關鍵詞：5G時代、芯片

隨著許多新技術的涌現，下一代存儲器市場正在升溫，但將這些產品引入主流市場仍面臨一些挑戰。多年來，該行業一直致力于各種存儲技術的研究。這些不同類型的存儲器都對應特定的應用領域，但都勢必將在存儲器家族中取代一個或者多個傳統型存儲。芯片架構正在與新市場一起發展，但數據在芯片、設備之間以及系統之間如何移動并不總是很清楚。汽車和AI應用的數據正變得越來越多和復雜，但芯片架構在處理時有時不清楚如何優先處理數據。這讓芯片設計人員面臨抉擇，是選擇共用內存降低成本，還是增加不同類型內存提高性能和降低功耗。

5G需求帶來的變化

目前，整個網絡隨著移動互聯網和物聯網技術的快速發展，從而使得網絡中的移動設備的數量大幅度增加，導致了用戶終端數、流量以及IP地址都出現了大量增長。這也就對針對不同類型設備的流量管控提出了挑戰，很多客戶需要對不同的訪問流量而提供不同的服務，對于不同的移動設備在訪問中的安全性和訪問控制性也需要產生出不同的定義策略。

國內的電信運營商也一直對于智能管道保持著關注，其中就需要對用戶在訪問不同頁面或使用不同業務時在網絡上進行策略上的改變。此前，國內用戶就曾發現過在同樣網絡環境下，使用移動的視頻業務的流暢度就要高于使用普通的流媒體客戶端。數據流量不是運營商的負擔，而是新的收入增長源泉。數據流量的精細化經營需要提高到公司的戰略層面。

網絡搜索引擎芯片的意義就在于讓設備可以在更復雜龐大的流量面前能夠迅速完成對于不同流量的查找，然后在配之以相應的管控策略。下一代網絡設備采用了新模式，既基于高度靈活、高度可擴展的流服務的模式，這類新型設備需要極高的可擴展性。

SRAM是未來存儲的底層基礎

盡管市場出現了新的變化，但片上SRAM仍是主流。其價格昂貴且密度有限，但其高速性能多年來已被驗證。片上存儲器的挑戰是采用分布還是共用的方式，在某些情況下，為保證安全性需要增加冗余。所有這些要求都會影響存儲器的類型和數量的選擇，還涉及片上和片外存儲器之間的權衡，以及訪問每個存儲器互連的復雜性。

當前的存儲器能夠正常運作，但是它們正在努力跟上系統中數據和帶寬需求的激增。這彰顯了下一代存儲器的用武之地。新型存儲器結合了SRAM的速度和Flash的非易失性和良好的耐久性。這些技術擁有出色的規格，但它們要么遲遲未出現，要么效能不盡人意。

所有這些都是以安全為前提，并且不同的市場設計的要求也不一樣。比如，汽車中的各種類型的圖像傳感器（如激光雷達和攝像頭）的大量數據需要在本地處理，AI芯片則希望性能能夠提升100倍。解決內存問題有一些方法，其中一種是片上存儲器，也就是將存儲器分散地集成在運算單元旁，最大程度減少數據搬移，這種方法的目標是通過減少負載和存儲的數量來突破內存瓶頸，也能降低功耗。

存儲器將影響人工智能的發展

人工智能在幾乎所有新技術中都扮演著重要角色，而存儲器又在人工智能中起著重要作用。極高的速度和極低的功率是芯片一直以來追求的，不過這并不總是有效，因為空間有限。

無論應用領域如何，功率仍然是首要考慮因素。隨著SoC設計向更小化發展，存儲器的消耗正在增加，嵌入式存儲器的容量也在增加?，F在，超過50％的裸片是存儲器，所以人們必須注意存儲器的耗電量。

盡管有大量革命性技術和創新架構，但內存仍然是設計的核心。雖然即將出現新的存儲器類型，例如相變和自旋扭矩，但大部分仍然應用于各種條件的市場。最大的變化在于如何對現有存儲器進行優先級劃分、共用、在設計中選擇，以及最終如何使用它們。

TCAM是能有效應對5G需求

在像核心路由器或匯聚路由器這樣的設備中，目前為了應對復雜龐大的數據流，網絡搜索引擎芯片成為了設備中的雙眼，來幫助進行流量識別?；赗RAM的三元內容可尋址存儲器（TCAM）電路可以匹配多芯神經形態處理器應用的基于CMOS的SRAM電路的性能，盡管性能和可靠性權衡。

TCAM電路提供了一種使用指示范圍的掩碼搜索大型數據集的方法。它們允許通過其內容搜索存儲的信息，而不是通過其物理地址檢索存儲器單元的存儲信息的經典存儲器系統。因此，這些電路非常適用于復雜路由和大數據應用，其中很少需要精確匹配。與經典的基于存儲器的搜索算法相比，它們縮短了搜索時間，因為所有存儲的信息在單個時鐘周期內與搜索到的數據并行比較。

以電阻式隨機存取內存（RRAM）為基礎的三態內容可尋址內存（TCAM）電路性能媲美基于CMOS的動態隨機存取內存（SRAM）電路，盡管仍存在性能和可靠性之間的權衡折衷，但適于多核心的神經形態網絡處理器應用。傳統基于SRAM的TCAM電路通常以16個CMOS晶體管建置，這使得TCAM在標準內存結構下的儲存容量經常受限于幾十個兆字節（megabyte；MB），而且在神經形態運算神經網絡芯片中占用寶貴的芯片面積。

TCAM電路的工作原理是使用指示范圍的屏蔽位來搜尋大量數據組合。相較于典型內存系統透過物理尋址方式檢索內存單元儲存的信息，TCAM則是透過內容搜尋儲存的信息。因此，這些電路的性能非常適于復雜的路由和大數據應用——這類應用通常不太需要精確匹配。相較于典型的內存搜尋算法，TCAM電路的方式由于平行比對了所有儲存數據以及單次頻率周期內的搜尋數據，從而縮短了搜尋的時間。