Deepseek等大模型的火爆，其背后的算力需求成指數(shù)級增長，如GPT-4的算力達到數(shù)萬億級，傳統(tǒng)的馮諾伊曼數(shù)據(jù)來回搬運形成功耗墻以及存儲墻，能效比低，存內(nèi)計算架構的出現(xiàn)，在存儲器內(nèi)完成計算的形式，延遲降低90%，能效較之傳統(tǒng)架構提升數(shù)10倍，成為AI智能時代變革的重要力量。在此背景下，知存科技聯(lián)動復旦大學，邀請華東地區(qū)高校教授以及知存企業(yè)精英共同打造存內(nèi)計算系列課程，與國內(nèi)知名開發(fā)者社區(qū)夢幻聯(lián)動，面向高校學生與國內(nèi)外開發(fā)者，助力人才成長，推動技術進步。
本系列課程以“從電路架構到存儲工藝：存內(nèi)計算全棧技術突破”為核心脈絡，系統(tǒng)性解析存內(nèi)計算領域的前沿進展與落地實踐。課程由權威專家領銜，深度融合學術創(chuàng)新與產(chǎn)業(yè)需求，覆蓋電路設計、架構優(yōu)化、軟硬件協(xié)同、存儲介質(zhì)革新及先進工藝集成五大模塊，致力于為開發(fā)者、AI科技愛好者與行業(yè)工程師構建“理論-器件-系統(tǒng)-應用”的全景知識體系。
存內(nèi)計算電路設計
存內(nèi)計算的架構設計方案詳解與應用
存內(nèi)計算的軟硬件協(xié)同設計
存內(nèi)計算傳統(tǒng)與新型存儲介質(zhì)
存內(nèi)計算芯片工藝制程
涵蓋大模型推理、自動駕駛、邊緣AI、類腦芯片等熱點場景，直擊行業(yè)痛點
貫通材料介質(zhì)、電路設計、體系架構與算法生態(tài)，構建系統(tǒng)性認知
結合知存科技行業(yè)前沿企業(yè)芯片原型、學術頂會（ISSCC/VLSI/DAC）突破性論文，解析技術落地路徑
本課程聚焦存內(nèi)計算技術中的數(shù)字電路設計方法，通過將計算邏輯嵌入存儲器單元，突破傳統(tǒng)馮·諾依曼架構的存儲墻瓶頸。重點探討數(shù)字電路的高效邏輯門集成、低功耗設計，以及如何優(yōu)化數(shù)據(jù)帶寬與延遲，適用于高精度AI推理和實時數(shù)據(jù)處理場景。
本課程聚焦存內(nèi)計算技術中的數(shù)字電路設計方法，通過將計算邏輯嵌入存儲器單元，突破傳統(tǒng)馮·諾依曼架構的存儲墻瓶頸。重點探討數(shù)字電路的高效邏輯門集成、低功耗設計，以及如何優(yōu)化數(shù)據(jù)帶寬與延遲，適用于高精度AI推理和實時數(shù)據(jù)處理場景。
課程圍繞存內(nèi)計算的模擬電路實現(xiàn)，利用模擬信號處理的天然并行性，在存儲器內(nèi)直接完成乘累加（MAC）等運算。內(nèi)容涵蓋模擬電路的非線性補償、噪聲抑制及能效優(yōu)化策略，適用于低功耗邊緣計算和神經(jīng)網(wǎng)絡加速。
課程圍繞存內(nèi)計算的模擬電路實現(xiàn)，利用模擬信號處理的天然并行性，在存儲器內(nèi)直接完成乘累加（MAC）等運算。內(nèi)容涵蓋模擬電路的非線性補償、噪聲抑制及能效優(yōu)化策略，適用于低功耗邊緣計算和神經(jīng)網(wǎng)絡加速。
從系統(tǒng)級視角解析存內(nèi)計算的硬件架構創(chuàng)新，包括并行計算范式、數(shù)據(jù)流動態(tài)調(diào)度、FP/INT混合計算架構及異構加速技術。通過優(yōu)化片上資源分配與任務映射，顯著提升深度學習等數(shù)據(jù)密集型任務的吞吐量。
從系統(tǒng)級視角解析存內(nèi)計算的硬件架構創(chuàng)新，包括并行計算范式、數(shù)據(jù)流動態(tài)調(diào)度、FP/INT混合計算架構及異構加速技術。通過優(yōu)化片上資源分配與任務映射，顯著提升深度學習等數(shù)據(jù)密集型任務的吞吐量。
課程以“算法-電路共進化”為核心，探索指令集架構革新（如存內(nèi)計算專用指令擴展）、算子硬件適配優(yōu)化，以及EDA工具鏈的定制開發(fā)策略。通過軟硬件深度融合，最大化存內(nèi)計算的能效比與靈活性。
