AI計算時(shí)代,25年工齡的RRAM漸入佳境

RRAM，一個(gè)非易失性新型存儲器，突然火了。

該新型存儲器是以非導性材料的電阻在外加電場(chǎng)作用下，在高阻態(tài)和低阻態(tài)之間實(shí)現可逆轉換為原理制造而成的存儲器。由于結構簡(jiǎn)單、集成度高、低功耗等優(yōu)點(diǎn)，一直被認為是最有可能突破傳統器件限制的新型器件。

而RRAM一路走來(lái)，卻萬(wàn)分坎坷。從開(kāi)始“上班”到不被看好，再到小有名氣，RRAM花了25年：

2008年，惠普公司提出一種被稱(chēng)為憶阻器（memristor）的 RRAM，將其用在面向未來(lái)的系統“The Machine”上。但惠普在這項技術(shù)上努力多年之后卻轉向了一種更加傳統的內存方案，退出了憶阻器的道路。

對于一項新型技術(shù)來(lái)說(shuō)，大廠(chǎng)長(cháng)時(shí)間堅持后未果并拋棄，最為致命，更何況是兩個(gè)：

2014年前后，自2011年開(kāi)始與索尼一同開(kāi)發(fā)RRAM的美光退出項目，轉而開(kāi)始與英特爾合作重點(diǎn)開(kāi)發(fā)另一種存儲技術(shù) 3D XPoint。

從1990s到2010s，RRAM走過(guò)了功能機時(shí)代，跨過(guò)了智能終端時(shí)代，一直被研究，從未被大規模應用，幾乎被時(shí)代遺忘。

而現如今，RRAM又被大廠(chǎng)“相中”，同時(shí)多了一大批堅定的擁護者：

2022年11月，英飛凌和臺積電宣布，兩家公司正準備將臺積電的電阻式RAM（RRAM）非易失性存儲器（NVM）技術(shù)引入英飛凌的下一代AURIX?微控制器（MCU）。

國內外多個(gè)半導體初創(chuàng )公司一心撲在RRAM上：

●   成立于2015年的Weebit Nano，試圖利用RRAM，滿(mǎn)足物聯(lián)網(wǎng)（IoT）設備、機器人、5G通信和人工智能等一系列新電子產(chǎn)品中對更高性能和更低功耗內存解決方案日益增長(cháng)的需求。

●   成立于2019年的昕原半導體，打造基于RRAM技術(shù)的新型存儲產(chǎn)品及相關(guān)衍生品，服務(wù)于A(yíng)IoT、人工智能、數據中心、智能汽車(chē)等新興應用。

●   成立于2020年的億鑄科技，研發(fā)基于RRAM的全數字存算一體大算力AI芯片，服務(wù)于云端數據中心、智能駕駛等對算力密度、能效比需求很高的應用場(chǎng)景。

······

本文想要探討的是：RRAM為何在現在讓大廠(chǎng)回心轉意？RRAM要如何完成自己的逆襲之路？

“團寵”RRAM

逆襲始于2021年。

過(guò)去業(yè)內對于RRAM最大的質(zhì)疑，無(wú)外乎“工藝不成熟、商業(yè)化遲遲不能落地”。

而在2021年，晶圓代工廠(chǎng)臺積電現身，為RRAM站臺：宣布40nmRRAM進(jìn)入量產(chǎn)，28nm和22nmRRAM準備量產(chǎn)。

隨后，國內同樣傳來(lái)利好消息：2022年2月，昕原半導體主導建設的RRAM 12寸中試生產(chǎn)線(xiàn)順利完成了自主研發(fā)裝備的裝機驗收工作，實(shí)現中試線(xiàn)工藝流程的通線(xiàn)，并成功流片（試生產(chǎn)）。

質(zhì)疑被一步步打破，RRAM正式迎來(lái)自己的逆襲之路。

首先是在學(xué)界，RRAM存在感直線(xiàn)上升，從探討其潛力、可行性轉變到證明其可靠性。

在2008-2016年前后，學(xué)界的文章關(guān)于RRAM的描述大多是“有潛能”，團隊大多是提出解決方案：

●   2009年，惠普實(shí)驗室論證了利用 Crosslatch 系統可以較為簡(jiǎn)單的實(shí)現堆棧，形成立體的內存結構，RRAM在速度、密度等方面均具有極大的潛能，能有效替代目前的存儲單元。

