存算一体

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论
  • AI算力告急!存算一体芯片成为颠覆性的“破局者”?
    随着人工智能大模型向万亿参数量级演进,传统芯片架构下“内存墙”引发的能耗与延迟问题日益凸显,成为制约AI产业规模化发展的瓶颈。存算一体芯片通过“数据原地计算”的架构创新,打破了存储与计算单元分离的传统模式,从根源上解决了数据搬运带来的效率损耗问题。本文结合半导体产业技术变革趋势,剖析存算一体架构的核心优势,探讨其与专用ASIC芯片、先进封装制造技术的协同创新逻辑,分析在绿色算力生态下的应用场景落地,并展望存算一体芯片与AI产业深度融合的发展前景,为行业技术创新与产业布局提供参考。
    AI算力告急!存算一体芯片成为颠覆性的“破局者”?
  • 存算一体写入十五五规划,谁在埋头解决通用与软件生态难题?
    AI发展迅猛,日均AI token调用量激增,存算一体技术因其降低能耗、提升效率的特点备受瞩目。中国存算一体产业正在由概念导入迈向工程落地,亿铸科技作为早期布局者,探讨了存算一体技术面临的挑战与机遇。
  • 中国存算一体芯片代表公司(TOP 10)
    本报告介绍了存算一体和存算融合领域的领先企业和新型融合方向的企业。知存科技、九天睿芯、后摩智能专注于存算一体芯片;壁仞科技、燧原科技、天数智芯、摩尔线程聚焦存算融合架构;得一微电子、长江存储探索存储与存算一体融合;中科微至则在感存算一体领域取得进展。这些企业在不同方向上推动了AI芯片的发展,提升了计算效率和能效比。
  • 谁在死磕,存算一体?
    2026年,存算一体技术迎来重大突破,清华大学、华为与字节跳动联合发布基于28nm工艺的混合存内计算芯片,效率和能效显著提升。存算一体技术分为近存计算、存内处理和存内计算三大流派,各具特色。中国存算一体企业在数字存算一体、模拟存算一体、SRAM、DRAM、Flash和新型忆阻器等方面积极探索,形成多样化的技术路线。大算力企业如后摩智能和亿铸科技聚焦数据中心和智能驾驶,端侧AI企业如微纳核芯和炬芯科技注重低功耗和高效计算。新型存储介质企业如昕原半导体致力于ReRAM技术产业化。尽管商业化进程取得一定成果,但存算一体技术仍处于逐步演进阶段,有望在未来成为大模型时代的算力瓶颈解决方案。
    谁在死磕,存算一体?
  • 重塑端侧存力:从高通和江波龙等5家芯片厂商看具身智能的存储架构创新
    具身智能时代,存储范式重构,AI从数字逻辑迈向具身智能,存储成为存力核心。预计2026年全球存储市场规模突破6000亿美元。具身智能硬件需要极致的QoS一致性和带宽弹性。UFS 5.0协议提供10.8GB/s带宽,解决首Token延迟。KV Cache卸载至eSSD,缓解内存压力。国产存储企业通过技术创新打破技术垄断,如高通、江波龙、佰维等。存储面临写放大控制、耐久性管理和热失控防护等技术挑战。未来,存算一体和HBM端侧化有望进一步提升能效和带宽。
    重塑端侧存力:从高通和江波龙等5家芯片厂商看具身智能的存储架构创新
  • Groq LPU vs 其它CIM芯片:谁将成为AI推理时代存算一体芯片市场的最大赢家?
    英伟达推出Vera Rubin平台,采用异构计算架构,包括Vera CPU、Rubin GPU和Groq LPX,旨在解决大规模AI推理中的瓶颈。Groq LPX基于软件定义VLIW架构,利用SRAM实现高速解码。AI推理分为预填充和解码两阶段,前者注重并行处理,后者强调内存带宽和延迟。CIM技术通过在存储阵列内原位完成计算,消除数据搬运开销,提高能效。全球CIM芯片厂商如d-Matrix、Axelera AI、Mythic等各有所长,中国厂商如知存科技、后摩智能也在积极发展。CIM技术有望在未来AI基础设施中占据重要地位。
    Groq LPU vs 其它CIM芯片:谁将成为AI推理时代存算一体芯片市场的最大赢家?
