据盖世汽车Seeds报道,8月17日,后摩智能宣布已经完成首款可商用的RRAM大容量存储芯片的测试及应用场景开发,探测及证实了现有工业级RRAM的技术边界。后续将与车规级应用场景结合,与伙伴共同打造新兴存储及新型存算计算范式,赋能客户。
该款RRAM芯片于2022年下旬设计完毕并投片,如今成功点亮并完成了测试验证。从时间上来看,后摩智能的芯片研发进展一路很顺利。
据介绍,该款RRAM芯片整体功耗低至60mW,支持power down模式,支持不同区域分别关断功能,支持sleep模式等,可以进一步在不同应用场景进行功耗控制。
(资料图片)
后摩首款RRAM大容量存储芯片;图源:后摩智能
同时,该产品能够满足在高质量/高安全性要求的商用场景,更新版本可以实现对车规级应用的支持,尤其是车载娱乐系统、部分低等级车规要求;在工业电子类/消费电子类,其功能/性能则能满足对eFlash场景的替代,甚至能改变原有计算架构,对只读/少读场景有较大的革命优势,尤其在亚22nm工艺之后,有望能够进一步成为高端芯片的嵌入式存储器使用。
作为一种新型的非易失性存储器,RRAM诞生其实已有近25年之久,然而却是在近几年才火起来。特别是进入到越来越强调算力的AI计算时代,RRAM热度一直在往上走,并逐渐被各领域的企业“相中”,迎来一批又一批的拥护者。后摩智能也成为了其中一家。
那么,为何RRAM受到众多企业的青睐?又为何将逐步渗透到车规级应用中?
资料显示,存储器件是存算一体技术基本单元,是解决芯片性能瓶颈,提高能效比的一个有效的技术手段。
传统的冯·诺伊曼架构之下,芯片的存储、计算区域是分离的,然而随着AI算力需要100Tops、1000Tops甚至更高水平,能效比也需得达到10TOPS/W、甚至100TOPS/W以上,这样的物理分离模式导致数据之间频繁传输,从而引起了巨大功耗、以及时间和算力浪费。
于是,能够将存储和计算融合,消除访存延迟,并极大降低功耗的“存算一体架构”便进入了开发者的视野。
在存储器的细分领域中,目前可用于存算一体的成熟存储器有NOR FLASH、SRAM、DRAM、RRAM、MRAM等。而其中的RRAM被认为是最有可能突破传统器件限制的新型器件,在AI大算力场景下占据极大优势。
存储器分类;图源:后摩智能
总体上,RRAM具有CMOS兼容特性,工艺简单,仅需两层额外的MASK就可实现RAM的性能和能力,且较传统的工作存储器具有快速读写速度、低功耗、高密度、非挥发性等多种优势。
其中,关于RRAM高密度的特性,后摩智能指出,在单元面积方面小于现有的静态随机存储器,并且其写入功耗仅为eFLASH的百分之一,能够对未来场景进行赋能,尤其是CMOS 28 nm以下的嵌入式应用场景,其优势进一步扩大,长期以来受到了各界的广泛关注。
当前,RRAM已经在一些消费端及工业端得到应用,应用场景包括智能手表、智能耳机、便携设备以及自动驾驶等。
未来,随着电动汽车渗透率不断攀升,智能驾驶等场景对算力的要求越来越严苛,叠加年初ChatGPT的爆火出圈,大模型、大算力“上车”日程被按下加速键。受益于此,RRAM有望在该赛道“大放光彩”。据IDC预测,2026年全球自动驾驶车辆销售规模为8,930万辆,5年复合增长率将达到14.8%,未来增长潜力巨大。
不难发现,这也是后摩智能积极推进RRAM等新型存储芯片与存算一体技术,以及与车规级应用场景结合的原因之一。毕竟,后摩智能也是国内率先落地存算一体大算力AI芯片的公司。在今年5月,后摩智能便发布了最高物理算力256TOPS,典型功耗35W的存算一体智驾芯片——鸿途™H30。
后摩智能强调,随着RRAM的成功研发及边界测试完成,后摩智能可进一步进行定制化的产品设计以及赋能智能化应用场景,为客户提供先进非易失存储器,尤其是嵌入式的存储器的设计能力,逐步形成以0.5 MB ~ 128 MB范围的嵌入式存储器定制化服务,在此基础上提供不同容量的控制器解决方案、安全防护解决方案、产品定制化解决方案等。
此外,公司现有的RRAM及MRAM不仅满足消费、工业的要求,后续将与车规级应用场景结合,进一步将新兴非易失存储器应用到自身的核心业务中,打造新兴存储及新型存算计算范式。
关于《Seeds 发现》:
盖世汽车《Seeds 发现》栏目,旨在打造一个链接初创企业、产业链生态合作伙伴以及投资机构、地方政府的服务平台,为产业链上下游深度赋能。该栏目自启动以来,一直致力于发掘智能电动汽车变革大潮中对行业具有重要启发和引领作用的好公司、好技术、好的商业模式,推动汽车产业创新力量的成长。
据盖世汽车统计,经《Seeds 发现》栏目报道过的初创公司,几乎所有都已经成功对接了产业链生态资源。未来,随着智能化和电气化的快速发展,赋予汽车无限想象的同时,不断重塑汽车产业链,《Seeds 发现》栏目将继续聚焦“风口”赛道,持续为产业创新力量赋能。
标签: