存算一体产业发展现状、技术突破与产业化路径深度调研报告

存算一体（CIM）深度调研报告深度调研报告研究时间：2026-10-05研究对象：存算一体（Compute-in-Memory，CIM）技术目标读者：希望快速理解并做决策的专业读者、技术决策者与行业研究者方法：多源联网调研、来源可信度分级（A/B/C/D）、来源账本、主张-证据矩阵交叉验证

目录打开Word后按Ctrl+A再按F9更新域即可生成目录

研究时间：2026-10-05研究对象：存算一体（Compute-in-Memory，CIM）技术目标读者：希望快速理解并做决策的专业读者、技术决策者与行业研究者方法：多源联网调研、来源可信度分级（A/B/C/D）、来源账本、主张-证据矩阵交叉验证执行摘要存算一体（Compute-in-Memory，CIM）是将存储与计算功能完全融合的技术架构，旨在解决传统冯·诺依曼架构中存储与计算分离导致的"存储墙"和"功耗墙"瓶颈，通过减少或消除数据搬运，大幅提升计算效率并降低功耗。截至2026年，存算一体已从实验室原理验证阶段逐步走向产业落地，进入从学术研究走向大规模商业化应用的关键阶段，并已写入国家"十五五"规划，成为下一代算力核心方向。核心判断如下：产业定位明确：存算一体代表下一代算力范式革新，与近存计算同属缓解冯·诺依曼瓶颈的路径，但融合度更高、能效潜力更大，二者可协同互补而非简单替代（S4、S7、S3）。市场处于高速增长期：芯片级市场规模从2025年约47.3亿美元增长至2026年预测突破72.8亿美元，广义产业链口径突破120亿美元，预计未来CAGR超40%，产业渗透率持续提升（S5、S8、S18）。技术突破密集：SRAM存内计算能效持续突破（28nm工艺峰值能效达258.5TOPS/W），忆阻器存算一体实现99.999%良率与千万级集成，ADC瓶颈、精度问题等技术难点取得阶段性突破（S2、S7、S35、S36）。产业化加速推进：2026年被业内称为存算一体芯片量产元年，后摩智能M50、知存科技WTM2101、小米玄戒O100等已实现量产交付，端侧推理场景率先规模化落地（S6、S20、S21、S23）。风险挑战客观存在：精度与能效权衡、制造工艺与良率瓶颈、软件生态与标准化不足、知识产权FTO风险、合规与供应链风险等挑战仍客观存在，规模化推广面临多重制约（S5、S7、S8、S10、S12）。总体来看，存算一体技术发展潜力明确、产业化进程加速，但技术成熟度、生态建设与规模化量产仍需持续突破。技术决策者应关注SRAM与忆阻器双路线并进格局，重点关注量产工艺节点、软件生态适配与合规标准建设等关键变量。关键发现概念本质：存算融合而非简单拼接存算一体（CIM）将存储与计算功能完全融合，核心是在芯片设计中消除多级缓存中转、利用存储单元物理特性原位完成乘累加运算，从架构层面解决数据搬运瓶颈，属于矩阵计算的高效IP核（S4、S7、S13）。其核心是计算与存储融合而非简单集成拼接，尤其适合矩阵计算占比极高的AI算法（S4）。技术分类：三层次演进，CIM为融合度最高根据存储与计算的距离远近，广义存算一体分为近存计算（PNM）、存内处理（PIM）、存内计算（CIM）三层，其中CIM是融合度最高的狭义存算一体（S4、S8、S12）。存算一体并非简单将计算电路放入存储器件，而是通过消除缓存结构、利用存储单元物理特性（欧姆定律、基尔霍夫定律）在原位完成运算，实现存储与计算高度融合（S7）。市场规模分层显著，不可混用单一值比较存算一体市场规模因统计口径差异极大，需严格分层标注（芯片级/系统级/全链条/广义），不可混用单一值比较。2025年芯片级规模约47.3亿美元（广义产业链口径突破120亿美元），2026年预测芯片级突破72.8亿美元，广义产业链突破87.2亿美元，CAGR超40%（S5、S8、S18）。中国市场2025年存算一体芯片市场规模约13.6亿美元，2030年预计占全球总量27.5%（S13、S17）。