Persistent Memory Productization driven by AI & ML-Sabour-Avalanche-DRSA

持久内存产品化驱动AI与MLD

云端到节点应用场景

• 云端：大数据处理、数据仓库、数据可视化、数据缓存、数据过滤、AI/ML训练与推理
• 边缘：实时数据处理、ERP、MES、CAD、系统训练、推理、深度学习
• 节点：数据采集、聚合、边缘传输、本地决策、本地学习

节点架构演进：从数据融合到AI

• 传统节点架构：传感器融合、处理器、传输数据
• AI节点架构：传感器融合、处理器、推理（本地决策）、学习（本地刺激）

持久内存技术路线图

• Gen 1 SPI 8Mb：离散物联网内存
• Gen 2 QSPI 32Mb：嵌入式物联网内存
• Gen 3 OSPI 256Mb：28nm NVM MACRO（8-64Mb）+ 28nm SRAM MACRO（8-64Mb）+ 14nm SRAM MACRO（8-64Mb）+ 28nm NVM MACRO（64-256Mb）

边缘/云架构需求

• 云端：持久性、速度、PCIe缓存、GPU核心（机器学习）、边缘通信
• 边缘：持久性、低功耗、最小芯片尺寸

加速云/边缘计算：缓存与GPU内存

• MD-RAM：处理器、DRAM、存储处理、PCIe缓存、AI/ML GPU、存储缓存
• NVDIMM：NVDIMM-N（持久性到DRAM控制器+电池+闪存）、NVDIMM-P（隐藏持久内存耐久性+电池+缓存）、AVA-DIMM（持久性DRAM替代）

持久内存技术对比

• NAND：写速度10-9，耐久性10-12
• SRAM：写速度10-9，耐久性10-9
• RRAM/PCMN：写速度10-9，耐久性10-6
• MRAM：写速度10-9，耐久性10-3
  • 嵌入式：高性能、高温
  • 独立：物联网、中密度RAM、高密度RAM

总结

• MRAM产品化：从云端到物联网节点逐步推进
• 产品多样性：MRAM并非单一产品，涵盖多种技术路线
• 统一平台：基于统一MTJ架构的CPU与内存平台，整合计算、存储、网络
• 应用阶段：云、边缘、节点全覆盖，分阶段产品推出