●   2016年，在VLSI（超大規模集成電路）國際研討會(huì )上，中國科學(xué)院微電子研究所劉明院士的團隊提出了自對準高性能自選通RRAM結構，為高密度、低成本三維垂直交叉陣列的制備提供解決方案。

······

而在2022年，大多文章是在推動(dòng)RRAM的快速落地，通過(guò)設計、實(shí)驗證明其有著(zhù)足夠的優(yōu)勢：

●   在2022年度ISSCC會(huì )議上，臺積電發(fā)表六篇關(guān)于存內計算存儲器IP的論文，大力推進(jìn)基于RRAM的存內計算方案。

●   在中國半導體十大研究進(jìn)展候選推薦（2022-025）中，有著(zhù)RRAM的身影：

以中國科學(xué)院微電子研究所微電子劉明院士、張鋒研究員為主導的團隊，首次設計實(shí)現了基于三維垂直結構阻變存儲器的存算一體宏單元芯片，實(shí)驗表明三維阻變存儲器不但可以完整的實(shí)現存算一體技術(shù)，同時(shí)證明了其在低功耗以及高算力、高密度方面的優(yōu)勢。

其次是在產(chǎn)界，芯片設計、制造廠(chǎng)商紛紛將RRAM納入到自己的規劃之中：

在代工廠(chǎng)方面，臺積電、Crossbar、聯(lián)電、中芯國際以及昕原半導體等均已建立了可量產(chǎn)的商業(yè)化RRAM產(chǎn)線(xiàn)：

例如2022年6月，昕原半導體宣布其RRAM新型存儲技術(shù)通過(guò)嚴苛測試，“昕·山文”安全存儲系列RRAM產(chǎn)品成功交付工控領(lǐng)域頭部企業(yè)禾川科技，實(shí)現在工業(yè)自動(dòng)化控制核心部件的商用量產(chǎn)。

在商業(yè)化方面，RRAM在市面上主要有兩大應用方向，分別是存儲應用與存算應用。

在存儲應用上，目前有英特爾、松下等大廠(chǎng)將RRAM用于MCU領(lǐng)域:

●   2013年7月，松下推出了8位MCU，該MCU集成了0.18微米RRAM技術(shù)，成為第一個(gè)將RRAM技術(shù)商業(yè)化的大廠(chǎng)；

●   2022年11月，英特爾宣布，將非易失性存儲器RRAM引入英飛凌的下一代 AURIX ?微控制器 (MCU)

除此之外，在去年的各大展會(huì )、論壇上，也有多家初創(chuàng )企業(yè)認可了RRAM的發(fā)展潛力，提出計劃使用或者轉向RRAM作為其未來(lái)發(fā)展AI芯片的存儲介質(zhì)。

在存算應用上，目前僅有國內的億鑄科技，試圖基于RRAM通過(guò)存算一體架構實(shí)現AI大算力芯片，將其應用在中心側與邊緣側的應用場(chǎng)景中，著(zhù)眼于解決目前AI芯片“能效比不理想、算力密度不滿(mǎn)足市場(chǎng)要求、軟件部署成本高及效率低”等痛點(diǎn)。

學(xué)界、產(chǎn)界正將RRAM推向“C位”，視為團寵，這背后是AI市場(chǎng)的驅動(dòng)。

現階段，自動(dòng)駕駛、智算中心、AR/VR元宇宙、ChatGPT等高密度計算場(chǎng)景的蓬勃發(fā)展，帶動(dòng)了以AI芯片為首的一大批新型半導體技術(shù)的爆發(fā)。

機會(huì )與挑戰并存，隨著(zhù)AI算力需求走向100Tops、1000Tops甚至更高水平，以及對于能效比需求走向10TOPS/W、甚至100TOPS/W以上，傳統馮·諾伊曼架構“招架不住”了。

