佚名

边缘计算性能的提升给存储器的设计、类型的选择和配置都带来挑战，这也导致在不同的应用市场中需要进行更复杂的权衡。

芯片架构正在与新市场一起发展，但数据在芯片、设备之间以及系统之间如何移动并不是很清楚。汽车和AI应用的数据正变得越来越多，并且也越来越复杂。

但芯片架构在处理时，有时候会不清楚如何优先处理数据。这让芯片设计人员面临抉择，不知道是应该选择共用内存降低成本，还是增加不同类型内存提高性能和降低功耗。

所有这些都是以安全为前提，并且不同的市场设计的要求也不一样。比如，汽车中的各种类型的图像传感器（如激光雷达和摄像头）的大量数据需要在本地处理。AI芯片则希望性能能够提升100倍。

解决内存问题有一些方法，其中一种是片上存储器，也就是将存储器分散地集成在运算单元旁，最大限度地减少数据搬移，这种方法的目标是通过减少负载和存储的数量来突破内存瓶颈，降低功耗。

“存算一体（In-memory computing）可能是模拟的、数字的，或两者都有。” Cadence Digital&Signoff Group的高级首席产品经理Dave Pursley说：“虽然在内存中进行计算的想法可能是日益增长的趋势，但在这种计算中实际发生的情况似乎大不相同。”

SRAM和DRAM仍是主流

尽管市场出现了新的变化，但片上SRAM和片外DRAM仍是主流。已经有专家预测DRAM多年后将“死亡”，但它仍然是最经济和最可靠的选择。DRAM具有高密度、架构简单、低延迟和高性能的特性，兼具耐用和低功耗的特性。……