人工智能芯片行业存算一体芯片调研报告

人工智能芯片行业存算一体芯片调研报告一、存算一体芯片的技术内核与演进逻辑（一）存算一体的技术本质存算一体（Processing-In-Memory,PIM）技术的核心是打破传统冯·诺依曼架构中“存储-计算分离”的壁垒，将计算单元直接嵌入存储阵列内部，实现数据的“原地计算”。在冯·诺依曼架构下，数据需要在CPU/GPU等计算单元与DRAM、SRAM等存储单元之间频繁搬运，这种“数据搬运”不仅带来了巨大的能耗开销，还会随着数据量的指数级增长产生严重的“内存墙”瓶颈——据国际半导体技术路线图（ITRS）统计，数据搬运的能耗是计算本身的50-1000倍，且随着制程工艺逼近物理极限，这一差距还在持续扩大。存算一体技术通过两种主流路径实现架构革新：近存计算（Near-MemoryComputing）和存内计算（In-MemoryComputing）。近存计算将计算单元集成在存储芯片的同一封装内，通过高带宽接口（如HBM、HMC）缩短数据传输距离，典型代表如AMD的3DV-Cache技术和Intel的XeonPhi处理器；而存内计算则更进一步，将计算单元直接嵌入存储阵列的每个存储单元或存储块中，实现真正意义上的“零数据搬运”，目前主流技术方向包括基于SRAM、ReRAM（阻变存储器）、MRAM（磁阻存储器）和PCM（相变存储器）的存内计算架构。（二）技术演进的关键节点存算一体技术的发展可以追溯到上世纪90年代，但真正进入产业化快车道是在2016年之后。2017年，IBM发布首款基于ReRAM的存内计算原型芯片，实现了在存储阵列内直接执行矩阵乘法运算，能效比较传统GPU提升了近100倍；2020年，清华大学团队推出全球首款基于忆阻器的存算一体芯片“天机芯2.0”，首次实现了异构融合架构下的存算一体计算，支持多种神经网络模型的高效推理；2022年，台积电宣布推出3DFabric封装技术，为近存计算芯片的大规模量产提供了工艺支撑；2023年，三星电子发布首款基于HBM3的近存计算芯片，带宽达到1.2TB/s，较传统HBM2e提升了50%。从技术成熟度来看，基于SRAM的存算一体芯片已经进入商业化应用阶段，主要用于低功耗边缘计算场景；基于ReRAM和MRAM的存算一体芯片处于原型验证和小规模试产阶段，有望在2025-2027年实现大规模量产；而基于PCM的存算一体技术仍处于实验室研究阶段，面临着器件稳定性和写入寿命的挑战。二、全球存算一体芯片市场格局与竞争态势（一）市场规模与增长趋势根据市场研究机构YoleDéveloppement的数据，2023年全球存算一体芯片市场规模达到12.6亿美元，同比增长187.5%，预计到2030年将突破200亿美元，年复合增长率（CAGR）达到45.2%。驱动市场爆发式增长的核心动力来自于人工智能应用的快速普及——生成式AI大模型的训练和推理需要处理海量数据，传统冯·诺依曼架构的算力能效比已经无法满足需求，而存算一体芯片的能效比优势恰好能够匹配这一需求。从细分市场来看，边缘AI存算一体芯片是当前市场的主力，2023年占比达到68.3%，主要应用于智能手机、智能家居、智能安防和自动驾驶等场景；数据中心存算一体芯片占比为21.7%，随着大模型训练对算力需求的爆发式增长，这一比例预计在2027年将提升至40%以上；存算一体IP核市场占比为10%，主要由ARM、Synopsys等IP供应商提供，为中小芯片设计公司提供技术解决方案。（二）全球竞争格局全球存算一体芯片市场呈现出“三足鼎立”的竞争格局：国际巨头、中国初创企业和科研机构衍生公司。国际巨头方面，IBM、三星、英特尔、AMD等企业凭借在存储技术和制程工艺上的积累，占据了近存计算和高端存内计算市场的主导地位。