政策体系完善，产业化政策驱动明确国家层面，《电子信息制造业发展"十五五"规划》明确加快存算一体等新计算范式布局，设置先进计算产业系统化提升专栏；地方层面，湖南、杭州临平、江苏无锡等多地出台专项政策，提供资金补贴、标准奖励与产业基金支持。存算一体已纳入国家算力与存储战略，政策推动力度大（S1、S2、S23、S24）。技术突破密集，多路线并进格局形成SRAM存内计算工艺成熟、能效突破显著（28nm工艺258.5TOPS/W）；忆阻器存算一体实现千万级集成与99.999%良率；存内整流、交叉模态耦合、ADC优化等关键技术取得进展。SRAM、DRAM、ReRAM、Flash、MRAM等多元介质路线并行发展，数模融合路线成为趋势（S2、S7、S35、S36、S11）。产业化加速，量产交付进入元年2026年成为存算一体芯片量产元年，后摩智能M50（10W功耗160TOPS）、知存科技WTM2101、小米玄戒O100等已实现量产交付，端侧推理场景率先规模化落地，形成端云协同商业模式（S6、S20、S21、S23、S24）。风险挑战多元，规模化推广面临制约精度与能效权衡、制造工艺与良率瓶颈、软件生态与标准化不足、知识产权FTO风险、合规与供应链风险等挑战客观存在。模拟存算精度受限、数字存算成本高、新型存储量产平台稀缺、EDA工具链落后等瓶颈制约规模化推广（S5、S7、S8、S10、S12）。可信度总览结论可信度主要来源说明存算一体概念本质与融合特性高S4,S7,S13A/B级来源支撑，定义明确，多源交叉验证市场规模数据（分层口径）中S5,S8,S18,S13数据来自机构测算，不同口径数值差异大，已分层标注技术突破与性能数据高S2,S35,S36,S7,S39多来自科研机构官网与学术会议一手来源，数据原始政策体系与产业化落地高S1,S2,S23,S24,S26含国家/地方官方文件与政府发布，可信度最高产业化进展与量产情况中S6,S20,S21,S23,S24多为行业媒体报道，部分为厂商口径，已标注需交叉验证风险挑战与争议中S5,S7,S8,S10,S12呈现双方观点，争议点明确标注冲突，属多方视角汇总市场预测与未来趋势中低S16,S32,S33机构预测性数据，存在口径差异与利益导向，需谨慎采信详细分析1.背景与定义存算一体的概念起源与核心本质存算一体（Compute-in-Memory,CIM）是一种将存储与计算功能完全融合的技术架构，旨在解决传统冯·诺依曼架构中因存储与计算分离导致的"存储墙"（数据搬运开销大、能耗高）和"功耗墙"（计算能耗占总AI工作负载比例高）瓶颈，通过减少或消除数据搬运，提升计算效率并降低功耗。其核心是在芯片设计中不再区分存储单元与计算单元，真正实现存算融合，属于矩阵计算的高效IP核，效率更高、成本更低，尤其适合矩阵计算占比极高的AI算法（S4、S7）。1969年，斯坦福研究所的Kautz等人率先提出存算一体计算机的概念，但受限于当时技术与工艺，仅停留在理论研究阶段。此后经过数十年演进，存算一体从概念提出逐步走向产业探索，2022年《存算一体白皮书》正式定义其PNM/PIM/CIM三类广义分类，明确了技术本质与核心特征（S4、S8、S12）。存算一体与近存计算的本质边界近存计算（PNM）是对"计算单元与存储单元物理距离较近"状态的描述，属架构优化手段，仍保留多层缓存结构，本质仍是存算分离（如3D堆叠、HBM、HBM-PIM）。而存算一体（CIM）是矩阵计算过程中无需Cache、数据读出即计算的全新架构，从架构层面消除了多级Cache中转，从根本上避免了数据搬运，二者同属缓解冯·诺依曼瓶颈的路径，但分属不同技术层级，可协同互补（S7）。需厘清"存算一体"与"近存计算"的本质边界，避免概念混淆。广义分类与存储介质根据存储与计算的距离远近，广义存算一体分为近存计算（PNM）、存内处理（PIM）、存内计算（CIM）三类，其中CIM是融合度最高的狭义存算一体（S4、S8）。