在芯片大骗局中，存储器成为阻碍AI发展的难题。边缘计算性能的提升给存储器设计带来挑战，这也导致了不同应用市场需要进行更复杂的权衡。芯片架构正在与新市场一起发展，但数据在芯片、设备之间以及系统之间如何移动并不总是很清楚。
汽车和AI应用的数据正变得越来越多和复杂，但芯片架构在处理时有时不清楚如何优先处理数据。这让芯片设计人员面临抉择，是选择共用内存降低成本，还是增加不同类型内存提高性能和降低功耗。
所有这些都是以安全为前提，并且不同的市场设计的要求也不一样。比如，汽车中的各种类型的图像传感器（如激光雷达和摄像头）的大量数据需要在本地处理。AI芯片则希望性能能够提升100倍。
解决内存问题有一些方法，其中一种是片上存储器，也就是将存储器分散地集成在运算单元旁，最大程度减少数据搬移，这种方法的目标是通过减少负载和存储的数量来突破内记忆瓶颈，也能降低功耗。
“虽然在内记忆中进行计算的想法可能是日益增长趋势但实际发生的情况似乎大不相同。”Cadence Digital＆Signoff Group高级首席产品经理Dave Pursley说，“SRAM和DRAM仍然是主流。”
尽管市场出现了新的变化，但片上SRAM和外部DRAM仍然占据主导地位已有专家预测DRAM多年后将“死亡”，但它仍然是一种最经济、可靠且具有高密度、高速度、耐用性及低功率特性的选择。
另一方面，SRAM价格昂贵且密度有限，但其高速性能长久以来已被验证。而对于那些追求极速而非极端成本效益的人来说，则需考虑采用分布式或共享型结构，以确保安全性并保持灵活性。
“所有这些要求都会影响到对何种类型以及多少个内存在于哪个位置，以及它们如何相互连接的问题。”Arm高级物联网架构师Ryan Lim表示，
由于现代电子设备对电源需求不断增长，因此非常注重开发出既能提供高速又能节省电力的新一代晶体管。此外，对于那些特别关心用户体验并期望设备能够无缝运行而不产生过热问题的人来说，更重要的是确保整个系统可以维持较稳定的温度，而这通常意味着需要精心管理电力消耗以避免过热导致的问题发生。
为了应对这一挑战，一些创新技术正在被开发，比如使用特殊材料制成更薄更轻便的地轴，可以同时实现高速执行能力与长时间续航能力。这些建议旨在通过改进现有的硬件设计从而使得未来电子设备更加强大，同时还要尽可能节约能源，从而延长电池寿命并减少环境污染等副作用。在这个过程中，我们也必须考虑到技术更新所带来的能源效率提高潜力，以及这种升级是否足够快以满足即将到来的技术潮流所需快速适应变化的情景需求。
