來源：半導體行業觀察
在計算量和數據量變得越來越大的今天，計算和存儲成為了下一步科技發展中要面臨的兩座大山，下一代高性能計算機系統必須突破存儲牆問題。在過去，這兩者一直都是各自發展，再通過下游產品產生交集。但伴隨著未來器件小型化、集成度高的趨勢，使得這兩者開始融合。在這當中，存算一體技術得到了發展。
就科技發展趨勢來看，未來無人駕駛、人臉人別、智能機器人等場景，都將是存算一體技術的發展機會。目前，存算一體主要的實現方式有兩種，一種是基於易失性、現有工藝較成熟的SRAM或DRAM構建，另一種是基於非易失性、新型存儲器件或新材料構建。
為了提高效率，科研人員開發了各種加速部件和專用的深度學習處理器，GPU、TPU等相繼在市場內出現。但由於，這些場景中的模型越來越複雜，所需要的能耗也越來越高。為了通過人工智能使模擬信號處理方式所能實現的計算性能和能效，與現在數字方法相比有較大幅度的提升，就需要利用新材料特性和集成技術，來減少數據處理電路中移動數據的需求。
在這種情況下，一種被稱為是第四種基本元件的憶阻器，進入了智能時代的視線中。據相關資料顯示，憶阻器是1971年，由加州大學伯克利分校的蔡少棠教授根據電子學理論而得，他預測到在電阻器、電容器及電感元件之外，還存在電路的第四種基本元件，即是憶阻器。
廣義憶阻器的內涵很豐富，目前研究者們普遍採用的憶阻器概念實際上是指廣義憶阻器。阻變隨機存取存儲器( RRAM)、相變存儲器以及熱敏電阻、氣體放電燈、金屬-絕緣體轉變(MIT)記憶器件、自旋電子記憶器件、生物體中的離子通道等均可歸屬於憶阻器的範疇。其中，RRAM是研究較多的一種數字型憶阻器。
據相關文獻顯示，憶阻器結構形式非常簡單，總共僅需要三層—— 兩個發送和接收電信號的電極以及之間的“存儲”層。從外部看，憶阻器看起來像一個電阻，因此具有高密度集成和低成本製造的巨大潛力。然而，不同於靜態電阻，憶阻器中的存儲層的物理參數可以通過電學刺激而重新配置，並且會形成記憶效應，其中物理參數的變化（電阻）可用於數據的存儲和處理。
基於這種架構，2008年，惠普公司的研究人員首次做出納米憶阻器件。市場認為，納米憶阻器件的出現，有望實現非易失性隨機存儲器。至此以後，業界就掀起了憶阻器的研究熱潮。在接下來的發展中，憶阻器已在非易失性存儲、邏輯運算、新型計算/存儲融合架構計算和新型神經形態計算等方面，呈現出了極有潛力的應用前景。
憶阻器類似於生物體中的突觸，可用於人工神經網絡研究，被認為是硬件實現人工神經網絡突觸的最好方式。除此之外，由於憶阻的非線性性質，可以產生混沌電路，也使得其在保密通信中也有很多應用。另外，更由於憶阻器具備高集成密度、高讀寫速度、低功耗、多值計算潛力等優勢，也被視為是推動未來存算一體發展的技術之一。
但基於憶阻器存算一體技術的發展，仍然存在著很大的挑戰。在這種情況下，就需要靈活的NPU硬件來適應各種網絡。一個具有足夠靈活性的端到端(設備級到系統級)NPU模擬器是非常必要的。
據EETOP消息稱，在美國舊金山召開的第66屆國際固態電路會議（ISSCC 2019）上，清華大學微電子學研究所錢鶴、吳華強教授團隊報道了國際首個基於阻變存儲器（RRAM）的可重構物理不可克隆函數（PUF）芯片設計，該芯片在可靠性、均勻性以及芯片面積上相對於之前工作都有明顯提升，且具有獨特的可重構能力。
基於憶阻器的架構在馮諾依曼瓶頸和摩爾定律時代之後展示了開發未來計算系統的巨大潛力。在泰克公司第三屆半導體材料器件表徵及可靠性研究交流會上，有行業專家分享了這方面的研究成果。