存内计算包含模拟式与数字式两种实现方式：模拟式利用存储单元物理特性通过模拟信号操作完成矩阵运算，优势是功耗极低、晶体管用量少，但精度有限；数字式在存储阵列内加入逻辑计算电路，以数字方式操作，精度高，适用高精度场景（S9、S13）。常见存储介质包括SRAM、DRAM、NORFlash、ReRAM、MRAM等，各介质在工艺成熟度、集成度、精度与功耗方面各有优劣，构成存算一体技术路线的多样性基础（S9、S11）。2.发展脉络与当前状态发展时间线存算一体的发展历经多阶段演进：概念萌芽（1969年）：Kautz等人提出存算一体计算机概念，处于理论研究阶段（S8、S9、S12）。早期探索（1997–1999年）：IntelligentRAM方案将处理器与DRAM集成单芯片，算力达CrayT-90的5倍；FlexRAM方案实现计算性能提升25~40倍，但因需求不足、成本高昂，仅停留在研究阶段（S9）。器件验证（2010年）：惠普实验室Williams团队提出利用忆阻器实现简单布尔逻辑功能，开启器件验证阶段（S8、S12）。里程碑架构（2016年）：UCSB谢源团队提出基于ReRAM的PRIME存算一体架构，发表于ISCA顶级会议，实现功耗降低约2360×、能耗降低约895×，成为存算一体架构里程碑（S1）。产业原型爆发（2017年）：Micro2017上，英伟达、英特尔、微软、三星等多家机构推出存算一体系统原型，掀起学术与产业热潮（S8、S9）。商业化探索（2019–2023年）：SRAM存算芯片实现二值权重神经网络卷积计算；ReRAM存算芯片降低延迟并提升能效；台积电提出SRAM存内计算方案，三星发布HBM2-PIM内存；清华大学吴华强、高滨团队研制全球首颗全系统集成忆阻器存算一体芯片，成果发表于《科学》（S1、S5、S10）。当前态势（2026年至今）：存算一体从实验室原理验证走向产业落地，进入规模化商业化应用关键阶段，已写入国家"十五五"规划，成为下一代算力核心方向（S7）。当前技术状态当前存算一体技术呈现多路线并进、突破密集的态势。SRAM存内计算已实现28nm工艺量产，峰值能效达258.5TOPS/W；忆阻器存算一体实现千万级集成与99.999%良率，高精度AI任务能效超H100GPU160倍；存内计算已覆盖边缘推理、端侧AI等应用场景，2026年进入量产交付元年（S2、S7、S35、S36）。3.关键问题分析（1）核心技术突破进展SRAM存内计算效率突破：中科院微电子所刘明院士/张锋研究员团队基于Radix16+LUT技术，将INT8×INT8计算周期降至2周期（此前最好4周期），28nm工艺实现最高258.5TOPS/W峰值能效，MAC计算功耗降低1.84-2.44倍（S2）。ISSCC2025上，微电子所张锋团队发表28nm可转置双模浮点存算一体宏芯片，BF16均值能效达48TFLOP/W，精度损失小于2.2%（S35）。忆阻器存算突破：清华大学姚鹏团队忆阻器存算一体实现99.999%良率与千万级集成，复合氧化物忆阻材料电导态连续精准调控；微电子所近阈值RRAM存算芯片实现电荷域计算一体化，16核芯片能效达55.21-88.51TOPS/W（S7、S36）。ADC与交叉模态耦合突破：香港大学团队攻克存算一体ADC瓶颈，利用忆阻器可编程特性实现硬件原生自适应ADC，芯片功耗锐减57.2%、面积缩小30.7%（S31）；存内整流与交叉模态耦合技术突破传统二值调制瓶颈，支持高精度计算（S6、S9）。稀疏优化技术：PICA（相控脉冲阵列）稀疏技术被广泛应用，模型规模可减少16倍，索引存储开销降低6.02倍，保持20.7%WER准确率，提升CNN/RNN加速器能效（S1、S14）。