谁在死磕，存算一体？

背景：后摩尔时代的算力困局

随着摩尔定律逐渐失效，芯片性能的提升越来越依赖架构创新而非单纯工艺微缩。而在大模型时代，参数规模从数十亿激增至数千亿，对存储带宽和容量的需求呈指数级上升。传统冯·诺依曼架构因计算与存储分离，频繁的数据搬运导致“存储墙”和“功耗墙”问题日益突出。

英伟达CEO黄仁勋曾直言，GPU中有70%的时间在等待数据，凸显了这一瓶颈的严重性。因此，存算一体（Compute-in-Memory, CIM）作为芯片架构的范式级创新，正被寄予厚望，被视为打破这一困局的关键路径。

技术路径：三种主要方案各有优劣

存算一体的技术路径主要包括以下三类：

• 近存计算（Near-Memory Computing, NMC）：计算单元与存储单元通过先进封装（如HBM、3D堆叠）实现紧密集成，类似将仓库和工厂建在同一园区。
• 存内处理（Processing-in-Memory, PIM）：在存储器外围电路中嵌入计算功能，相当于在仓库内设立初加工车间，部分运算可在存储端完成。
• 存内计算（Computing-in-Memory, CIM）：直接利用存储介质的物理特性（如电阻、电荷、磁性）在存储阵列中执行计算，实现了真正的“存储即计算”。该方案能效比最高，但实现难度最大。

此外，不同存储介质的选择也影响技术路径：

• SRAM：读写速度快，兼容CMOS工艺，但存储密度低。
• DRAM：适合处理大容量模型，但与CMOS工艺兼容性差。
• Flash：非易失、低功耗，但读写速度受限。
• 新型忆阻器（如ReRAM、MRAM、PCM）：具备良好的扩展性和能效，被认为是未来的理想介质，但目前良率和成熟度仍是挑战。

中国企业：多路并进，覆盖全场景

中国企业在存算一体领域展现出丰富多样的技术流派与应用布局，主要分为三类方向：

大算力、大模型方向

• 后摩智能：采用SRAM存算一体架构，自研第二代IPU架构“天璇”，实现浮点运算量产，推出国内首款存算一体智驾芯片鸿途H30，2025年第四季度将量产漫界M50芯片。
• 亿铸科技：走ReRAM路线，自主研发全数字存算一体芯片，积极引入RISC-V生态，计划2026年推出国产AI算力卡。

端侧、边缘AI方向

• 微纳核芯：基于CIM技术，融合3D近存计算和RISC-V异构架构，推出3D-CIM架构芯片，与兆易创新等企业合作推进生态建设，2025年已获得兆易创新入股。
• 炬芯科技：采用SRAM存内计算，推出AI音频芯片ATS323X、ATS362X，已实现量产，并应用于头部品牌无线麦克风和耳机。
• 知存科技：基于NOR Flash技术，推出WTM2101语音芯片，实现超过1000万颗出货量，广泛用于华为、小米等智能穿戴设备；新一代WTM-8系列支持AI视觉功能，算力达24TOPS，功耗仅市场同类方案的5%。

新型存储介质方向

• 昕原半导体：专注ReRAM技术研发，其28nm制程芯片已量产，是目前国内唯一实现ReRAM存算一体量产的企业。产品线包括ATOM系列，广泛应用于VR/AR等场景，曾获字节跳动投资。

商业化进展：已开始进入规模化落地阶段

尽管存算一体仍处于技术演进早期，但已在中国开始商业化落地：

• 炬芯科技：已实现端侧AI音频芯片的量产和出货，客户覆盖消费电子头部品牌。
• 知存科技：WTM2101语音芯片出货超千万颗，进入智能穿戴设备市场。
• 后摩智能：鸿途H30芯片2024年发布并通过车规认证，2025年量产，与联想、科大讯飞、中国移动等展开合作。
• 微纳核芯：与多家手机厂商和存储芯片厂商深度合作，牵头推动RISC-V存算一体标准制定。
• 亿铸科技：2023年完成原型芯片流片，计划2026年推出国产AI算力卡。

这些进展表明，存算一体在端侧、边缘、智驾等场景已具备实际商用能力，未来有望在数据中心和大模型训练中发挥更大作用。

未来展望：存算一体能否成为大模型的终极答案？

在大模型算力需求不断膨胀的背景下，存算一体技术的发展路径可分为三个阶段：

1. 初期阶段：作为专用加速器，承担推理、预处理等特定任务，补充GPU万卡集群。
2. 中期阶段：通过先进封装（如3D堆叠）与GPU深度融合，构建“近存+存内”的混合架构。
3. 长期阶段：当新型非易失性存储介质（如ReRAM）成熟后，存算一体芯片有望成为算力集群的核心，实现“存储即计算”的全新架构体系。

尽管还面临良率、精度、通用性等挑战，存算一体已从实验室走向量产，逐步进入主流视野。其未来是否能成为大模型算力的终极答案，取决于技术演进、生态构建与市场需求的共同推进。

本文来自微信公众号“半导体产业纵横”（ID：ICViews），作者：九林，由36氪授权发布。