新思科技Chekib：AI芯片架构创新面临四大挑战( 六 )_智东西（公众号：zhidxcom）文|司北3月

4、在计算资源内部放入少量的存储资源。但是存储资源仍然有瓶颈，少量的存储资源放不了太多的数据。

5、还有现在比较火的一种方式是把计算资源放到存储器内部，一般叫“存算一体化”，这当中也有很多问题没有被解决，首先它需要非常大的片上存储，只有大量的片上存储才能够把整个神经网络模型都放进去；第二基本上做存算一体的大部分都还是针对全联接层构成的DNN或feature map非常小的卷积层进行设计，对这些比较复杂的卷积神经网络是否能够支持，也是要打问号的。

6、还有一种方法是在算法上设计低精度的网络，降低对存储的需求。这种方式看上去是解决了一定问题，但也有场景受限的情况。

总结一下，如果主要关注在计算方面，即使芯片提高了再大的并行度，它对AI计算的效能提升也是有限的。这种架构我们称之为“类CPU架构，或者“冯诺伊曼架构”。这种架构是由计算驱动存储。因为这种计算资源在神经网络上是比较富余的，用富余的资源驱动稀缺的存储资源，显然没有办法带来很好的收益。