半導體供應鏈存儲器缺貨絕對是橫貫2017年的主調，但除了量變，大數(shù)據(jù)中心、AI深度學習運算帶來對CPU與AI處理器的運算速度、存儲容量高門檻要求，也正在改變整個存儲器乃至于運算基礎核心架構。

在近日一場GSA存儲器高峰論壇上，半導體與數(shù)據(jù)平臺、服務器領域與會人士對上述議題展開熱議。

西數(shù)(Western Digital)董事長兼COO Mike Cordano提到，未來存儲產業(yè)仍然機會巨大，占整個IC行業(yè)的三分之一份額，其中DRAM約600億美元、NAND Flash約480億美元、微處理器70億美元，其中嵌入式超過70%。

美光則表示，幾個行業(yè)發(fā)展方向將驅動存儲器革新與發(fā)展，包括中低端手機增加服務、云平臺的運用計算、2G-3G服務升級到4G、以及汽車無人自動駕駛等。

在最火熱的車聯(lián)網(wǎng)領域，除了聯(lián)網(wǎng)機制，車聯(lián)網(wǎng)倚賴大量快速實時傳輸?shù)拇鎯ζ鬟M行數(shù)據(jù)的傳輸、存儲，也將刺激這一市場高速增長。美光指出，預估在汽車領域，到2020年，非易失性存儲器將實現(xiàn)四倍增長，達到1TB存儲容量；DRAM的帶寬也將達到每秒100GB以上，車用存儲器對環(huán)境溫度也將介于-40~+125攝氏度。

從實際應用層面，相較于服務器所用的存儲器來說，車用存儲器的門檻要求更高、需要更穩(wěn)定，同時，不論易失性、或非易失性存儲器，容量與傳輸速度同樣至關重要。

存儲器增能 不能再指望摩爾定律推進

在談及云計算數(shù)據(jù)中心要求方面，存儲架構的重新設計、分層，讀取與寫入的延遲如何持續(xù)進行優(yōu)化則是關注焦點。

阿里巴巴基礎設施團隊首席架構師蔣曉偉表示，服務器主要支撐云平臺運作系統(tǒng)需求，他稱摩爾定律即將終結，這意味不能再靠摩爾定律指望給存儲器帶來能量與計算力的持續(xù)增長，須注入新的活力。

他指出，阿里巴巴數(shù)據(jù)中心依賴Intel通用的X86架構CPU，與大量存儲頻寬，2014年起便與英特爾展開深度合作，與其Xeon系列芯片進行客制化、訂制化版本的合作，每瓦性能比通用型CPU還要高。

阿里巴巴旗下淘寶有深度學習的網(wǎng)絡，運用圖形過濾算法精準預測客戶想要商品的圖片，為了加速深度學習，應用著重于訂制的GPU服務器，同時開放云端分享給客戶使用。蔣曉偉稱，通用版的CPU沒辦法再適用于異質運算需求，例如深度學習。

阿里巴巴基礎架構團隊目前負責打造全球各地的數(shù)據(jù)中心的基礎建設與架構，如最新建設成的浙江省千島湖數(shù)據(jù)中心，其運用湖水發(fā)電進行冷卻；內蒙綠色環(huán)保數(shù)據(jù)中心則依賴風能、太陽能供電。

AI運算存儲器大量需求仍靠外供

華為首席科學家、首席研究員Balint Fleischer則認為，AI時代的到來，對于運算挑戰(zhàn)非常艱巨，對于運算中心來說，CPU與AI處理器并行，但編程不同，須將CPU+AI處理器統(tǒng)一集成到以存儲器為中心核心設計的架構之下。華為稱之為“Memory Hub”，以存儲為中心運營，對于數(shù)據(jù)中心非常關鍵。

阿里巴巴也在存儲領域進行軟、硬件整合設計。AliFlash支持PCIe v.1.0、高IOPS、低延遲， 但FLASH、DRAM架構設計由內部來做，希望把功耗降低，主要還是從外部供給，有專門的部門來進行供應鏈管理。

Kilopass CEO Charlie Cheng則認為，當前國內要自行發(fā)展存儲器壓力較大，同時追隨西方的步伐很難，要開發(fā)新技術闖出一條路也不容易。