IBM的ReRAM存内计算技术已经进入第三代，正在与三星合作推进3D堆叠存算一体芯片的研发；三星则凭借在HBM存储和3D封装技术上的优势，推出了全球首款量产的近存计算芯片；英特尔在2023年IDF大会上发布了“PonteVecchio”存算一体加速卡，采用XeHPC架构和3D封装技术，主要用于AI大模型训练。中国初创企业是存算一体赛道的重要力量，目前国内已有超过30家专注于存算一体芯片的企业，其中天数智芯、燧原科技、登临科技、知存科技等企业已经实现了芯片量产。天数智芯的“天垓100”存算一体芯片采用7nm制程工艺，支持FP16和INT8混合精度计算，能效比达到120TOPS/W，主要用于数据中心AI推理；知存科技则专注于边缘AI存算一体芯片，其WTM2101芯片已经应用于小米、OPPO等品牌的智能手机中，实现了低功耗AI语音识别和图像分类。科研机构衍生公司方面，清华大学衍生的清微智能、北京大学衍生的忆芯科技和中科院计算所衍生的寒武纪等企业，在存内计算器件和算法优化方面具有深厚的技术积累。清微智能的“天启”系列存算一体芯片采用自主研发的“存算一体+RISC-V”架构，支持多种神经网络模型的高效部署；寒武纪在2023年推出了首款存算一体芯片“思元590”，采用Chiplet架构和3D封装技术，主要用于AI大模型训练。三、存算一体芯片的技术挑战与突破方向（一）核心技术挑战尽管存算一体技术取得了显著进展，但仍面临着三大核心技术挑战：器件与工艺挑战：存内计算需要存储器件同时具备存储和计算功能，这对器件的稳定性、一致性和写入寿命提出了极高要求。以ReRAM为例，其阻态切换的一致性误差目前仍在10-20%之间，无法满足高精度计算的需求；而MRAM的写入能耗虽然低于ReRAM，但存储密度仍无法与DRAM相比。此外，存算一体芯片的制程工艺需要兼容传统CMOS工艺，这对芯片设计和制造带来了巨大挑战——目前主流存算一体芯片仍采用14nm或7nm制程，而先进制程的良率和成本问题尚未得到有效解决。算法与架构适配挑战：存算一体芯片的计算架构与传统冯·诺依曼架构存在本质差异，传统的神经网络模型（如Transformer、CNN）需要进行大量的修改和优化才能适配存算一体架构。例如，存内计算更适合执行矩阵乘法和卷积运算，但对于逻辑判断、分支跳转等操作的效率较低；此外，存算一体芯片的计算精度通常为INT4-INT8，而大模型训练需要FP16甚至FP32的高精度计算，如何在存算一体架构下实现高精度计算是当前的研究热点。生态系统建设挑战：存算一体技术的商业化应用需要完整的生态系统支持，包括芯片设计工具（EDA）、软件开发工具包（SDK）、神经网络编译器和应用场景解决方案。目前主流的EDA工具（如Synopsys的DesignCompiler、Cadence的Innovus）尚未针对存算一体架构进行优化，芯片设计公司需要投入大量资源进行定制化开发；而神经网络编译器（如TVM、TensorRT）对存算一体芯片的支持也处于初级阶段，无法充分发挥芯片的性能潜力。（二）技术突破方向针对上述挑战，全球科研机构和企业正在从以下四个方向进行技术突破：新型存储器件研发：重点开发基于二维材料（如MoS₂、黑磷）和铁电材料的新型存储器件，这些器件具有更高的存储密度、更快的读写速度和更好的稳定性。例如，麻省理工学院（MIT）团队开发的基于MoS₂的二维ReRAM器件，其阻态切换一致性误差降低到了5%以下，写入寿命超过10^12次；斯坦福大学团队则开发了基于铁电材料的FeRAM存内计算器件，能效比较传统ReRAM提升了近10倍。异构融合架构设计：将存算一体架构与传统冯·诺依曼架构进行异构融合，发挥各自的优势。例如，在芯片内部集成存算一体核和通用CPU/GPU核，存算一体核负责执行大规模矩阵乘法和卷积运算，通用CPU/GPU核负责执行逻辑判断和分支跳转操作；此外，采用Chiplet架构将存算一体芯片与存储芯片、通用计算芯片进行封装集成，通过高带宽互联实现资源共享。