解决记忆中的大问题

随着我们进入大数据和人工智能(AI)时代，内存解决方案需求的变化可能会带来真正的翻天覆地的变化，这是令人惊讶的。人类每年产生的海量数据令人震惊，但预计在未来几年内，机器生成的数据将增长5倍。新兴的5G移动网络进一步加剧了这种增长。

随着越来越多的数据产生，我们必须能够管理和存储所有的数据(是重要的是- - - - - -能够快速访问并实时做出决定。这为我们的行业提供了大量的机会来提供更高效的存储技术。这些新需求将内存计算等概念带到创新的前沿。

我有幸主持了应用材料小组会议亚博最新版本未来十年的记忆趋势在12月的国际电子设备会议(IEDM)上。小组成员包括Scott Gatzemeier，美光科技;Jaeduk李,三星;雷努拉曼,SAP;李钟勋，SK hynix;玛尼施，玛撒，锡林克斯各带来深入了解和一个独特的讨论视角。

我们听取了小组成员关于创造下一个记忆十年的机遇和挑战大数据和人工智能技术．这项工作包括计算出将内存移到更接近处理器的位置所需的架构和设备更改。我们还需要不断增加现有存储设备的带宽和密度，以容纳更多的数据。

对创新的需求，以推进新的记忆解决方案延伸到材料，a结构，芯片内的3D结构，收缩几何形状的新技术和先进的封装。这些都是应用的重点领域，作为“新剧本”半导体设计和制造．

我们的小组成员与我们分享了扩展传统DRAM和NAND设备的挑战，并给了我们希望，在开发中有创新的方法，让我们继续前进几年。我将重点强调从讨论小组中得到的一些结论。

我们已经在DRAM和NAND的世界里生活了几十年，但今天它们正变得专业化和细分，用于解决图形内存、DDR、ssd等问题。正如3D NAND通过阵列堆叠和新的布局方案继续扩展，可能会有新的DRAM架构来支持高带宽内存。这将使DRAM作为主力技术的地位至少再持续10年。

除了可扩展的主流内存技术外，小组成员一致认为，需要全新的内存架构来实现更低的延迟和更高的速度性能，以弥补现有能力不断增长的差距。

这就提出了一个问题:高性能机器学习和其他人工智能应用需要什么样的新兴记忆?不足为奇的是，多家公司正在开发几款人工智能加速器专用的新内存。目前建议的一种实用的方法是利用这些内存并使用软件来管理它们。

该行业承受不起研发方面的延误;有人指出，现在开始工作是多么重要，特别是在向神经形态计算设计转移的革命性缩放路径上。有人提到了这项技术的新材料和设计方面的研发活动，一些人认为，在大约10年的时间里，该行业可能会向神经形态系统过渡。

除了内存设备之外，还有许多改进系统架构的机会。讨论小组探讨了这个主题以及如何以低成本的方式将处理函数移到更接近数据的位置，以便我们能够以一种节能的方式开始扩展性能。作为一个行业，我们需要弄清楚如何移动各种计算功能- - - - - -比如压缩、加密、查询卸载、机器学习和视频转码- - - - - -更接近记忆。

解决这些内存挑战需要多种方法:在设备级、系统架构级和软件级。在接下来的十年里，可能需要结合这些因素来维持内存的伸缩。这是我们行业的一个激动人心的时刻，有很多机会在我们一生中最大的技术转折之一发挥关键作用。