近年来，随着生成式人工智能（AI）技术的加快速度进行发展，数据量激增，存储器市场正迎来新的变革。尤其是在AI领域，存储器的需求日渐增长，传统的存储解决方案面临巨大的挑战。在这一背景下，存内计算（PIM）作为一种创新的存储架构，正逐步引起业界的关注，并且在商业化上获得新进展。

　　首先，PIM的基本理念是将计算能力集成到存储器中，从根本上突破传统冯·诺依曼架构的瓶颈。在传统架构中，计算单元与存储器之间的数据传输往往成为性能提升的主要障碍，因为数据需要在计算和存储之间频繁移动，这不仅增加了延迟，也耗费了能量。而存内计算通过将计算功能嵌入到存储设备内，显著减少了数据搬运的需求，提高了整体效率。

　　最近，三星电子和SK海力士的合作成为推动PIM技术标准化的重要一步。他们的目标是加快针对人工智能的低功耗存储器的标准化进程，特别是LPDDR6-PIM内存产品。这不仅有助于提高不同设备之间的兼容性和互操作性，还有助于降低开发成本，推动技术的广泛应用。

　　随着AI技术的慢慢的提升，特别是像ChatGPT这样的模型，其对计算能力和存储的需求飞速增加，PIM技术的优势正变得尤为明显。例如，三星的HBM-PIM芯片能在计算密集型场景下有效提升性能，同时功耗明显降低。此外，SK海力士的GDDR6-AiM产品也展示了PIM在提升运算速度方面的潜力，特别是在RGPU和CPU的结合中，性能提升可达16倍，同时功耗大幅降低。

　　在诸多技术路径中，存内处理的优势大多数表现在其高能效和快速数据处理能力。存内计算的实现，不仅让内存具备了计算能力，同时还极大改善了数据存取的效率。这种技术的革新对需要处理海量数据的AI应用场景，特别的重要。依据市场研究公司IDC的预测，未来几年内，全球数据生成量将达到394ZB，其中AI内容的生成将占据相当大的比例。面对这样的增长，PIM无疑是解决存储瓶颈的重要方案。

　　如我们所见，存储器的未来在于不断融合新的计算方式和存储技术。近存计算（PNM）、存内计算（CIM）以及PIM三种路径互为补充，形成较为强大的技术合力。近存计算通过降低存储器和处理器之间的物理距离，达到提升数据传输速率的效果，虽然依旧属于冯·诺依曼架构。而做到真正意义上存内计算的PIM技术，正在慢慢地走向成熟。

　　产业界的初步尝试已经显现成效，2021年，阿里巴巴达摩院推出的基于DRAM的存内计算AI芯片，展现了在特定应用场景下性能提升十倍、能效提升三百倍的惊人能力。每一项技术的进展都标志着存储和计算融合的进一步实现，同时也代表着AI技术应用的广泛可能。

　　然而，尽管PIM技术在多个行业领域展现出强大的适应性和应用潜力，商业化落地仍然面临挑战。这主要由于各厂商的发展路线和标准不一，导致业界在规范和互操作性方面的障碍。因此，推动行业标准化成为了当务之急。通过标准化，可以在一定程度上促进不同技术和设备之间的结合，从而加快PIM技术的整体市场接受度。

　　总的来说，PIM技术的演进是存储器行业的趋势之一，对于推动人工智能的发展具备极其重大意义。在未来的日子里，随市场需求的一直增长，以及科技界在此领域的不断探索，PIM及其有关技术必将迎来加速商业化的时刻，成为辅助AI技术在各行业应用的重要基石。

　　解放周末！用AI写周报又被老板夸了！点击这里，一键生成周报总结，无脑直接抄 → →