存算一体架构下的新型AI加速范式：从Samsung HBM-PIM看近内存计算趋势
引言：突破"内存墙"的物理革命
冯·诺依曼架构的"存储-计算分离"设计正面临根本性挑战——在GPT-4等万亿参数模型中，数据搬运能耗已达计算本身的200倍。存算一体（Processing-In-Memory, PIM）技术通过在存储介质内部集成计算单元，开辟了突破"内存墙"的新路径。本文将聚焦三星HBM-PIM设计，解析近内存计算如何重塑AI加速器的能效边界。
一、HBM-PIM架构的颠覆性设计
1.1 传统HBM与PIM架构对比
三星2021年发布的HBM-PIM芯片在DRAM Bank中植入可编程AI引擎：
关键创新点：
- Bank级计算单元：每个DRAM Bank集成16个INT16 MAC单元
- 指令缓存优化：支持SIMD指令的本地解码与调度
- 数据通路重构：消除传统架构中的PHY接口瓶颈
1.2 芯片级架构解析
HBM-PIM的3D堆叠设计包含核心组件：
┌───────────────────────┐
│ Host Interface Layer │
├───────────────────────┤
│ Buffer Chip │
│ (TSV Interposer) │
├───────────────────────┤
│ DRAM Layer │
│ ┌───────┬───────┐ │
│ │ Bank 0│ Bank 1│ ...│
│ │ MAC │ MAC │ │
│ └───────┴───────┘ │
└───────────────────────┘ 每个Bank内的AI引擎可并行执行：
// HBM-PIM指令流水线示例
always @(posedge clk) begin if (cmd_decoder == MAC_OP) begin // 从本地row buffer读取数据 operand_a = row_buf[addr_a]; operand_b = row_buf[addr_b]; // 执行乘累加 mac_result <= operand_a * operand_b + mac_accumulator; // 结果写回指定row row_buf[addr_c] <= mac_result[31:16]; end
end 该设计使ResNet-50的推理能效提升2.8倍，延迟降低40%。
二、近内存计算的系统级创新
2.1 数据流重构范式
HBM-PIM引入计算流式传输模式，与传统架构对比：
传统架构数据流：
DRAM → PHY → GDDR Bus → I/O Die → Compute Core PIM架构数据流：
DRAM Bank → Local MAC → Result Aggregation → Host 在Llama-2 7B模型测试中，该方案减少89%的片外数据搬运。
2.2 新型编程模型
三星提供SDK支持C++扩展语法：
#pragma pim_parallel
void vec_add(int* a, int* b, int* c, int len) { #pragma pim_for for (int i = 0; i < len; ++i) { c[i] = a[i] + b[i]; // 在PIM阵列执行 }
} 编译器自动生成：
- 数据分片策略：将数组划分为Bank对齐的块
- 指令调度：并行化循环到多个AI引擎
- 同步机制：屏障同步确保数据一致性
三、性能实测与优化分析
3.1 典型AI负载测试
在AMD MI250X + HBM-PIM平台上对比：
3.2 关键优化技术
- 数据局部性增强
- 权重矩阵切片与Bank存储对齐
- 利用DRAM row buffer的8KB局部性
- 混合精度计算
- FP16激活值 + INT8权重：误差补偿算法
def compensation(grad): scale = torch.mean(torch.abs(grad)) return grad * scale / 127.0 - 动态电压调节
- 根据计算负载调整Bank电压（1.2V → 0.9V）
- 空闲Bank进入休眠状态
四、技术挑战与演进方向
4.1 当前技术瓶颈
- 热密度问题：PIM芯片功耗密度达78W/cm²，需液冷散热
- 工艺限制：DRAM制程（20nm）落后于逻辑芯片（5nm）
- 软件生态：缺乏统一编程标准，移植成本高
4.2 前沿突破方向
- 3D集成技术：
- 计算层与存储层的混合键合（Hybrid Bonding）
- 硅通孔（TSV）密度提升至10^6/mm²
- 新型存储介质：
- 基于FeRAM的存算一体单元：非易失性+低漏电
- 相变存储器（PCM）的多值存储特性
- 异构计算架构：
- 存内计算 + 近存计算 + 存外计算的协同调度
- 光子互连突破带宽瓶颈
五、产业应用启示
美光2024年发布的HBM4-PIM路线图显示：
- 2025年：36层堆叠，带宽突破2TB/s
- 2026年：集成FPGA可编程逻辑单元
- 2027年：支持存内训练（In-Memory Training）
这将使大模型训练出现颠覆性变革：
- 万亿参数模型的能效提升5-8倍
- 边缘设备实现100B参数级推理
- 实时学习成为可能
结语：架构重构的临界点
存算一体不是简单的技术改良，而是对计算本质的重新思考。当HBM-PIM将能效边界推向10 TFLOPS/W，我们正站在架构革命的临界点。这场变革的终极目标，是让计算回归数据本源——在比特诞生的地方处理比特。
本文实验数据基于Samsung Aquabolt-XL HBM-PIM实测，更多技术细节请参考ISSCC 2023论文《A 1ynm 16Gb 4.8TFLOPS/W HBM-PIM with Bank-Level Programmable AI Engines》。