大數據、人工智慧時代，巨量資料需要儲存與運算，因此我們需要更大的記憶體。（圖／Harrison Broadbent，Unsplash）

當今的計算機是以范紐曼架構（Von Neumann model）為基礎：資料儲存在硬碟裡，做運算時先把資料搬到主記憶體，然後再搬到CPU。在面臨巨量資料運算的未來，現在的記憶體夠用嗎？或者問，現在的電腦架構應付得了嗎？

記憶體極度飢餓的時代

台灣大學資訊工程學系特聘教授郭大維說：「現在是記憶體極度飢餓的時代。」

從大數據方面可以看出，過去一年所累積的資料量，等於人類有史以來至前年的資料量。這還只是現今應用所累積的數據，未來還有物聯網，汽車、眼鏡等手邊的東西都會連網，就會產生更多巨量資料。在大數據、人工智慧時代，這些巨量資料的產生會需要儲存與運算，因此不難想見，我們需要更大的儲存設備、更大的記憶體。

就算有足夠大的儲存設備和記憶體，巨量資料從雲端搬到個人電腦的儲存設備、記憶體、CPU裡，搬動的速度夠快嗎？現在的記憶體速度約為奈秒，試想1TB的資料量從儲存設備搬到記憶體需要時間多久？

同時，當處理器以摩爾定律成長時，其實儲存設備和記憶體也跟著快速成長，甚至超過摩爾定律。但成長到一定程度時，記憶體的耗電量其實非常驚人，以往電腦內是CPU、GPU等處理器最耗電，現在可能變成記憶體。以DRAM為例，由於DRAM有漏電（leakage power）的問題，需要不停把電路內容刷新，刷新這個動作就很耗電。

因此，我們需要一個又大又快又省電的記憶體。

創新的記憶體，創新的電腦架構

過去幾十年來，我們把硬碟進化成固態硬碟，速度從毫秒提升到微秒，提升快約1,000倍左右，或許還足堪應付過去的需要，但恐怕跟不上未來的成長幅度。另外，就算儲存設備速度趕得上，也會很難以需要的速度搬到主記憶體裡來運算。

因此科學家開始思考，假設可以把儲存設備的速度提升到奈秒，那麼硬碟和記憶體就統一了，變成一個創新的記憶體。檔案系統可以儲存在創新的記憶體裡，應用程式一樣可以下載到創新的記憶體裡做運算。也就是說，創新的記憶體可以當作記憶體用，也可以當作儲存使用。

雖然這樣可以解決儲存設備和記憶體之間的問題，但對於人工智慧可能還是不夠。以深度學習的架構為例，它是仿人類神經元架構，有好多層，每層有多個節點，巨量資料進入第一層，在每個節點上做運算後，根據路徑再送入第二層，依此類推。每一層的每個節點都是同時在計算，資料輸出入與計算是融合在一起，與傳統的范紐曼結構的基礎設計原理是不同的。

據估計，若希望深度學習的速度能比現在快2倍、4倍、8倍⋯⋯，記憶體所需的速度是呈指數增長，目前技術根本做不到。如果能夠把創新記憶體的速度變得跟CPU一樣快，並且拓寬記憶體頻寬（每次搬運的資料量），那就更完美了。

或許人類得摒棄范紐曼結構，重新設計電腦，在積體電路上改用神經元的仿生結構是一種大家在思考的選擇。每一個節點就類似一個神經元，資料在這中間流動，每一個點都可以做計算，也就是讓資料在「記憶體中處理」（Processing- in- Memory, PIM）。這也是許多公司在設計未來AI晶片的可能作法。

郭大維認為，目前的計算機架構有其瓶頸，需要新的記憶體、新的計算機架構，才能迎接大數據、人工智慧的時代。