据复旦工研院消息，近日，该院张立华课题组参与的芯片院存算一体智能处理器研究团队，针对后摩尔时代的人工智能处理器设计的相关挑战，提出了多芯粒集成存算一体人工智能芯片COMB-MCM。该系统在发挥存算一体“非冯”架构的性能和能效优势的同时，避免模拟计算电路的计算误差，并且利用多芯粒集成技术实现了流片后的算力可扩展性。

据介绍，存算一体（Computing-In-Memory，CIM）架构通过将数据存储单元和计算单元融合为一体，彻底消除不必要的数据搬移，破解了传统冯诺伊曼架构处理器与存储器分离，访存瓶颈导致的“存储墙”和“功耗墙”问题，极大提高了算力和能效。

该技术在需要密集访存的AI应用中展现出超高的能效，被认为是下一代人工智能芯片的关键技术。

复旦大学的工作主要从三个层面进行了技术探索和创新：

在架构层面，提出了基于SRAM的存边计算型存算一体架构（Computing-On-Memory-Boundary，COMB），进一步减少现有存算融合系统中权重更新引起的数据搬移，降低系统功耗开销；

在电路层面，提出了支持细粒度双极稀疏感知的存算融合宏单元电路结构，在不增加额外检测电路的情况下兼容任意的稀疏模式，降低人工智能算法的计算功耗；

在系统层面，提出了基于逐层流水线的多芯粒算法映射方法，并搭建了多芯粒集成（Multi-Chip-Module，MCM）可扩展系统来支持不同复杂度的人工智能任务。面对不同规模神经网络时，通过配置芯粒的数量，实现计算与存储需求的按比例增长，可避免了“一系统一设计”的重复研发成本，也为未来单一封装内的异质异构集成提供了一个新的设计思路。

官网文章称，该人工智能芯片方案分别采用65nm和28nm工艺制造，65nm工艺下通过2.5D封装的MCM系统验证了方案的可行性，并在28nm工艺下实现了更好的性能。

相关研究成果发表在被誉为“集成电路奥林匹克”的国际固态电路会议ISSCC 2022。微电子学院博士研究生朱浩哲、工程与应用技术研究院硕士研究生焦博、张锦山为共同第一作者，芯片与系统前沿技术研究院青年副研究员陈迟晓为该论文通讯作者。