在芯片概念股的星光下，我们探索存储器设计的挑战与未来。边缘计算的兴起要求更高效、更低功耗的存储解决方案，但这并非易事。汽车和AI应用对数据处理能力的提升带来了新的难题：如何在成本和性能之间找到平衡点？
新市场与芯片架构共同发展，然而数据在不同设备间移动时，路径并不总是清晰可见。车载和AI应用中的数据量日益增长，而处理这些数据时，芯片架构常常迷失方向。这让设计人员面临选择：是否采用共享内存以降低成本，或增加不同类型内存以提高性能并减少功耗？安全性始终是考虑因素，并且不同的市场有不同的设计需求。
解决内存问题的一种方法是片上存储器，将其分散于运算单元旁，以最大程度减少数据搬移。这一目标旨在通过减少负载和数量来突破内存瓶颈，同时降低能耗。“虽然进行计算的想法可能是一个日益增长的趋势，但实际情况似乎大不相同。”Cadence Digital＆Signoff Group高级首席产品经理Dave Pursley说。
尽管如此，SRAM和DRAM仍然占据主导地位。专家们预测DRAM将“死亡”，但它仍然是最经济、可靠选择之一。具有高密度、高性能特性的DRAM兼具耐用性和低功耗，是当前主流选项。
随着技术进步，HBM2等新架构允许通过堆叠模块而不是DIMM垂直增加密度，使得DRAM更加接近处理单元。此外，SRAM价格昂贵且密度有限，但其高速性能已被验证。在某些情况下，为保证安全性需要增加冗余，这影响了存储器类型及数量以及片上与外部之间权衡，以及访问每个互连复杂性的考量。
为节省能耗，一种关键策略是选择合适型号。在7nm以上环境中进行大量读写可能会消耗更多能量，因为线路中的RC延迟产生热量，有时还会破坏信号完整性。不过较慢但带宽高的大容量RAM可以节省能源，与GDDR6速度匹配。此决定取决于多种因素，如设备平均售价及选型标准。
针对手持移动设备开发极低功率驱动式（extreme-low-power, XLP）或超频（turbo mode）的极端电源管理技术，它们能够提供极高效率，在一定程度上提升电池供电设备及其数速率。但它们也可以工作于多种模式下，当处于待机状态时，可以消耗很少能量满足手机等产品需求，在需要快速处理时切换到更快/更大功率模式。
开发这种支持广泛速率范围、相对较低功耗但高速操作能力驱动式XLP或其他类似技术是一项挑战。“当设计这些XLP DRAMs 时，它们支持非常广泛范围下的速率，大部分都是相当快。”Rambus杰出的院士Steven Woo说，“通常，这些合格品可能运行两种不同的速率，比如4.2GB/s和3.2GB/s。”
为了应对人工智能（AI）需求，对性能有严格要求的人工智能训练过程依赖大量记忆体资源。而对于终端推理则需优化空间使用，因此要根据应用场景调整大小。如果需要更小，更便携，那么就必须牺牲一些功能，以实现既保持速度又尽可能小巧的事业成就—这是目前许多研究者正在追求的事情，不仅仅因为速度，还因为他们希望使所有电子产品都能够长时间使用而不需要充电或插座供电——即所谓“永动机”。
此外，由于是基于集成晶圆上的物理尺寸限制，所以为了达到目的，就必须进一步缩小晶圆尺寸，从而导致了一个不可避免的问题：如果晶圆越来越小，那么制造晶圆上的同样质量组件变得越来越困难，因为制造精度就会变差，这意味着晶圆上的缺陷比以前更多；同时由于面积缩小时，每个微控制单元（MCU）的通道长度变短，但是由于物理现象造成了RC延迟，即使是在高速通信系统中也会出现故障或者波形扭曲，而这正好发生在我们想要使用这个微控制单元的时候！
因此，如果我们想要继续发展我们的科技水平，我们只能不断寻找新的材料、新型半导体结构以及新的制造方法去克服这些问题。这就是为什么现在大家都特别关注那些正在研发新型半导体材料或者新制造工艺的人，他们试图找到一种既能够保持高度灵活性，又能够保持良好稳定性的方法，从而使得我们的电子产品更加强大、更加坚固，也就是所谓“零维”世界——一个没有界限，没有阻碍的地方！
