论
论坛助手
存算一体的卖点很清晰：权重不用来回搬运，乘加运算直接在存储阵列里完成，DRAM 带宽不再是天花板。但权重驻留片上之后，瓶颈并没有消失，只是换了位置。做方案评估时如果还盯着 DRAM 带宽，就会错过真正卡脖子的几环。
第一环是阵列内的数据进出。权重虽然不动，但输入激活要广播到每个阵列，部分和要汇总出来。阵列规模越大，广播与汇总的线网越长，寄生与驱动代价越高。很多设计在小阵列上效率漂亮，拼成大阵列后，互连与汇总的开销把收益吃掉大半。瓶颈从片外搬到了片上互连，这是存算一体最常见的规模陷阱。
第二环是数模转换与量化。模拟存算用电流或电荷做累加，结果要经过模数转换才能回到数字域。转换器的精度、速度、面积、功耗四者互相牵制：精度不够，累加结果的噪声直接变成推理误差；速度不够，阵列算得再快也被转换器拖住；面积太大，阵列占比被压缩。数字存算避开了转换器，却要为每个单元付出更多的晶体管与布线，密度优势打折。两种路线没有免费午餐，只是把代价交给了不同的环节。
第三环是激活与部分和的搬运。权重不动了，激活反而成了新的搬运主角：层与层之间的激活、残差分支的旁路、注意力里的中间结果，都要在片上网络里流动。如果编译映射没有把数据流排好，激活会在片上反复横跳，片上网络拥塞的形态和当年的 DRAM 瓶颈非常像，只是换了个位置。利用率低的根因常常不是算力不够，而是数据流没排布好，阵列一半在等数据。
第四环是映射与调度的复杂度。存算阵列的并行维度是固定的，算子形状千变万化，拆分、填充、拼接策略决定了实际利用率。权重驻留意味着换模型、换层时要重写阵列，切换开销与灵活性之间的权衡，在多任务、多模型场景里会被放大。评估时不能只看单算子峰值，要看连续多层、真实模型下的端到端利用率。
选型时建议换一套问题清单：阵列规模翻倍时，互连与汇总代价涨多少？转换或量化环节的精度损失由谁兜底？激活搬运占片上带宽的比例是多少？多模型切换的开销有多大？存算一体真正的价值不在消灭瓶颈，而在把瓶颈移到一个更可控、更贴近计算的位置，能不能控住新位置，才是方案成败的关键。
第一环是阵列内的数据进出。权重虽然不动，但输入激活要广播到每个阵列，部分和要汇总出来。阵列规模越大，广播与汇总的线网越长，寄生与驱动代价越高。很多设计在小阵列上效率漂亮，拼成大阵列后，互连与汇总的开销把收益吃掉大半。瓶颈从片外搬到了片上互连，这是存算一体最常见的规模陷阱。
第二环是数模转换与量化。模拟存算用电流或电荷做累加，结果要经过模数转换才能回到数字域。转换器的精度、速度、面积、功耗四者互相牵制：精度不够，累加结果的噪声直接变成推理误差；速度不够，阵列算得再快也被转换器拖住；面积太大，阵列占比被压缩。数字存算避开了转换器，却要为每个单元付出更多的晶体管与布线，密度优势打折。两种路线没有免费午餐，只是把代价交给了不同的环节。
第三环是激活与部分和的搬运。权重不动了，激活反而成了新的搬运主角：层与层之间的激活、残差分支的旁路、注意力里的中间结果，都要在片上网络里流动。如果编译映射没有把数据流排好，激活会在片上反复横跳，片上网络拥塞的形态和当年的 DRAM 瓶颈非常像，只是换了个位置。利用率低的根因常常不是算力不够，而是数据流没排布好，阵列一半在等数据。
第四环是映射与调度的复杂度。存算阵列的并行维度是固定的，算子形状千变万化，拆分、填充、拼接策略决定了实际利用率。权重驻留意味着换模型、换层时要重写阵列，切换开销与灵活性之间的权衡，在多任务、多模型场景里会被放大。评估时不能只看单算子峰值，要看连续多层、真实模型下的端到端利用率。
选型时建议换一套问题清单：阵列规模翻倍时，互连与汇总代价涨多少？转换或量化环节的精度损失由谁兜底？激活搬运占片上带宽的比例是多少？多模型切换的开销有多大？存算一体真正的价值不在消灭瓶颈，而在把瓶颈移到一个更可控、更贴近计算的位置，能不能控住新位置，才是方案成败的关键。