課程以“算法-電路共進化”為核心，探索指令集架構革新（如存內(nèi)計算專用指令擴展）、算子硬件適配優(yōu)化，以及EDA工具鏈的定制開發(fā)策略。通過軟硬件深度融合，最大化存內(nèi)計算的能效比與靈活性。
系統(tǒng)解析SRAM、DRAM和閃存等傳統(tǒng)存儲器的存內(nèi)計算實現(xiàn)方案，對比其速度、密度與功耗特性，并探討基于電荷存儲機制的電路設計挑戰(zhàn)，例如DRAM存內(nèi)邏輯的刷新策略優(yōu)化。
系統(tǒng)解析SRAM、DRAM和閃存等傳統(tǒng)存儲器的存內(nèi)計算實現(xiàn)方案，對比其速度、密度與功耗特性，并探討基于電荷存儲機制的電路設計挑戰(zhàn)，例如DRAM存內(nèi)邏輯的刷新策略優(yōu)化。
聚焦阻變存儲器（RRAM）、相變存儲器（PCRAM）等新型非易失存儲技術，結合神經(jīng)形態(tài)器件特性，實現(xiàn)類腦計算與脈沖神經(jīng)網(wǎng)絡加速，推動高能效仿生智能硬件的落地。
聚焦阻變存儲器（RRAM）、相變存儲器（PCRAM）等新型非易失存儲技術，結合神經(jīng)形態(tài)器件特性，實現(xiàn)類腦計算與脈沖神經(jīng)網(wǎng)絡加速，推動高能效仿生智能硬件的落地。
深入探討超薄ITO薄膜、氧化物半導體（如IGZO）等新材料在存內(nèi)計算芯片中的應用，分析其超低漏電、高遷移率特性對三維集成與柔性電子器件的賦能潛力，覆蓋工藝制程創(chuàng)新與原型芯片案例。
深入探討超薄ITO薄膜、氧化物半導體（如IGZO）等新材料在存內(nèi)計算芯片中的應用，分析其超低漏電、高遷移率特性對三維集成與柔性電子器件的賦能潛力，覆蓋工藝制程創(chuàng)新與原型芯片案例。
聚焦存內(nèi)計算芯片工藝制程的核心驅(qū)動力——前沿材料研發(fā)，深入解析如何通過材料科學革新突破傳統(tǒng)硅基器件的物理極限，賦能高密度、高能效存算一體芯片的規(guī)?；涞?。從原子級材料設計到晶圓級工藝集成，揭示新材料如何重構“存儲-計算-通信”范式，為后摩爾時代算力革命提供底層支撐。
聚焦存內(nèi)計算芯片工藝制程的核心驅(qū)動力——前沿材料研發(fā)，深入解析如何通過材料科學革新突破傳統(tǒng)硅基器件的物理極限，賦能高密度、高能效存算一體芯片的規(guī)?；涞亍脑蛹壊牧显O計到晶圓級工藝集成，揭示新材料如何重構“存儲-計算-通信”范式，為后摩爾時代算力革命提供底層支撐。
知存科技是全球領先的存內(nèi)計算芯片企業(yè)。公司針對AI應用場景，在全球率先商業(yè)化量產(chǎn)基于存內(nèi)計算技術的神經(jīng)網(wǎng)絡芯片。憑借顛覆性的技術創(chuàng)新，知存科技突破傳統(tǒng)計算架構局限，利用存儲與計算的物理融合大幅減少數(shù)據(jù)搬運，在相同工藝條件下將AI計算效率提升2個數(shù)量級，充分滿足快速發(fā)展的神經(jīng)網(wǎng)絡模型指數(shù)級增長的算力需求。2022年，知存科技推出全球首顆大規(guī)模量產(chǎn)的存內(nèi)計算芯片WTM2101。該芯片已被多家國際知名企業(yè)用于智能語音、AI健康監(jiān)測等場景，相比傳統(tǒng)芯片在算力和功耗上優(yōu)勢顯著，賦能行業(yè)用戶實現(xiàn)端側AI能力的提升和應用的推廣。
目前，知存科技自主研發(fā)的邊緣側算力芯片WTM-8系列即將量產(chǎn)。該系列芯片能夠提供高達48Tops算力，而功耗僅為市場同類方案的5%，將助力移動設備實現(xiàn)更高性能的圖像處理和空間計算。
知存科技自2017年成立以來，獲得多家科技領軍企業(yè)和頂級財務投資機構的持續(xù)支持。未來，知存科技將進一步提升AI算力，完善生態(tài)體系，為AI技術的普及應用提供強大的基礎設施。