以处理器和内存创建混合芯片打造“幻觉系统”，打破“内存墙”的限制

内存墙，指的是内存性能严重限制CPU性能发挥的现象。内存的性能指标主要有“带宽”和“等待时间”，当处理器厂商意识到单纯依靠提高处理器频率并不能持续提升计算性能时，便把目光转向了利用多核心并行计算技术来提升计算性能，同时也希望该技术能缓解内存瓶颈。但处理器核心越多，性能不一定就随着增高。核心越多，也就意味着任务分配的难度越大，多核心并行计算还遭遇到了更为严重的“内存墙”问题。这是因为在高度并行的处理方式下，多核心共享有限的内存带宽将会造成更大的延迟。

为了解决这一问题，斯坦福大学的研究人员已经开发出一种方法，能够结合处理器和内存的特点，将处理器和内存结合在多个混合芯片上，如果能够将其运用在只能够手表和其他电池供电的电子设备上，使其能够运行AI算法，就能够让它们变得更加的智能。

此前为移动设备构建具有AI功能的芯片的努力已经遇到了障碍，也就是所谓的“内存墙”，它将数据处理和存储芯片分开，这些数据处理芯片和内存芯片必须协同工作才能满足AI提出的庞大且持续增长的计算需求。计算机科学家Subhasish Mitra说：“处理器与内存之间的事务处理会消耗进行机器学习和AI所需的95％的能量，这严重限制了电池寿命。”因此斯坦福大学的研究人员设计了一个系统，能够以更少的能量需求更快地运行AI任务。

一个由斯坦福大学计算机科学家MaryWootters和电气工程师H.-S组成的团队。菲利普·王（Philip Wong）设计了一个系统，该系统可以利用八个混合芯片来更快，更省力地运行AI任务，每个混合芯片都在自己的存储器旁边建立了自己的数据处理器。

本文基于该团队先前开发的一种称为RRAM的新存储技术，该技术即使在关闭电源（例如闪存）时也只能更快，更节能地存储数据。他们在RRAM方面的进步使斯坦福大学的研究人员能够开发出单独工作的较早一代的混合芯片。他们的最新设计融合了一个关键的新元素：将八个单独的混合芯片融合到一个节能AI处理引擎中的算法。

Mitra说：“如果我们能够构建一个具有所有处理和内存所需的大型常规芯片，我们就可以做到，但是解决AI问题所需的数据量真是一个梦想。” “相反，我们诱使混合动力汽车认为它们是一个芯片，这就是为什么我们将其称为幻觉系统。”

由斯坦福大学领导的团队在法国研究机构CEA-Leti和新加坡南洋理工大学的合作者的帮助下建造并测试了其原型。团队的八芯片系统仅仅是个开始。在仿真中，研究人员展示了使用64个混合芯片的系统如何运行AI应用程序的速度是当前处理器的七倍，而能耗却仅为当前的七分之一。

关注风火轮，技术之路常相伴，我们下期见！