存算一体架构的SRAM设计_人工智能硬件.docx

PAGE2

存算一体架构的SRAM设计

第一章绪论

1.1研究背景

人工智能技术的飞速发展正深刻重塑着全球计算格局。以深度神经网络为代表的智能算法，在图像识别、自然语言处理等领域取得了突破性进展。

然而，算法性能的每一次跃升，都伴随着模型参数量的指数级增长。从早期的AlexNet到如今的大语言模型，网络规模已膨胀了数个数量级。

这一趋势直接引发了严峻的“内存墙”问题。传统冯·诺依曼架构中，计算单元与存储单元物理分离，数据必须在两者之间频繁搬运。

数据搬运的能耗远高于计算本身，且总线带宽成为制约系统吞吐率的瓶颈。这一矛盾在边缘侧智能设备上表现得尤为尖锐。

边缘设备受限于严格的功耗预算与