（2）主流技术路线对比技术路线核心特征优势局限适用场景SRAM存内计算工艺成熟、与CMOS兼容、速度快成熟度高、精度与可靠性相对可控单元面积大、存储密度低边缘推理、端侧AIDRAM存内处理（PIM）存储密度高、容量基础大容量优势、3D架构可扩展依赖外围电路、计算耦合深度低未来3D架构扩展忆阻器存算变阻值表征多级电导、权重可模拟接近非冯·诺依曼架构、潜力大器件一致性、制造成熟度待验证高精度、低功耗场景Flash存算成本低、已稳定商用成本优势、端侧落地成熟难以微缩、计算能力有限端侧低功耗场景MRAM存算非易失性、耐久度高适合高强度计算场景二元存储精度难题特定非易失计算场景各路线各有取舍，需根据场景与精度要求选型（S11、S12、S14）。数模融合存算架构集成模拟核与数字核，平衡能效与精度，成为未来趋势（S8、S36）。（3）产业化进展与路径SRAM存算路线：Groq集成约230MB片上SRAM，3代LPUSRAM达500MB/150TB/s，与英伟达签署推理技术授权进入Rubin平台；CerebrasWSE-3集成44GB片上SRAM，21PB/s片上带宽，与OpenAI签署100亿美元部署合同；后摩智能M50于10W功耗下实现160TOPS@INT8算力，已进入联想、长城、中国移动等数十家企业供应链（S25、S26、S21）。忆阻器存算路线：清华大学/忆元科技忆阻器IP在物联网、TWS耳机、汽车电子等领域规模落地，向量检索加速卡进入商用；知存科技WTM2101为全球首颗大规模量产商用存算一体芯片，出货超千万颗；后摩智能H30通过AEC-Q100车规认证，M50于2026年2月量产（S8、S15、S21）。全品类产业化落地：2026年存算一体进入规模化交付期，小米玄戒O100（6nm工艺、3D堆叠、1.22TB/s近存带宽）、东方算芯DF1000（14nm、520TFLOPS）等量产交付；端侧推理成为核心场景，形成端云协同商业模式（S20、S21、S24）。产业化四阶段路径：概念萌芽（2000-2017）→技术验证（2018-2022）→产业爆发（2023-2025）→规模化落地（2026至今），2026年标志着从"技术可行"迈向"规模化交付"（S41）。4.竞品/替代方案/横向比较与相关技术的关系与存算分离的关系：存算分离是传统冯·诺依曼架构特征，数据搬运开销大、能耗高；存算一体是范式革新，二者呈演进替代关系，但IBM指出未来冯·诺依曼与非冯·诺依曼（含存算一体）架构将并存而非相互替代，合理方案为混合使用（S3）。与近存计算的关系：同属缓解冯·诺依曼瓶颈路径，但近存计算仍保留多级缓存、本质存算分离；存算一体消除多级Cache中转、从根本上解决数据搬运，可协同互补（S7）。与类脑计算的关系：人脑是高并行度存算一体系统，存算一体是类脑计算关键技术基石，基于忆阻器的存算一体系统可近似生物突触与神经元，支持传统机器学习与脉冲神经网络（S5、S10）。与忆阻器计算的关系：忆阻器计算是存算一体重要介质与实现路径，具备高密度集成、超低功耗优势，是当前前沿探索方向（S5、S9）。与替代架构的竞争关系GPU/NPU、神经形态芯片、量子处理器等替代架构构成竞争威胁，在特定高算力/低功耗场景可能分流存算一体投资与市场份额。但存算一体代表范式革命趋势，短期难撼动GPU通用训练地位，正在重新定义高效计算边界，是后摩尔时代不可逆趋势（S7、S10）。需明确存算一体与替代架构是"互补配套"而非简单替代，通过生态收编与分工实现协同（S5、S13）。横向比较要点存算一体与近存计算、传统GPU架构在算力效率、功耗表现、适用场景等方面存在差异，但各自解决不同瓶颈。存算一体在内存带宽受限、延迟敏感场景可实现性能突破，在端侧低功耗场景优势显著；传统GPU在通用训练与通用计算领域仍占主导，二者需根据场景差异化部署（S2、S6、S13）。5.风险、争议与限制（1）技术风险精度与能效权衡：模拟存算靠电流求和做乘加，权重存在电导中，温度漂移、器件老化、工艺偏差会转化为计算误差；模数转换器面积与功耗吃掉能效收益。