在人工智能大模型飞速发展的今天，算力需求爆炸式增长，传统芯片架构面临的“存储墙”和“能耗墙”问题日益严峻。存算一体作为一种碘伏性的架构创新，正成为突破算力瓶颈、实现低能耗AI计算的关键技术。下面这份教程将为你详细解读存算一体如何为AI大模型时代注入新动力。

一、存算一体为何被视为碘伏性力量？

2023年，甲子光年发布《2023中国科技产业50条判断》，其中第17条明确指出：存算一体芯片可以打破存储墙、能耗墙，用架构创新赋能大模型时代AI计算。亿铸科技作为该领域的代表企业，在大会上分享了核心观点。

亿铸科技创始人、董事长兼CEO熊大鹏博士表示：

• “大模型爆火之后，存算一体获得了更多的关注与机会，其原因之一是因为存算一体芯片的裸算力相比传统架构的AI芯片，能带来十倍以上的提升。”
• 但存算一体的贡献不止于此，它更解决了大模型时代AI计算的最大痛点——数据搬运的带宽不够，即“存储墙”问题。

小提示： “存储墙”指的是处理器与存储器之间数据传输速度远低于处理器计算速度的瓶颈，传统架构中每次推理都需要搬运整个模型参数，导致大量数据卡在“读”上。

二、传统架构的痛点：存储墙与能耗墙

传统架构的AI芯片在大模型计算中，每一次推理计算都需要搬运整个模型参数，这不仅导致带宽不足，还引发了严重的能耗问题——即“能耗墙”。

熊大鹏博士指出：

• “存算一体不需要搬运参数，所以实际运算效率也会比传统架构好很多。再加上其裸算力的提升，可以说在大模型时代具有非常强的优势。”

三、大模型算力耗电量的惊人预测

根据国盛证券研究所的测算，在中性预期下：

• ChatGPT日活稳定在1亿人次左右，模型参数每3个月翻倍。
• 假设全球市场将出现10个左右类似ChatGPT的商用大模型。
• 大约4年后，AIGC大模型耗电量将超过比特币挖矿耗电量。

在乐观和悲观预期下，这一数字则分别为1.6年和7.5年。注意：这里仅考虑了类似ChatGPT的商用大模型，如果未来出现更耗算力的多模态大模型，AIGC耗电量的增长将会更快。

常见问题： 为什么大模型如此耗电？
答：大模型参数规模巨大，每次推理都需要将整个模型从存储搬运到计算单元，搬运过程消耗大量电能。传统架构下，数据搬运的能耗远高于计算本身的能耗。

四、实现低能耗人工智能成为国家重点关注的挑战

2023年10月22日，在中国科协年会上，发布的2023重大科学问题中，排在前沿科学问题第一位的就是：如何实现低能耗人工智能？

而存算一体的AI芯片发展路径，正是目前可商业落地的最佳路径之一。

五、亿铸科技的创新方案：存算一体+忆阻器ReRAM

亿铸科技面向数据中心、云计算、中心侧服务器、自动驾驶及边缘计算等场景，将忆阻器ReRAM和存算一体架构相结合，借助多项创新优势：

• 全数字化技术路径应用创新
• 存算一体超异构系统级创新

这些创新从根本上解决大模型快速发展所凸显的算力挑战，为AI大算力芯片发展打开了新通路。

小提示： ReRAM（忆阻器）是一种新型非易失性存储器件，兼具存储和计算能力，非常适合存算一体架构。

六、未来展望

随着存算一体技术的不断发展，我们可以期待更多的创新和突破。在赋能AIGC应用实现与落地的同时，迎接绿色算力新未来。

常见问题汇总

1. 问：存算一体芯片与传统AI芯片最大的区别是什么？
   答：传统芯片需要反复搬运数据，存在“存储墙”和“能耗墙”；存算一体直接在存储单元内完成计算，省去了大量数据搬运，能效比和算力大幅提升。
2. 问：存算一体目前已经商业化了吗？
   答：是的，亿铸科技等公司已推出面向数据中心、自动驾驶等场景的商用级产品，是当前可商业落地的成熟路径。
3. 问：为什么大模型对低能耗算力需求如此迫切？
   答：模型参数持续翻倍，耗电量增长速度惊人（最快1.6年就可能超过比特币挖矿），若不解决能耗问题，将严重制约AI发展。