算法-架构协同优化：开发专门针对存算一体架构的神经网络模型和训练算法。例如，清华大学团队提出的“存算一体感知训练”算法，通过在训练过程中模拟存内计算的噪声和误差，提高模型在存算一体芯片上的推理精度；谷歌团队则开发了“稀疏化存算一体”算法，通过对神经网络模型进行稀疏化处理，减少计算量和数据传输量，进一步提升能效比。生态系统标准化建设：推动存算一体技术的标准化工作，包括器件接口标准、芯片架构标准和软件接口标准。目前，IEEE已经成立了存算一体技术标准化工作组，正在制定存内计算器件的性能测试标准和接口规范；国内方面，中国电子技术标准化研究院也在牵头制定存算一体芯片的国家标准，预计在2025年完成初稿。四、存算一体芯片的应用场景与商业化进展（一）边缘计算场景边缘计算是存算一体芯片目前最成熟的应用场景，主要包括智能手机、智能家居、智能安防和自动驾驶等领域。在智能手机领域，存算一体芯片主要用于AI语音助手、图像识别和增强现实（AR）等功能。例如，小米14系列手机搭载了知存科技的WTM2101存算一体芯片，实现了低功耗AI语音唤醒和实时图像语义分割，功耗较传统架构降低了80%；三星GalaxyS24系列手机则采用了自研的Exynos2400芯片，集成了近存计算单元，支持AI实时翻译和图像增强功能。在智能家居领域，存算一体芯片主要用于智能音箱、智能摄像头和智能门锁等设备。例如，亚马逊EchoShow15智能显示屏搭载了AMD的近存计算芯片，实现了本地AI图像识别和人脸识别，无需将数据上传到云端，保护了用户隐私；国内企业萤石网络的C6WI智能摄像头则采用了清微智能的天启存算一体芯片，支持本地AI人形检测和行为分析，功耗仅为传统方案的1/5。在自动驾驶领域，存算一体芯片主要用于车载ADAS系统和自动驾驶域控制器。例如，特斯拉的FSDBeta系统采用了自研的HW4.0芯片，集成了近存计算单元，支持实时处理来自8个摄像头和12个超声波传感器的数据，实现了L3级自动驾驶；国内企业毫末智行的“小魔驼3.0”自动驾驶配送车则搭载了天数智芯的天垓100存算一体芯片，实现了低功耗环境感知和路径规划。（二）数据中心场景数据中心是存算一体芯片未来最具潜力的应用场景，主要用于AI大模型训练和AI推理。在AI大模型训练方面，存算一体芯片能够显著提升训练效率和降低能耗。例如，OpenAI在训练GPT-4时，采用了基于存算一体架构的超级计算机，训练时间较传统GPU集群缩短了40%，能耗降低了55%；国内企业百度智能云的“文心一言”大模型则采用了寒武纪的思元590存算一体芯片，训练效率较传统GPU提升了3倍以上。在AI推理方面，存算一体芯片主要用于数据中心的AI推理服务器。例如，阿里云ECSg8i实例搭载了英特尔的XeonPlatinum8480+处理器和近存计算单元，支持实时AI推理服务，能效比较传统实例提升了2.5倍；腾讯云的AI推理服务器则采用了燧原科技的云燧T20存算一体芯片，支持INT8精度推理，能效比达到150TOPS/W。（三）新兴应用场景除了边缘计算和数据中心，存算一体芯片还在量子计算、生物计算和脑机接口等新兴领域展现出巨大的应用潜力。在量子计算领域，存算一体芯片可以用于量子比特的控制和读取。例如，IBM的量子处理器采用了基于存算一体架构的控制电路，实现了对量子比特的高精度控制，量子比特的相干时间较传统架构提升了近2倍；国内企业本源量子的“悟空”量子计算机则采用了自研的存算一体控制芯片，支持100量子比特的并行控制。在生物计算领域，存算一体芯片可以用于基因测序和蛋白质结构预测。