這是因為在馮·諾伊曼架構之下，芯片的存儲、計算區域是分離的。計算時(shí)，數據需要在兩個(gè)區域之間來(lái)回搬運，而隨著(zhù)神經(jīng)網(wǎng)絡(luò )模型層數、規模以及數據處理量的不斷增長(cháng)，數據已經(jīng)面臨“跑不過(guò)來(lái)”的境況，成為高效能計算性能和功耗的瓶頸，也就是業(yè)內俗稱(chēng)的“存儲墻”。

存儲墻相應地也帶來(lái)了能耗墻、編譯墻（生態(tài)墻）的問(wèn)題。例如編譯墻問(wèn)題，是由于大量的數據搬運容易發(fā)生擁塞，編譯器無(wú)法在靜態(tài)可預測的情況下對算子、函數、程序或者網(wǎng)絡(luò )做整體的優(yōu)化，只能手動(dòng)、一個(gè)個(gè)或者一層層對程序進(jìn)行優(yōu)化，耗費了大量時(shí)間。

這“三堵墻”導致算力無(wú)謂浪費：據統計，在大算力的AI應用中，數據搬運操作消耗90%的時(shí)間和功耗，數據搬運的功耗是運算的650倍。

于是，能夠打破這三堵墻的“存算一體架構”漸入人們的視野。該架構將存儲和計算的融合，徹底消除了訪(fǎng)存延遲，并極大降低了功耗。同時(shí)，由于計算完全耦合于存儲，因此可以開(kāi)發(fā)更細粒度的并行性，獲得更高的性能和能效。

目前，實(shí)現存算一體有兩種存儲器件的選擇：

●   第一種是基于易失性存儲器，例如DRAM和SRAM，但由于DRAM制造工藝和邏輯計算單元的制造工藝不同，無(wú)法實(shí)現良好的片上融合，而SRAM難以進(jìn)行片上大規模集成，同時(shí)，因為SRAM和DRAM是易失性存儲器，需要持續供電來(lái)保存數據，仍存在功耗的問(wèn)題。

●   第二種是結合非易失性新型存儲器。新型存儲器通過(guò)阻值變化來(lái)存儲數據，而存儲器加載的電壓等于電阻和電流的乘積，相當于每個(gè)單元可以實(shí)現一個(gè)乘法運算，再匯總相加便可以實(shí)現矩陣乘法。在這種情況下，同一單元就可以完成數據存儲和計算，消除了數據訪(fǎng)存帶來(lái)的延遲和功耗，是真正意義上的存算一體。

另外，傳統存儲器所具有的易失性、微縮性差等問(wèn)題可以被新型非易失性存儲器很好地解決。RRAM在A(yíng)I大算力場(chǎng)景下似乎更具優(yōu)勢：

目前可用于存算一體的成熟存儲器有NOR FLASH、SRAM、DRAM、RRAM、MRAM等。相比之下，RRAM具備低功耗、高計算精度、高能效比和制造兼容CMOS工藝等優(yōu)勢：

也就是說(shuō)，AI計算整體市場(chǎng)的驅動(dòng)，引發(fā)了RRAM在存算一體這一方向的爆發(fā)。隨著(zhù)人工智能市場(chǎng)規模不斷擴大，屬于RRAM的市場(chǎng)爆發(fā)很快就會(huì )到來(lái)，學(xué)界、產(chǎn)界難免要“蜂擁而至”。

AI大算力，RRAM的“用武之地”

當我們回顧存儲器的發(fā)展時(shí)發(fā)現，目前主流的存儲介質(zhì)NOR FLASH，同樣經(jīng)歷了不被看好階段：

2000年前后的功能機時(shí)代，手機對內存的要求不高，NOR Flash憑借著(zhù)NOR+PSRAM的XIP架構，更快的讀取速度、可隨機訪(fǎng)問(wèn)等特點(diǎn)，得到快速發(fā)展。

好景不長(cháng)，沒(méi)過(guò)幾年NOR Flash市場(chǎng)便不斷萎縮：

2009—2016 年 NOR Flash 市場(chǎng)規模一路下降至低于20億美元，存儲大廠(chǎng)三星、美光等公司都逐步退出NOR市場(chǎng)。這是因為，到了智能機時(shí)代，大量吃?xún)却娴腁PP涌現，NOR的容量小、成本高的缺點(diǎn)無(wú)法被掩蓋，逐漸被容量充足、成本更低的NAND給取代。

