内存芯片技术的未来

内存成本随时间扩展，新内存技术成本/GB同比增长约40%，传统内存成本/GB同比约30%下降。全球芯片产量中，存储器占比持续提升，晶体管计数中存储器占比超过非存储器。

日常操作驱动了对数据和存储需求的增加，数据中心、汽车、手机、医学等领域数据量激增，AI模型复杂度超越摩尔定律，用户数据生成速度达2.5万亿字节/天。AI内存解决方案需要更高带宽、更好性能和更低功耗。

传统摩尔定律结束，领域特定架构（DSA）成为趋势，深度学习加速器等DSA优化计算和数据流，增强对内存和数据传输的依赖。通过提高内存效率进行DSA缩放，模拟加速器等技术在合理功耗范围内显著提升效率。

关键挑战包括有限的深度、内存计算能力，需要协同内存、存储和加速器，探索未来内存和存储构建模块的架构、框架和操作系统。极致内存带宽需>100TB/s，需通过架构/算法、语言和框架等提升。

新兴存储器如PCM、RRAM、FeRAM等特性各异，成本/比特和耐力各有优劣。异构集成是未来趋势，晶圆到晶圆键合技术实现高精度互连，推动内存和计算协同集成。

技术发展指导原则包括识别突破性挑战、驱动全栈创新、展示原型级别解决方案。内存系统协作目标是通过新材料、新兴存储器和以内存为中心的计算架构，实现端到端能力原型设计，初始展示者包括程序/基础架构、内存中心架构、内存/计算原型和3D内存结构数据中心规模申请架构分析。

材料、器件和电路层面创新机遇包括低Ioff半导体材料、类神经形态计算、多元MLC等，需兼容高性能CMOS，探索新物理学和机制，利用成熟技术实现新功能和用途。