聽說停止向華為供貨，讓博通年銷售預期減少20億美元，同時美國晶片股引發重挫，之前我一直對華為的影響力倍感懷疑，今天我突然相信了，作為普通老百姓，同時也真正瞭解了晶片的重要性。
據Gartner釋出的資料，2017年營收規模前十的半導體企業中，無一家屬於中國企業，而美國多達5家，名副其實的晶片霸主。排名第一的是韓國三星，2017年營收達688。25億美元，市場佔有率為16。4%。
資訊時代，晶片成為科技創新的焦點。我國晶片產業起步較晚，技術的劣勢很明顯，生產的晶片比較粗糙，質量無法保障，更是沒有統一標準，無法規模化生產。當前核心積體電路的16項當中，國產晶片有9項的佔有率是0%。
當然，美國、韓國的晶片技術能發展到和今天的程度，也是用了很多時間，投入了大量的金錢，花了幾代人的努力，才獲得目前的晶片領域的霸主地位。
應該說，中國在晶片製造領域的能力正在不斷提升中，特別是航天領域，我國衛星採用了國產晶片，減少了對國外晶片依賴度。同時，在中興事件之後，中國高科技企業在晶片領域的持續發力，讓微晶片市場出現了不小的改變。難怪有俄羅斯媒體表示：中國在微晶片領域的發展，或將撼動美國在該領域多年的霸主地位。
隨著電子時代的到來，電腦、手機進入千家萬戶。在選購電腦或者手機的時候，有兩個指標繞不過去，電腦的CPU和硬碟容量，在手機上一般稱為執行記憶體和機身容量。
這兩個指標分別對應運算能力和儲存容量，但是，很少有人想過，他們為什麼是分開的。
在雙創周北京會場上，有一款晶片已經將二者合二為一，是的，做了這麼長時間的鋪墊，今天我們要說的就是：存算一體AI晶片。
“這套技術目前在國內能夠實際應用的，我們是獨一家。”知存科技現場負責人易金剛解釋，“儲存和運算分開，在資料進行互動這個過程中就會有大量的資料的吞吐。比如，在進行一個音訊訊號或者影片訊號的處理時，我們要把影象從儲存單元取出來，然後進行各種運算，然後再把這個結果返回去。隨著我們對影片和語音等的應用需求越來越大，資料的吞吐率是目前的瓶頸。如何把計算和儲存儘可能地融合在一起，是其中一個解決方案。”
AI目前還處於發展階段，當前落地的應用場景較少，沒有達到社會的期望。隨著AI演算法的進步以及晶片算力的提升，未來將會出現一個更大的爆發點，會湧現更多的應用落地。
AI晶片作為AI的載體，被大家寄予厚望。據有關預測， 2020年AI晶片市場預計達到千億量級。傳統晶片巨頭諸如arm、Intel、NVIDIA都透過自研和收購推出了數款晶片，網際網路巨頭諸如Google、亞馬遜和微軟等也都正推出和開發AI晶片。這個領域的創業公司就更多了，中國的幾家頭部公司就做得非常好。
在很多AI推理運算中，90%以上的運算資源都消耗在資料搬運的過程。晶片內部到外部的頻寬以及片上快取空間限制了運算的效率。現在工業界和學術界很多人認為存算一體化是未來的趨勢。存算一體化分為幾種：DRAM和SSD中植入計算晶片或者邏輯計算單元，可以被叫做存內處理或者近資料計算，這種方式非常適合雲端的大資料和神經網路訓練等應用；另一種就是儲存和計算完全結合在一起，使用儲存的器件單元直接完成計算，比較適合神經網路推理類應用。
知存做的是這樣一款晶片：深度學習網路被對映到多個Flash陣列，這些Flash陣列不僅儲存，還和深度學習網路同時完成網路的推理，這個過程不需要邏輯計算電路。
這種方式的運算效率非常高，成本很低，單個Flash單元能夠完成7、8 bit的乘加法運算。
前文提到知存科技的晶片有兩個特點：1。運算效率高，相比於現在基於馮•諾依曼架構的深度學習晶片，大概能夠提高運算效率10~50倍；2。產品成本低，節省了DRAM、SRAM、片上平行計算單元的面積消耗，簡化了系統的設計，同時無需採用先進的晶片加工工藝，可以數倍地降低生產成本，幾十倍地降低流片和研發成本。
當前階段，知存科技主攻的是對成本和運算效率（功耗）敏感的應用，例如終端的低功耗、低成本的語音識別應用。未來，隨著AI和物聯網的發展，知存科技會拓展更多的應用場景，例如低成本、低功耗的感知應用和人機互動。
