在旧金山的国际电子设备会议上，斯坦福大学电气工程师Philip Wong发表了关于混合存储介质如何解决人工智能（AI）所面临的能源问题的重要演讲。他的研究基于当前计算需求的快速增加，特别是AI在处理复杂数据时对存储系统和架构的压力。Wong强调，传统存储器如SRAM、DRAM和Flash已经不能满足现代计算应用的需要，因此必须重新思考存储架构和技术的整合。

为了应对AI计算带来的能源挑战，Wong提出了一种名为MOSAIC的创新设计理念。这个系统以硅CMOS芯片为基础，通过堆叠不同类型的存储器元件——快速访问的STT-MRAM、金属氧化物RRAM以及高密度增益单元等，形成一个高效的处理系统。这种设计的核心优势在于它可以将数据存储在靠近处理的位置，实现更高的能效。

当今计算问题的需求——尤其是AI——正迅速超过现有存储系统和架构的能力。今天的软件假定可以随机访问任何给定的内存位。将所有这些数据从内存来回移动到处理器会消耗大量的时间和能量。并不是所有的数据都是平等的，有些需要经常访问，有些不需要。Wong认为，这个“内存墙”问题需要关注。

including generative AI," Wong explains. Asia Pacific (excluding China) will host the largest number of colocation sites by 2030, accounting for 28% of total colocation sites worldwide. Europe is the ...