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

1. 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‌

2. 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  

3. 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

1. 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

2. 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

3. 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》。