但就在各大廠(chǎng)商關(guān)停NOR產(chǎn)線(xiàn)的同時(shí)，NOR Flash喜迎“第二春”。最主要的原因是，下游需求旺盛的AMOLED急需NOR Flash來(lái)“救場(chǎng)”。

隨著(zhù)手機廠(chǎng)商蘋(píng)果選擇了AMOLED屏幕，AMOLED的滲透率得到了大幅提升，AMOLED相較于LCD而言，優(yōu)點(diǎn)眾多，但亮度不均勻、存在殘像仍是它面臨的兩個(gè)主要難題，也就需要用到補償技術(shù)。

業(yè)內紛紛選擇外部補償模式（內部補償模式成本過(guò)高，技術(shù)難以達到）：掛一個(gè)存儲器隨時(shí)解決AMOLED面板的藍色光會(huì )隨時(shí)間消退的問(wèn)題。

此時(shí)，NOR Flash的高可靠性、快速讀取使其比NAND Flash更為合適，且在外部補償模式下，屏幕對于容量的要求并不高。

于是，NOR Flash的需求又被快速帶動(dòng)起來(lái)，華邦、兆易創(chuàng )新（目前國內NOR Flash龍頭）迅速崛起。

可以看到，找到合適的賽道，是以往存儲器大放光彩的轉折點(diǎn)。

RRAM與AI大算力賽道，也同樣如此。

原先，大家對RRAM的期望是純存儲應用，希望其成為下一代主流存儲技術(shù)。但其容量和閃存相比，差別還很大，故在存儲應用領(lǐng)域，RRAM并不是最佳的選擇，也就一直“被耽誤”。

如今，在A(yíng)I大算力時(shí)代，由于存算一體架構解決了存儲墻等問(wèn)題，可以極大降低功耗，提升運算能效比。同時(shí)，RRAM工藝逐漸成熟，可以支持大算力芯片的量產(chǎn)。此時(shí)，RRAM具備的“低功耗、低延遲性、高密度”等優(yōu)勢愈發(fā)凸顯，通過(guò)將RRAM存儲技術(shù)與存算一體架構結合，無(wú)疑會(huì )產(chǎn)生1+1>2的效果，從而打造高算力、高能效比的AI芯片。

而在A(yíng)I時(shí)代的多個(gè)應用中，RRAM更適用于A(yíng)I大算力賽道。

AI大算力賽道，正面臨著(zhù)“井噴”的需求：

根據IDC、浪潮信息聯(lián)合發(fā)布的《2022-2023中國人工智能計算力發(fā)展評估報告》顯示，2021年中國智能算力規模達到155.2EFLOPS，預計2026年將達到127.4EFLOPS，年復合增長(cháng)率達到52.3%。

這是因為，隨著(zhù)技術(shù)的突破、模型規模的不斷增長(cháng)，需要消化更大規模的數據，也意味著(zhù)更高的算力需求。據OpenAI統計，從2012年到2020年，人工智能模型訓練消耗的算力增長(cháng)了30萬(wàn)倍，平均每3.4個(gè)月翻一番超過(guò)了摩爾定律的每18個(gè)月翻番的增速。

故，為滿(mǎn)足對算力的要求，各行各業(yè)各地都在建設智算中心：

1月11日，由國家信息中心聯(lián)合浪潮信息發(fā)布的《智能計算中心創(chuàng )新發(fā)展指南》顯示，當前全國范圍形成智算中心建設的熱潮：全國目前有超過(guò)30個(gè)城市正在建設或提出建設智算中心，整體布局以東部地區為主，并逐漸向中西部地區拓展。

AI大算力的下游市場(chǎng)“嗷嗷待哺”，基礎設施正快馬加鞭地建設，RRAM“大顯身手”指日可待：

據國內基于RRAM設計存算一體AI大算力芯片的億鑄科技創(chuàng )始人、董事長(cháng)兼CEO熊大鵬博士介紹，基于RRAM的存算一體AI大算力芯片可以在不增加物理空間的前提下，大大提升算力密度，大幅度降低能耗，減少采購和運維成本。

假以時(shí)日，RRAM將在A(yíng)I大算力賽道上造就下一個(gè)里程碑。