，或‘內(nèi)存墻’問(wèn)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?yàn)槿说拇竽X，正是一個(gè)典型的存儲(chǔ)計(jì)算系統(tǒng)，網(wǎng)上有消息稱，“最先進(jìn)的自然語(yǔ)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(gè)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(gè)數(shù)更是高達(dá)百萬(wàn)億到千萬(wàn)億數(shù)量級(jí)?！笨梢?jiàn)，人工智能和人腦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(dòng)的人工智能時(shí)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(chǔ)計(jì)算”、“計(jì)算存儲(chǔ)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(lái)縮減差距，提升計(jì)算和存儲(chǔ)能力，“近存儲(chǔ)計(jì)算”、“計(jì)算存儲(chǔ)一體化”的提出，正是每個(gè)階段研究不斷突破的見(jiàn)證。

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

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

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

總體來(lái)看，提升存儲(chǔ)和計(jì)算能力，一直是重要的建設(shè)方向。未來(lái)，計(jì)算存儲(chǔ)趨于“合”之大勢(shì)，不過(guò)真正實(shí)現(xiàn)、甚至廣泛商用，仍需一段時(shí)日。且拭目以待！