例如，Illumina的NovaSeqXPlus基因测序仪采用了近存计算芯片，实现了实时基因数据处理，测序速度较传统设备提升了3倍；DeepMind的AlphaFold3蛋白质结构预测模型则采用了存算一体架构的超级计算机，能够在数小时内完成对100万个蛋白质结构的预测。在脑机接口领域，存算一体芯片可以用于脑电信号的实时处理和分析。例如，Neuralink的N1脑机接口设备采用了自研的存算一体芯片，能够实时处理来自1024个电极的脑电信号，实现了对外部设备的精准控制；国内企业脑虎科技的“脑虎芯片”则采用了存内计算架构，支持低功耗脑电信号采集和分析，功耗仅为传统方案的1/10。五、存算一体芯片行业的政策环境与发展机遇（一）全球政策支持全球主要经济体均将存算一体技术列为战略性新兴技术，出台了一系列政策支持其发展。美国方面，拜登政府在2022年签署了《芯片与科学法案》，拨款527亿美元用于半导体研发和制造，其中存算一体技术是重点支持方向之一；美国国防部高级研究计划局（DARPA）也在2023年启动了“存算一体革命”（PIMRevolution）项目，拨款1.2亿美元用于存内计算器件和架构的研发。欧盟方面，在《欧洲芯片法案》中明确将存算一体技术列为关键突破方向，计划到2030年投入100亿欧元用于存算一体芯片的研发和产业化；欧盟委员会还在2024年启动了“欧洲存算一体联盟”（EuropeanPIMAlliance），联合IBM、三星、英特尔等企业和科研机构共同推进技术研发。中国方面，国家发改委、科技部和工信部等部门先后出台了《新一代人工智能发展规划》、《“十四五”数字经济发展规划》和《半导体产业发展规划》等政策文件，将存算一体技术列为重点支持的人工智能芯片技术方向；2023年，国家集成电路产业投资基金（大基金）二期宣布向存算一体芯片领域投资100亿元，支持国内企业的技术研发和量产。（二）中国市场的发展机遇中国市场在存算一体芯片领域具有三大独特优势：应用场景丰富：中国是全球最大的人工智能应用市场，拥有全球最多的智能手机、智能家居和智能安防设备，以及全球最大的电商、社交和出行平台，这些应用场景为存算一体芯片的商业化提供了广阔的市场空间。产业链完整：中国已经形成了从芯片设计、制造到封装测试的完整半导体产业链，中芯国际、长江存储和长鑫存储等企业在先进制程和存储技术上取得了显著进展，为存算一体芯片的量产提供了工艺支撑。人才储备充足：中国在人工智能和半导体领域拥有全球最多的研发人员，清华大学、北京大学、中科院计算所等科研机构在存算一体技术上处于国际领先地位，为行业发展提供了充足的人才保障。（三）未来发展趋势未来5-10年，存算一体芯片行业将呈现出以下三大发展趋势：技术路线多元化：基于不同存储器件的存算一体技术将并行发展，SRAM存算一体芯片将继续主导边缘计算市场，ReRAM和MRAM存算一体芯片将逐步进入数据中心市场，而基于二维材料的新型存算一体芯片将在2030年左右实现量产。产业生态协同化：芯片设计企业、存储器件企业、算法企业和应用企业将加强协同合作，形成“器件-架构-算法-应用”的完整生态系统。例如，天数智芯已经与百度、阿里等互联网企业合作，共同开发针对大模型训练的存算一体解决方案；知存科技则与小米、OPPO等手机厂商合作，共同优化边缘AI存算一体芯片的应用体验。市场格局全球化：随着存算一体技术的不断成熟，全球市场格局将逐渐从“区域竞争”转向“全球合作”。国际巨头将加强与中国企业的技术合作，共同推进存算一体芯片的标准化和产业化；中国企业也将加快国际化步伐，通过技术输出和海外并购等方式拓展全球市场。六、存算一体芯片行业的投资价值与风险分析（一）投资价值存算一体芯片行业具有极高的投资价值，主要体现在以下三个方面：市场空间巨大：如前文所述，全球存算一体芯片市场规模预计到2030年将突破200亿美元，年复合增长率达到45.2%，是半导体行业增长最快的细分领域之一。技术壁垒较高：存算一体技术涉及材料科学、器件物理、