Im KI-Umfeld enstehen zahlreiche IC-Start-ups, sogar im Sektor der Speicher-Chips. Für sie kommt es darauf an, dass KI die hohen Erwartungen erfüllen kann.
Auch wenn die Speicher-ICs nach einer Aufschwungphase, die ihresgleichen sucht, jetzt wieder einmal tief in den Abschwung eintauchen – grundsätzlich und längerfristig stehen die Zeichen in Zeiten von 5G, IoT, Big Data, KI und autonomem Fahren auf Wachstum. Denn all diese Bereiche sowie die vielen weiteren „smarten“ Sektoren entwickeln einen ungeheuren Speicherhunger. Da dürfte der Optimismus von Toshiba Memory durchaus gerechtfertigt sein. Nach der Trennung von Toshiba nun in Kioxia umbenannt, ist das Unternehmen überzeugt, auch weiterhin vom zu erwartenden stürmischen Wachstum in diesen Marktsektoren profitieren zu können.
Auf zwei Dinge kommt es dazu an: Erstens müssen die Ressourcen zur Verfügung stehen, die erforderlich sind, um die immer neuen Prozesstechnologien und die neuen Fabs für NAND-Flash-ICs und DRAMs finanzieren zu können. Zweitens auf die ruhige Hand – und eine gewisse Fortune –, um das Speicherschiff unbeschadet durch das stürmische Auf und Ab der Zyklen zu steuern. Viele Hersteller hatten über die Vergangenheit zumindest eines davon nicht. Der Konzentrationsprozess hat dazu geführt, dass nur wenige bedeutende Flash- und nur eine Handvoll DRAM-Hersteller übrig geblieben sind.
Kaum eine Rolle spielten bisher alternative Speichertechniken – von ferroelektrischen RAMs (FeRAMs) über Phase Change Memories (PCMs) bis zu magnetoresistiven Memories (MRAMs). Außer in kleinen Nischen konnten sie sich kaum durchsetzen. Eine Ausnahme dürfte die von Intel und Micron entwickelte 3D-XPoint-Technik bilden.
Allerdings wirbelt KI jetzt auch das Speicherumfeld durcheinander. Insbesondere Deep Learning und neuronale Netze machen neue Speicherarchitekturen erforderlich. Processor-in-Memory lautet eines der Schlagwörter. Zuletzt hat Renesas einen solchen SRAM-basierten Chip vorgestellt. Wer neuromorphe Computer entwickeln will, der muss die Speicher entweder sehr nahe an die Prozessor-Einheiten setzen oder gleich über die Prozessoren verteilen – ein deutlicher Unterschied zu den heute üblichen Architekturen. Nur so aber dürfte das Ziel erreichbar sein, Deep Learning zu akzeptablen Energieverbräuchen in Edge-Geräte zu bringen. Da trifft es sich gut, dass sich die neuen Speichertypen für die monolithische Integration zu eignen scheinen. Techniken, die bisher vor allem entwickelt wurden, um NAND-Speicher abzulösen und dem „Unified Memory“ näher zu kommen, die jetzt aber ganz neue Perspektiven eröffnen.
Haben über viele Jahre nur sehr wenige Startups auf dem Gebiet der Halbleitertechnik für Aufsehen gesorgt, gibt es jetzt eine Vielzahl von Neugründungen. Selbst auf dem Gebiet der Speicher-ICs, wo vor wenigen Jahren noch kaum jemand Neugründungen erwartet hätte, geht es inzwischen recht munter zu. Sogar in Deutschland gibt es mit der Ferroelectric Memory Company ein derartiges Startup. Über das Schicksal dieser Neugründungen wird nicht zuletzt entscheiden, ob KI die hohen in sie gesetzten Erwartungen tatsächlich erfüllen kann. Erste Antworten darauf sind auf einem der KI-Vorzeige-Gebiete zu erwarten, dem autonomen Fahren. Wir dürfen gespannt sein, wo die Fahrt hingeht – und in welcher Geschwindigkeit.