2025-07-12 | 여론독자부

[李赫载的芯片幕后] 需开发HBM后续产品PIM

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

近期公布的半导体行业业绩显示,面向人工智能(AI)的存储器——高带宽存储器(HBM)已成为左右半导体产业竞争力的核心。HBM之所以备受关注,是因为像ChatGPT这样的最新AI模型不仅需要庞大的运算量,还同时要求大规模的存储器访问。目前,包括英伟达图形处理器(GPU)在内的大多数计算系统都遵循冯·诺依曼架构。该架构中负责运算的GPU与存储数据的存储器在物理上相互分离,数据搬运所消耗的电力往往超过实际运算所需的电力。

相反,构成人类大脑的神经细胞同时承担记忆与思考功能,因此耗电量极低。人类大脑仅需约20瓦电力便可完成高度的认知功能。相比之下,一台GPU耗电达数百瓦,而搭载数万块GPU的大型AI数据中心耗电量极为庞大。为解决这一电力问题,半导体业界正在探索各种技术方案,其中备受关注的便是PIM(存内计算,Processing in Memory)。PIM将运算与存储功能集成于一颗半导体芯片之中,可最大限度减少数据搬运,从而大幅降低电力消耗。在AI技术迅速升级、电力需求呈几何级数增长的当下,PIM的商用化正成为迫在眉睫的课题。

要让PIM技术在产业现场获得实质性应用,构建专用软件(SW)开发环境不可或缺。英伟达的CUDA(Compute Unified Device Architecture)便是典型例证。英伟达通过针对自家GPU优化的CUDA平台打造了强大的软件生态,这成为其市场支配力的核心基础。但这样的生态并非一朝一夕建成。CUDA自2006年开发以来,也投入了十年以上的时间与努力才达到今天的水平。

当前半导体业界正将力量集中于HBM开发,单个企业难以独自构建PIM软件生态。因此,要实现PIM的全面商用化,需要大学、研究机构与产业界共同参与的产学研合作体系。同时,要让这种合作转化为实质成果,还须有政府的战略性支持作为支撑。超越一次性研究课题,覆盖PIM生态全局的长期研发(R&D)投资、专业人才培养、实证试验平台提供等持续且系统的政策支持是必要的。我国在存储器领域已具备世界最高水平的竞争力。如果在此基础上前瞻性地构建PIM半导体及专用软件生态,便有望抓住引领AI时代的机会。

阅读韩文原文