2. 存算一体基础原理

大家好，我是你们这堂课的主讲人。做了十几年芯片架构，我越来越觉得存算一体是个绕不开的方向。今天咱们先聊聊最基础的东西——存储单元和计算单元到底怎么在物理上融合的。

1.1 为什么要把存储和计算揉在一起？

传统的冯·诺依曼架构，说白了就是存储和计算分家。CPU要算个数据，得先去内存里取，算完再存回去。这个来回搬运的过程，就是著名的「存储墙」问题。我当年做AI加速器时，发现大部分功耗都耗在了数据搬运上，真正算的时间反而很少。

存算一体的思路很简单：让存储单元本身具备计算能力。数据不用挪窝，直接在存储的地方算完。这就像你办公桌上堆满了文件，不用每次去档案室取，直接在桌上处理就行。

1.2 基于SRAM的存算一体单元

SRAM大家都很熟悉，6个晶体管组成一个存储单元。但怎么让它也能算呢？

我习惯把SRAM存算一体单元分成两类：

• 模拟域计算：利用位线（BL）上的模拟电流累加，实现乘加运算
• 数字域计算：在SRAM阵列外围加数字逻辑，做逐位运算

举个例子，SRAM做向量-矩阵乘法时，权重存在SRAM单元里，输入数据通过字线驱动。每个单元的电流大小代表权重和输入的乘积，所有单元的电流在位线上自然累加——这就是模拟计算。

1.3 基于ReRAM的存算一体单元

ReRAM（阻变存储器）是我个人比较看好的技术。它的核心是一个金属-绝缘体-金属结构，通过施加电压改变电阻值。

ReRAM做存算一体的原理：

• 权重用电阻值表示（高阻=0，低阻=1）
• 输入用电压幅度表示
• 输出电流 = 电压 / 电阻，自然实现了乘法
• 多个单元并联，电流累加就是加法

你看，一个简单的交叉阵列（Crossbar Array），就能完成向量-矩阵乘法。这在神经网络推理中太有用了。

1.4 基于PCM的存算一体单元

PCM（相变存储器）利用硫系化合物在晶态和非晶态之间的电阻差异来存储数据。晶态电阻低，非晶态电阻高。

PCM的优势在于：

• 多级存储能力（一个单元存多个比特）
• 耐久性比ReRAM好
• 与CMOS工艺兼容性好

但PCM也有短板——功耗高。写操作需要加热到600°C以上，电流很大。我建议在需要频繁更新的场景下慎用PCM。

1.5 模拟域 vs 数字域计算对比

这是个老生常谈的问题，但每次讲我都觉得有新体会。咱们直接看对比表：

对比维度	模拟域计算	数字域计算
精度	受噪声影响，通常6-8bit	可做到16bit以上
功耗	极低，每MAC约1fJ	较高，每MAC约10-100fJ
面积	小，存储即计算	大，需要额外数字逻辑
抗干扰能力	弱，对工艺偏差敏感	强，数字信号有噪声容限
设计复杂度	高，需要模拟电路设计经验	低，标准数字流程
适用场景	低精度推理（如边缘AI）	高精度训练/推理

我个人习惯是：推理用模拟域，训练用数字域。为什么？推理对精度要求没那么高，8bit够用了，模拟域省电省面积。训练需要高精度梯度回传，数字域更靠谱。

1.6 三种存储技术的对比

咱们再拉个表，把SRAM、ReRAM、PCM放在一起比比：

特性	SRAM	ReRAM	PCM
单元面积	大（6T）	小（1T1R）	中（1T1R）
读写速度	快（~1ns）	中（~10ns）	慢（~100ns）
耐久性	无限	10^6-10^8次	10^8-10^12次
多级存储	不支持	支持（2-4bit）	支持（2-4bit）
CMOS兼容性	完美	较好	好
成本	高	低	中

你想想看，SRAM虽然面积大、成本高，但速度快、耐久性好，适合做缓存级别的存算一体。ReRAM面积小、成本低，适合做大规模存储阵列。PCM介于两者之间，但写功耗是个硬伤。

1.7 知识体系总览

下面这张图是我自己画的，把本章的核心逻辑串起来了：

这张图把本章的核心脉络理清了。从存算一体的核心出发，分三条技术路线——SRAM、ReRAM、PCM，每条路线都有自己的特点和适用场景。最后落到计算方式的选择上，模拟域还是数字域，取决于你的精度和功耗要求。