工作三年，一直在做基于SRAM/DRAM的传统数字IC设计（比如CPU缓存子系统）。最近看到‘存算一体’（Computing-in-Memory）在AI推理芯片上热度很高，能突破内存墙，感觉很可能是未来方向。但我的知识完全停留在数字电路和标准单元库。如果想向这个方向转型，需要恶补哪些全新的知识？是先去学ReRAM、MRAM这些新型存储器的器件原理和SPICE模型，还是先研究存算一体的模拟乘加单元（MAC）电路设计，或者直接从系统架构和算法映射的角度入手？感觉跨度好大，不知从何学起。
2026年，芯片行业‘存算一体’技术备受关注，对于从事传统冯·诺依曼架构数字IC设计的工程师，想切入这个前沿领域，需要优先补充哪些关于新型存储器（如ReRAM, MRAM）、模拟计算电路和架构-电路协同设计的新知识？
回答 5
我当初从数字后端转存算一体设计时也迷茫过。建议先别一头扎进器件物理，那太底层了。从你熟悉的架构视角切入最平滑：先去理解存算一体到底解决了什么问题，以及它是怎么解决的。重点研究几种主流架构，比如基于SRAM的数字存内计算、基于ReRAM/Flash的模拟存内计算。搞清楚数据流、权重映射方式、模数转换（ADC/DAC）的位置和精度要求。这时你会自然发现自己的知识缺口——哦，原来这里需要模拟MAC电路，那里需要新型非易失存储器。然后再有针对性地补课，比如看ISSCC上相关论文的电路实现。这样学习有目标，不容易迷失。
三年数字IC经验是宝贵基础，转型时别全丢了。存算一体芯片里，数字控制逻辑、接口、时钟网络等还是需要传统数字设计。你的切入路径可以很务实：先聚焦基于SRAM的数字存内计算。这种架构用标准SRAM单元改造，计算部分仍是数字电路，相对容易上手。你可以研究如何用SRAM阵列做位串行乘加，以及相关的数字电路优化。同时，逐步了解模拟存内计算的基本概念作为知识扩展。等你在项目中接触到需要新型存储器或模拟电路时，再深入学习ReRAM/MRAM器件特性及SPICE仿真。这样循序渐进，风险小，也能快速贡献项目价值。
直接回答你的学习顺序问题：架构->电路->器件。千万别反过来，否则会陷入细节出不来。第一步，找几篇存算一体架构的综述论文（比如ACM Computing Surveys上的），理解核心思想、分类、优缺点和应用场景。第二步，学习关键电路模块：模拟乘加单元的具体实现（电流镜、电荷共享等）、高能效ADC/DAC（特别是SAR ADC）、灵敏放大器。可以用Cadence做简单仿真，找找感觉。第三步，再了解新型存储器。ReRAM/MRAM的原理、IV特性、模型、与CMOS工艺集成问题。这时你就能明白电路设计时为什么要考虑器件的非线性、波动性了。另外，一定要补些算法知识，特别是神经网络量化、映射到存算阵列的方法。这能帮你理解系统级需求。
兄弟，你这问题问得很实在，我也是从传统数字转过来的，说点个人体会。存算一体这领域，数字背景其实是个优势，因为最终还是要做系统集成和控制的。我建议你先别一头扎进器件物理或者模拟电路的深坑里。最优先的，是把‘存算一体’这个概念的几种主流架构搞清楚，比如数字存内计算（用SRAM做点积运算）、模拟存内计算（用ReRAM/MRAM的导电性做模拟乘加）、以及数模混合的。先理解它们各自是怎么打破‘内存墙’的，优缺点是什么，适合什么应用（比如AI推理的哪一层）。你可以从几篇经典的综述论文看起，把架构和算法映射（怎么把神经网络映射到存算阵列上）这个高层逻辑打通。有了这个地图，你再决定往电路还是器件深挖，就不会迷路了。
补充一点，现在工业界比较火的，其实是基于SRAM的数字存算一体，因为它和现有工艺兼容性好。你完全可以先从这方面入手，利用你已有的数字设计经验，去研究SRAM阵列怎么改造才能高效做乘加运算。这个切入点更平滑。
从你的描述看，知识跨度确实存在，但转型路径可以很清晰。我建议采取‘自上而下，由表及里’的学习路径，优先顺序如下：
第一步，快速建立系统级认知。不用深究电路细节，先去理解存算一体（CIM）要解决的核心问题——冯·诺依曼架构的数据搬运瓶颈。重点学习几种典型的CIM架构，如基于SRAM的数字CIM，和基于非易失存储器（ReRAM, PCM, MRAM）的模拟CIM。了解它们各自的数据流、计算方式（数字计算 vs. 模拟电流/电压累加）和适用的应用场景（如DNN中的全连接层、卷积层）。这一步可以通过阅读近三年的ISSCC、VLSI Symposium上相关领域的tutorial和综述论文完成。
第二步，深入算法-架构协同设计。这是你发挥数字系统设计优势的地方。研究如何将AI算法（特别是神经网络）映射到存算阵列上。包括权重数据如何驻留、输入数据如何流式处理、部分和如何累加、以及如何量化（对于模拟CIM，量化误差和电路非理想性影响巨大）。这部分知识是连接算法和电路的桥梁，至关重要。
第三步，有选择地切入电路与器件。在有了架构和映射的概念后，再针对性学习：
1. 对于模拟CIM：学习模拟乘加（MAC）的基本电路单元，比如用ReRAM的阻值代表权重，通过欧姆定律和基尔霍夫定律实现乘加。你需要补充模拟电路基础知识：运算放大器、电流镜、积分器、ADC/DAC（因为模拟计算结果最终要转回数字）。此时再去看ReRAM/MRAM的器件特性、SPICE模型和阵列的非理想性（如波动、非线性）会更有的放矢。
2. 对于数字CIM：则可以更专注于SRAM bitcell的改造、近内存计算逻辑的设计以及高能效数字电路技巧。给你的建议是，不要试图一次性掌握所有细节。先抓住架构和算法映射这个主线，它决定了你需要多深的电路和器件知识。同时，关注工业界动态（比如大厂在推什么技术路线），这能帮你判断学习重点。你的数字设计背景在系统集成、控制逻辑设计和验证方面依然大有可为。
发表回答
登录后可在本页底部提交回答
游