得益于近半个世纪半导体产业飞速发展，在摩尔定律的驱动下，计算力一直保持着大跨度发展。集成电路的集成度每两年会翻一番，随后此周期缩短到18个月，微处理器的性能每隔18个月提高1倍。但当硅片物理经济成本的控制接近极限，摩尔定律或将在未来失效。基于冯·诺依曼架构提出的基于指令集模式的处理逻辑，运行时数据需要在处理器和内存之间来回传输，会产生巨大的功耗。而在如今，人工智能等高运算处理环境下，对于海量数据，尤其是不规则海量数据处理的短板日益显现，解决“存储墙”瓶颈迫在眉睫。

  在这样的背景下，将数据存储单元和计算单元融合，可大幅减少数据搬运，极大地提高计算并行度，从而大幅提高能效的存算一体技术被更多的提及。同时行业预测也认为，存算一体是解决计算机性能及AI算力瓶颈的关键技术之一。

  针对此项技术，国内近年来也涌现出一批优秀的技术企业，知存科技在其中扮演着重要角色。据知存科技创始人兼CEO王绍迪介绍，知存科技首席科学家郭昕婕从2012年开始做存内计算芯片的研发，2016年已经完成国际上首个Flash存算一体芯片的验证，这也是第一个可以做多层深度学习网络的存算一体芯片。在这样的成果下，知存科技于2017年正式成立，并专注于存算一体技术的研究。

图为知存科技创始人兼CEO王绍迪

  押注存算一体 积极布局落地

  区别于传统计算，存算一体是使用存储器单元做矩阵乘法计算。在能效、速度、算力、成本等方面有很大的优势。人工智能几乎99%是矩阵乘法，所以存算一体应用到人工智能芯片也顺理成章。基于这样的优势，知存科技专注开发存算一体芯片。

  市场需求一定程度上主导了研发方向和环境，从智能耳机、手表等可穿戴产品到需要大算力的智能汽车，各类算力需求的场景如雨后春笋，智能场景变得更加普遍。基于此，王绍迪明白，存算一体技术将很有可能成为越来越多场景中不可替代的存在，他说：“作为新兴技术，存算一体的发展也需要遵循物理规则，过去几十年存储器的发展也是从小容量向大容量，从低速到高速，从低可靠性到高可靠性发展，存算一体技术同样适用。消费电子更容易在应用层落实，所以知存科技的技术也是先从智能耳机这类更接近消费者的产品落地。基于对算力发展的考虑，以及新型技术可靠性标准的建立，知存科技正以长期发展战略对各算力要求的产品进行相应的布局，同时在供应链中形成性能优可靠性强的产品。”

  2022年，知存科技自主研发的存算一体SoC芯片WTM2101正式量产，这是量产的首个存内计算SoC芯片，真正做到了存储与计算融和一体，兼具高算力、低功耗、高能效。回忆起研发历程，王绍迪介绍，考虑到不同环境中对可靠性要求的不同，如何提高技术和产品的可靠性难度颇大，所以投入的研发资源更多。目前该芯片已经应用于耳机、AR眼镜、模组还有手表，未来还将有8个产品基于此芯片实现量产。

知存科技WTM2101芯片

  共谋产业发展，坚持做好该做的事

  生态需要更多厂商和上下游参与并共同建立，好的生态才能带来更多收益更大市场。目前，国内也有相应的企业在存算一体技术领域里深耕，但各家都有不同的研发方向，根据大中小算力就已经有不少的同行业竞争。王绍迪坦言，各家定位和目标不同，投入的相应资源也不尽相同，而存算一体中，大中小算力的需求都不同，市场也同样存在差异。知存科技不会给自己过早下定义，努力让产品覆盖更多高性能市场。在量产层面，需要考虑到各阶段的稳定性与可靠性，并更好地提升每代产品才是知存科技当前需要做的事。

  存算一体技术始于学术界，应用于各产业，人工智能计算也在工业界中大面积实现了落地技术。王绍迪表示，每一项新兴技术基本都诞生于学术界，经过时间沉淀和深入研发，通过产业界进行技术转化也将其能力再次扩大。例如人工智能等深度学习技术被工业领域应用后拥有了巨大的发展前景。而存算一体自2010年后也因学术与产业方向的共同发展得到了巨大的飞跃。因此，知存科技与国内多家顶尖大学及研究所合作，在更先进的科学问题上找到更优的解决方案，共同推进存算一体技术的前沿开发，并努力将产业需求转化为学术界研究的技术指标，做好产业与学术研究之间的桥梁。

  要持续进行投入并发展前沿科技必然需要大量的优秀人才，针对人才储备的考量，王绍迪有自己的见解。他说：“在不同的领域中知存科技持续寻找合适的技术研发人才，企业内部也会对相关技术人员进行持续培训。同时打造更加多元的专家团队，使各个领域里都能有自己见长的‘专家型’人才。”

  后摩尔时代，越来越多的新技术在产业界中涌现，每一项技术背后都需要大量的验证与持续的创新迭代才能带来真正可以量化的落地产品。同时每一项技术背后面临的挑战也是巨大的。不止是技术本身存在难度，产业链上下游的配套解决方案与大规模商用机会也同样面临挑战，完整的生态、平台的搭建以及技术本身的价值都将影响整个行业的发展方向，这也是王绍迪步履不停的原因。（文/郑伟）