半导体供应链存储器缺货绝对是横贯2017年的主调，但除了量变，大数据中心、AI深度学习运算带来对CPU与AI处理器的运算速度、存储容量高门槛要求，也正在改变整个存储器乃至于运算基础核心架构。
在近日一场GSA存储器高峰论坛上，半导体与数据平台、服务器领域与会人士对上述议题展开热议。
西数(Western Digital)董事长兼COO Mike Cordano提到，未来存储产业仍然机会巨大，占整个IC行业的三分之一份额，其中DRAM约600亿美元、NAND Flash约480亿美元、微处理器70亿美元，其中嵌入式超过70%。
美光则表示，几个行业发展方向将驱动存储器革新与发展，包括中低端手机增加服务、云平台的运用计算、2G-3G服务升级到4G、以及汽车无人自动驾驶等。
在最火热的车联网领域，除了联网机制，车联网倚赖大量快速实时传输的存储器进行数据的传输、存储，也将刺激这一市场高速增长。美光指出，预估在汽车领域，到2020年，非易失性存储器将实现四倍增长，达到1TB存储容量；DRAM的带宽也将达到每秒100GB以上，车用存储器对环境温度也将介于-40~+125摄氏度。
从实际应用层面，相较于服务器所用的存储器来说，车用存储器的门槛要求更高、需要更稳定，同时，不论易失性、或非易失性存储器，容量与传输速度同样至关重要。
存储器增能 不能再指望摩尔定律推进
在谈及云计算数据中心要求方面，存储架构的重新设计、分层，读取与写入的延迟如何持续进行优化则是关注焦点。
阿里巴巴基础设施团队首席架构师蒋晓伟表示，服务器主要支撑云平台运作系统需求，他称摩尔定律即将终结，这意味不能再靠摩尔定律指望给存储器带来能量与计算力的持续增长，须注入新的活力。
他指出，阿里巴巴数据中心依赖Intel通用的X86架构CPU，与大量存储频宽，2014年起便与英特尔展开深度合作，与其Xeon系列芯片进行客制化、订制化版本的合作，每瓦性能比通用型CPU还要高。
阿里巴巴旗下淘宝有深度学习的网络，运用图形过滤算法精准预测客户想要商品的图片，为了加速深度学习，应用着重于订制的GPU服务器，同时开放云端分享给客户使用。蒋晓伟称，通用版的CPU没办法再适用于异质运算需求，例如深度学习。
阿里巴巴基础架构团队目前负责打造全球各地的数据中心的基础建设与架构，如最新建设成的浙江省千岛湖数据中心，其运用湖水发电进行冷却；内蒙绿色环保数据中心则依赖风能、太阳能供电。
AI运算存储器大量需求仍靠外供
华为首席科学家、首席研究员Balint Fleischer则认为，AI时代的到来，对于运算挑战非常艰巨，对于运算中心来说，CPU与AI处理器并行，但编程不同，须将CPU+AI处理器统一集成到以存储器为中心核心设计的架构之下。华为称之为“Memory Hub”，以存储为中心运营，对于数据中心非常关键。
阿里巴巴也在存储领域进行软、硬件整合设计。AliFlash支持PCIe v.1.0、高IOPS、低延迟， 但FLASH、DRAM架构设计由内部来做，希望把功耗降低，主要还是从外部供给，有专门的部门来进行供应链管理。
Kilopass CEO Charlie Cheng则认为，当前国内要自行发展存储器压力较大，同时追随西方的步伐很难，要开发新技术闯出一条路也不容易。
本文转自d1net（转载）
