日前，由中國科學院、中國工程院等多名院士領銜的第二屆中國計算機學會芯片大會（CCF Chip 2024）在上海圓滿落幕。作為國內存儲控制芯片領域領軍企業，得一微電子CEO吳大畏先生發表特邀報告《存儲芯片在AI端側設備的前沿應用與未來展望》，他和與會專家一道，深入探討AI終端部署的計算與功耗瓶頸，以及智能計算與新興存儲技術的融合，為存算技術發展提供前沿研究。

在AI時代，盡管HBM在內存市場大行其道，但非揮發存儲如eNVM和傳統NAND Flash在AI時代正悄然變革，并在業界產生新的影響。吳大畏先生在演講中，探討了存儲芯片和AI端側設備未來應用的方向，這些方向雖不一定都會成為未來，但無疑具有引領市場的潛力，可能預示著真實的未來趨勢。

     AI與端側設備相互依存、相互支撐

提及AI，必然涉及端側AI的應用。吳大畏先生首先列舉了AI在端側應用的六大主要設備：AI智能手機、AI PC、智能物聯網設備、智能汽車、健康監測設備以及智能安防監控，并指出AI應用主要涵蓋智能家居（消費領域）、智能制造（工業領域）以及智慧城市（工業及更廣泛的社會應用領域）三大核心場景。這些多樣化的設備和場景組合共同構成了豐富多彩的AI應用場景。

在吳大畏先生看來，未來AI應如空氣般無處不在，深入每個使用環境，成為主動而非被動式存在。這意味著AI需落地端側，實現潤物細無聲的存在，讓用戶每天如呼吸空氣般感受不到其存在，卻又無處不在。因此AI落地端側，除了對算力的要求外，還需考慮數據安全、高性能與低延時、用戶體量和黏度、優異的成本效益等。而端側設備對AI也有需求，包括多模態信息的輸入輸出能力、本地決策能力和精準的個性化體驗等，AI與端側設備兩者相互依存，相互發展。

接著，吳大畏先生還深入探討了非揮發存儲與AI結合的多層次演進方式。他指出，非揮發存儲自身的演進將追求更高性能、吞吐率、并發性、安全性和容量，以及針對AI應用的優化；此外，非揮發存儲和計算系統的接口演進，在不同應用中也將呈現多樣化發展路徑。嵌入式存儲如手機可能會沿UFS3.0、UFS4.0等路徑升級。在PC領域則向PCIe Gen5、Gen6、Gen7發展，互聯可能向CXL方向演進，并有望從企業級擴展到消費電子端側。最后，存儲互聯和計算的整生態優化，最終達到性能提高、功耗降低、成本降低的目標。未來系統同時實現這三點，關鍵在于優化算力、存力和數據傳輸的緊致分配。

隨著AI產業的發展，端側設備可能需要承載更多增長訓練，以及驗證、推理等后續工作，端側將逐漸支持相關生態和應用的發展。根據微軟和摩根士丹利等機構的預測，到2024年底，AI PC銷售量有望達到5000萬臺，占PC市場的20%左右；全球新一代AI手機出貨量將達1.7億部，占智能手機出貨量的15%左右。到2028年，AI PC滲透率預計將達到64%，AI手機市場份額將達到54%。從產業鏈發展的角度來說，這個增長速度無疑是令人矚目的。

在此基礎上，吳大畏先生進一步從AI手機、AI PC、智能汽車、AI存儲等場景出發，分享了他的深入見解和展望。

存儲應對AI智能手機的挑戰

面對AI智能手機挑戰，關鍵在于實現手機端側AI應用的高效運行。手機端側的AI應用對算力和DRAM提出了更高要求。鑒于DRAM在端側成本中的高占比，若采用高算力GPU配合大容量DRAM，可能會導致成本顯著上升。為解決這一問題，關鍵在于將非揮發存儲與DRAM、GPU、NPU、APU、TPU、CPU等組件進行有機結合，在成本與性能之間找到平衡點，并有望在未來實現手機端的增長訓練。同時，這種結合方式還能最大限度地保護用戶隱私，并確保系統能夠實時響應用戶的個性化需求。

如若像蘋果公司在其藍圖中所規劃的那樣，將AI智能手機演變為個人工作、生活小助理，則需解決在內存有限的情況下如何訓練和應用大型模型的問題。這通常涉及將非揮發存儲與內存進行組合使用，同時還需要進行模型壓縮、存儲結構優化以及算法本身的優化。

AI PC從被動式存儲轉變為主動式存儲

接著吳大畏先生探討了AI PC端側的存儲需求。AI PC是具備全模態人機自然交互條件，承載最多場景的個人通用設備，是最強的個人計算平臺，同時也是存儲容量最大、最受信賴的安全終端。

吳大畏先生分享了關于AI PC集成帶推理能力SSD的看法，即近存計算應用。每個存儲控制芯片內實際含大量算力，可為算力基礎設施提供支撐。若生態得到優化，模型數據和計算不需內存重新加載，數據傳輸的性能將大幅提高，功耗降低，對上層CPU算力要求也會降低。

展望未來，手機和PC將包含增量訓練和推理，存儲需分層以控制成本。雖然全用SLC對系統和個人體驗最佳，但價格高昂。產業界需解決提供最高性價比方案的問題，由此提出了存儲介質分層方案。從當前來看，分層包括HBM、DIMM、CXL、SLC SSD、普通SSD、QLC SSD、機械硬盤等。未來，這些存儲層次將更廣泛地應用于家庭和個人場景。

CXL存儲助力車端AI 應用

車端作為AI典型的應用場景，愈來愈多的矛盾點逐漸顯現。一方面，在智能汽車內卷嚴重的今天，汽車BOM（物料清單）成本受到了嚴格限制；另一方面，汽車智能時代對存儲設備的性能、及時性、可靠性、服務性QoS等要求極高，導致矛盾愈發凸顯。某些應用初始版本功能單一、效率高，但隨著功能不斷增多，逐漸變慢且占用更多算力。車廠雖會在初始階段為每個應用分配一定的CPU算力份額，但難以持續維持這種分配，關鍵應用的算力無法得到保證。

面對這一問題，吳大畏先生認為融合了CXL技術的存算一體、存算的極致分配與互聯的解決方案將是破解之道。在嵌入式行業場景中，存算一體和近存計算將會得到首先應用。以數據庫存儲方案在車端AI的應用為例，如果車廠僅僅通過更換算力更高的CPU來解決問題，那將導致成本過高。因此，合理的方案在于如何實現緊致的算力分配，在存儲端分擔部分數據庫算力，以優化CPU的算力分配。

總結

吳大畏先生的演講不僅為存算技術發展提供了前沿的研究方向，還為行業帶來了寶貴的思考和啟示。在演講尾聲，吳大畏先生揭示了得一微電子對于手機、PC、汽車端等主流存儲領域的未來布局。憑借最全面的存儲控制產品線和IP組合，得一微電子正在加速推進UFS4.0、PCIe 5.0、CXL等前沿產品和技術的研發，將為更多行業和應用場景帶來創新性的存儲解決方案。

得一微電子致力于成為存儲控制、存算一體、存算互聯領域技術領先的芯片設計公司，為消費級、企業級、工業級、車規級等市場的全場景應用提供貼身定制的解決方案和服務。通過不斷創新的技術，為中國新興存儲器在消費電子和AI端側應用帶來高性價比的解決方案，進一步推動存算技術的發展和進步，助力行業實現更多的創新和突破。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：