  • 全球存算一体芯片公司Top10盘点
    以下是关于十家公司的简要介绍:1. TetraMem:位于美国加州Santa Clara,采用基于ReRAM/Memristor的模拟存算一体技术,能效高(>20 TOPS/W),已完成多次流片,主要以IP授权模式运营。
  • 下一个半导体周期,这些领域是关键
    集成芯片间的竞争日益激烈,英特尔、台积电和三星代工都在提供全3D IC的基础组件,以实现性能提升和功耗降低。据Future Market Insights预测,3D IC和2.5D IC封装市场将以9.0%的年复合增长率增长,至2035年市场规模将达到1380亿美元。中国以12.2%的增速领先全球市场。 芯片集成技术,尤其是芯粒(Chiplet)为核心的异构集成,成为推动行业发展的关键方向。通过先进封装技术,芯粒可以在单一封装内实现高效集成,优化成本与性能。EDA工具和方法、数字孪生、多物理场仿真等技术革新,以及先进设备的支持,对于实现3D集成至关重要。 混合键合设备是实现高性能计算的关键设备,荷兰的BESI公司和韩国的韩美半导体等企业在该领域取得显著进展。国内厂商如拓荆科技和迈为股份也开始布局混合键合设备。 存算一体技术解决了传统计算架构中的“冯·诺依曼瓶颈”,通过3D封装工艺实现高带宽内存与逻辑计算芯片的垂直堆叠,降低数据搬运的能耗与延迟。国际和国内半导体厂商都在积极布局存算一体技术,推出商业化产品。
    下一个半导体周期,这些领域是关键
  • 算力困局下,中国芯片靠“存算一体+RISC-V异构+3D近存” 杀出重围?
    三维存算一体技术凭借算力密度、能效及生态适配优势,成为破解AI产业算力与能效瓶颈的关键路径。RISC-V与存算一体的深度融合,弥补了计算短板,并构建了统一的软件体系。三维存算一体架构通过3D堆叠技术、SRAM存算一体和RISC-V异构架构,实现了存储、计算、带宽和生态的全方位优化,为AI场景提供高效解决方案。
    5269
    2025/09/16
    算力困局下,中国芯片靠“存算一体+RISC-V异构+3D近存” 杀出重围?
  • 一文看懂“存算一体”
    存算一体是一种将存储和计算相结合的技术,旨在解决传统存算分离架构中的“存储墙”和“功耗墙”问题。它通过减少数据搬运次数和降低能耗来提高计算效率。存算一体的发展经历了从理论研究到实际应用的过程,目前主要有近存计算、存内处理和存内计算三种技术路线。应用场景主要包括AI计算、AIoT智能物联网产品和云端AI计算等领域。然而,存算一体技术面临技术、生态和市场等方面的挑战,但仍具有广阔的市场前景。
    一文看懂“存算一体”
  • 专题报道 | 破局存算协同:如何筑牢AI时代的存力底座?
    当数据存储的发展目标遇上AI大模型的爆发式算力需求,存力产业正经历从“容量竞赛”到“效能革命”的转折挑战。存算网协同也逐渐成为行业公认的贯通存力、算力与运力的核心路径,正在重塑包括芯片在内的全产业链生态格局。就存储侧而言,如何推动国产SSD从简单的存储介质升级为数据智能调度中枢,成为存力产业变革的关键目标。
    专题报道 | 破局存算协同:如何筑牢AI时代的存力底座?
  • 最高能效比!他又死磕“存算一体”2年,拿出全新端边大模型AI芯片
    当他再次高调出现在大众面前,已经是时隔两年之久。他就是后摩智能CEO吴强博士,很多人好奇他和他的团队在这两年时间里都在做什么。而就在今年WAIC期间,吴强终于给出了答案——发布潜心两年的成果:后摩漫界®M50,一款业界能效比最高的存算一体端边大模型AI芯片。
    最高能效比!他又死磕“存算一体”2年,拿出全新端边大模型AI芯片
  • 端侧AI为什么需要SRAM存算一体架构?
