2022年底，ChatGPT出现引发新一轮AI变革，各行各业都在积极寻求与生成式AI的融合创新，高效算力和高存储容量是AI学习和推理模型的基础，因此算力与存储资源成为获取生成式AI工具的“入门设定”。
生成式AI应用要从大量训练数据中学习生成和输出高质量内容，还必须具备快速数据处理的能力，能把AI计算结果实时输出给用户。我们知道，数据处理过程简单来说是存储和计算，还有两者之间的通信，实际上运算器消耗的功耗很低，大部分功耗都花在了存储本身的读取上，因此算力的快速提升对存与算之间的数据搬运速度提出了更高要求，而存算一体化则是集成存算功能，提升带宽和密度，加速计算发展的新路径。
关于存算一体化，其呈现方式分很多种，一种是近内存计算（NMC）。“捆绑”缓存+内存，通常会选用3D封装，利用TSV（硅通孔技术）实现垂直通信，适用于AI，机器学习和数据中心等规模型应用，但成本高，还要考虑通用性问题。
还有一种是2.5D封装，主流技术即HBM（高带宽内存），目前业内认为与AIGC十分适配，出货量大幅增加。其与平面板级连线不同，加入interpose的特殊有机材料（线宽，节点间距优于电路板）作为中间转接层，就像一个有底座的硅芯片，和堆乐高同理，CPU周边相当于增加了很多“凹槽”，连接多个HBM2（DRAM芯片）堆栈（甚至可以采用更便宜的90-130纳米芯片制程工艺）来实现高密度和高带宽。
最近的进展是，东京工业大学研究团队的一个研究项目是3D DRAM堆栈，命名为BBCube 3D，称削薄了每个DRAM芯片，去掉了晶圆叠层 (WOW) 设计中的微凸块。据称与DDR5 或 HBM2E（第二代高带宽内存）设计相比能让内存块以更高的速度和更低的能耗运行，因为前者运行温度更高，并且凸块会增加电阻/电容和延迟。
第二种是我们熟悉的存储级内存（SCM），速度介于DRAM与NAND之间。
第三种是近存储计算（NSC），旨在解决存储器距离计算模块太远，读取最花时间的问题。比如让拥有计算模块的FPGA处理数据并充当闪存控制器，总之是不通过CPU进行读取计算，而是直连存储器和计算来提升计算效率。
第四种则是存内计算（IMC），利用存储器的单元模拟特性做计算，真正意义上在存储器内进行的计算。
CPU通过1和0做二进制逻辑计算，存内计算则是利用存储器内电阻特性进行计算，不只用于区分电阻高低，还通过电阻值区分多种状态，电压和电阻都是变量，利用欧姆定律，电压除以电阻进行计算，输出的结果就是电流，仅仅用一个晶体管就可以完成一次乘法计算过程。如果存内计算（IMC）流行起来，那么以后理论上就能以存储容量来作为计算能力的度量单位。
近年来，全球闪存峰会也在见证国内存算一体化的技术发展，从2019年全闪存应用论坛上的一场存算一体芯片架构演讲分享，到2021年和2022年存算一体化技术论坛的成功举办，让我们进一步了解到国内存算一体化企业，如知存科技、后摩智能、苹芯等企业最新动态以及技术应用发展，2023年的全球闪存峰会在8月30日仍将举办存算一体化相关主题论坛，邀请业内专家分享存算一体化最新技术发展，敬请期待！
