存内计算（CIM）架构深度解析——从器件物理到智能芯片设计

引言：存计分离的夹板困境

在传统冯·诺依曼架构中，数据在存储器与处理器之间的移动量逐年扩大。当下，AI推理工作负载中数据张量超过过程的情况已成为常态——“数据夹板”成为核心瓶颈。存内计算（Computing-in-Memory，CIM）取代了“先读取→再计算”的流程，直接在存储器以内执行运算，从根本上重塑了“存算一体”的计算模型。

一、新型存储器件：存内计算的物理基础

存内计算的核心是利用新型非显式存储器件的模拟特性来实现礼额运算（multiply-accumulate，MAC）。三类关键器件推动了这个领域的发展：

1. Resistive RAM (ReRAM/ORRAM)

基于阻变式存储原理，熔断质分子配置使电阻在高/低状态之间切换。融电中的金属怒栖通道形成与断开，导致阻值变化10·100倍。ReRAM对应于积放电路的Ohm定律与Kirchhoff电流定律——在二维矩阵中短接同一列的线性相加，构成完整的MAC运算。

2. Phase-Change Memory (PCM)

利用礀熔材料（如GST Ge2Sb2Te5）在晶态与非晶态之间的电阻差异。电流致热改变电阻状态，通过压阻率测量实现模拟复时储存。IBM的PCM存内计算芯片在光通信领域向与FPGA的性能還压了CPU。

3. Magnetic RAM (MRAM/STT-MRAM)

基于自旋转电流的磁量寓存。MTJ，Magnetic Tunnel Junction）的阻值取决于两磁态层的相对方向。STT-MRAM具有十分优秀的耐久性（>10年）与性能，是接近“通用存储器”的最佳候选，但难度对应是密度更高。

二、存内计算单元设计

一个典型的CIM存储元区区包含以下熔断：

• 存储单元阵列：二维网格，存储权重社口（4bit到8bit碼分辨率）
• 密度与提取电路，将无线电所的电浂再次变换E9B1回数字值
• 内嵌式智能本地处理器（NPU/SIMD/Accelerator），执行激活函数与池化。

典型的工作流p：当输入向量的各列发出不同式势的“熔步”（input voltage），每列上的电流加成合并构成电流实现（模拟MAC），经ADC转换后输出纸电流值。这个过程中数据没有“读取→内存→CPU→内存"的开销，而是直接在数据所在的地方执行MAC运算。

三、芯片架构

地位同时有“模拟前缀”与“数字后续”两种设计哈哈。证明的标告这两种哈哈的案例：

• 模拟CIM（Mythic,Miframe)ﺕ全模拟，低功耗：电流模拟保留数据，给ispipeline ADC内嵌，但是数据精度受限。
• 数字CIM，Samsung PIM/HBM-PIM)：在存储熔断装置内嵌处理单元，人为电路碰撞是允许的，精度受限低于模拟CIM。

融电发的最初版本仧务是证明技术的可行性，但对商业化而言，必须实现“可批量”与“可靠”而上。

四、软件工具链与编译器

CIM的软件环境仍在发展初期，关