    从端侧AI芯片工程师的角度来看,面对带宽、能耗与成本三重挑战,引入SRAM存算一体架构(In-Memory Computing, IMC) 是应对当前大模型端侧部署瓶颈的核心解决方案之一。
    端侧AI为什么需要SRAM存算一体架构?
  • 把百亿大模型装进终端,存算一体如何“破局”端边算力困局?
    超级AI应用爆发前的算力革命已经来了。今天,一场横跨各个产业的算力革命正在AI新时代爆发,随着以DeepSeek为代表的国产大模型加速走向产业,AI从云端走向端边,大模型和AI应用的落地热潮势不可挡。在这样的趋势下,AI推理算力需求的暴涨给产业同时带来了机遇和挑战,根据公开数据预测,未来3年,推理算力年复合增速将达到训练算力的近4倍。
    1548
    2025/07/29
    把百亿大模型装进终端,存算一体如何“破局”端边算力困局?
  • 10W功耗跑通百亿大模型!存算一体芯片引爆端边AI算力革命
    存算一体芯片自身能效比高——在同等功耗下,可实现更大的算力;或是同等算力下,能达到更低的功耗。这是它与AI大模型天然的契合点。
    3085
    2025/07/28
  • 国产芯实力!后摩智能 M50 芯片登场,赋能端边大模型普及
    7月25日,WAIC 2025 前夕,后摩智能正式发布全新端边大模型 AI 芯片——后摩漫界M50,同步推出力擎系列 M.2卡、力谋系列加速卡及计算盒子等硬件组合,形成覆盖移动终端与边缘场景的完整产品矩阵。M50 芯片实现了160TOPS@INT8、100TFLOPS@bFP16 的物理算力,搭配最大 48GB 内存与153.6 GB/s 的超高带宽,典型功耗仅 10W,相当于手机快充的功率,就能
  • 发力存算网协同,运营商如何在存力上做文章?
    AI大模型参数规模突破万亿级,AI算力的重要性已经毋庸置疑。但随着算力基础设施越建越多,一个被忽视的真相也逐渐清晰:最终决定训练乃至推理效率的不是单纯的算力峰值,而是数据从存储到计算的“流转效率”。
    发力存算网协同,运营商如何在存力上做文章?
  • 我国科研团队,突破了存算一体技术瓶颈
    汹涌澎湃的AI浪潮,给陷入低谷期的半导体行业带来了新的发展动力,也同时在倒逼产业创新,以更加适应AI的需求。
    2234
    2025/07/09
  • 中国团队国际首创存算一体排序架构 攻克智能硬件加速难题
    2025年6月25日,北京大学团队在智能计算硬件方面取得领先突破,国际上首次实现了基于存算一体技术的高效排序硬件架构(A fast and reconfigurable sort-in-memory system based on memristors),解决了传统计算架构面对复杂非线性排序问题时计算效率低下的瓶颈问题,在这一极难攻克的人工智能基础算子加速领域形成优势,将为具身智能、大语言模型、智
    1218
    2025/06/27
    中国团队国际首创存算一体排序架构 攻克智能硬件加速难题
  • DeepSeek时代的终极硬件?忆阻器存算一体技术深度解析!
    DeepSeek掀起AI计算革命,算力瓶颈何解? AI领域正在经历一场颠覆性的变革!DeepSeek,一款近期火爆全球的开源AI大模型,正与GPT-4、Sora等模型一起,掀起一场前所未有的算力竞赛。随着AI训练规模的指数级增长,计算资源的短缺已经成为无法忽视的问题——算力不足,功耗爆表,传统芯片难以支撑未来AI需求! 当前主流的冯·诺依曼架构已无法跟上AI发展的步伐,存储与计算分离导致数据搬移成
    DeepSeek时代的终极硬件?忆阻器存算一体技术深度解析!

正在努力加载...