数字存内计算精度无损但面积成本大。模拟路线以精度为代价换极致能效，数字路线以成本换精度确定性，需根据场景取舍（S5、S7）。制造工艺与良率瓶颈：新型存储器件（ReRAM/MRAM）工艺成熟度远低于主流CMOS，28nm以下良率波动导致成本高企，全存算芯片商用化进度落后国际领先水平约18个月；国内新型存储量产平台稀缺（S8、S16、S41）。带宽与吞吐瓶颈：存内计算多周期才能得到MAC结果，吞吐率不足，限制边缘高算力场景应用；存算单元数据搬运与计算能效平衡待优化（S2、S4）。器件变异性与可靠性：ReRAM电导变异性、PCM漂移、MRAM编程随机性是部署级精度障碍，需硬件感知训练、变异性感知NAS等工程成本，量产一致性难以保证（S3、S4、S10）。（2）商业化风险市场接受度与时间表分歧：一方认为2026年为存算一体量产元年，商业化加速，端侧已跑出千万颗出货规模；另一方认为仍处于早期突破阶段，产业主流仍为近存计算，CIM尚未成为主流，客户存在观望心态（S5、S6、S7）。成本与性能平衡：存算一体总拥有成本需与传统优化程度高的常规加速器竞争，制造成本、良率、集成复杂度导致成本较高，通用负载中性能与成本仍需权衡（S1、S12）。规模化量产鸿沟：从"技术可行"到"产品可用"再到"规模量产"存在较大鸿沟，需持续突破工艺、工具链与产线匹配问题（S13、S14）。（3）合规与标准风险标准规范不足：EUAIAct对高风险AI系统要求符合性评估、技术文档、注册与持续监控，合规成本高昂；无统一存算一体架构、设计方法学与集成协议标准，制约互操作性与生态整合（S9、S10、S11）。知识产权FTO风险：存算一体知识产权高度集中，前五大专利权人占46%，存在自由实施风险；国内企业专利布局被动，核心技术自主性不足，FTO风险高（S3、S4、S8）。数据安全风险：端侧存算一体可让数据本地化运行，隐私优势明显，但恶意开发者可在本地开展违规AI应用，监管难度比云端AI大得多（S16）。（4）应用局限与限制适用场景分化：存算一体在端侧低功耗推理（语音、视觉）、边缘AI场景优势显著，但模拟存算精度问题在金融计算、科学模拟等高精度场景无法满足要求；通用性差，需定制模型与编译工具链，通用场景性能退步风险高（S1、S5）。性能退步风险：存算一体通用性差，难以动态修改卷积核参数，模型优化需针对架构重新编译，在通用模型与通用负载中性能退步风险高（S2、S5、S7）。适用场景迁移受限：存算一体架构设计为系统级工程问题，不同工艺节点与应用的宏单元设计难以直接移植，跨场景迁移受限（S2、S10）。分歧与不确定性1.市场规模数据分歧存算一体市场规模因统计口径（芯片级/系统级/全链条/广义）、机构不同，数值跨度从2.3亿美元（狭义AI芯片）到120亿美元（广义产业链）不等，存在显著分歧。IIM机构报告、QYResearch、GlobalMarketInsights等机构口径差异大，部分数据不可直接比较，须严格分层标注口径类型（S5、S8、S13、S18）。2.商业化成熟度分歧产业界对存算一体商业化成熟度的判断存在明显分歧：一派以"2026年量产元年、千万级出货"论证商业化加速；另一派以"仍处早期突破、尚未成为主流"指出规模化不足。核心差异在于对"量产"与"规模化"的判断标准，本质是量产交付规模与市场化渗透率的不同评估尺度（S5、S6、S7）。3.技术路线最优路径争议各技术路线（SRAM/DRAM/ReRAM/Flash/MRAM/数模混合）在成熟度、成本、性能、适用场景上各有优劣，尚无绝对最优路线。模拟域与数字域CIM在精度与能效上存在权衡，数模混合路线平衡精度与能效，技术路线选择需场景化选型与梯度布局，依赖工程突破与场景匹配（S5、S7、S11）。4.与替代架构关系定位争议存算一体与GPU/NPU的竞争关系存在"替代"与"配套互补"两种定位分歧：一方认为存算一体代表范式革命、不可逆替代趋势；另一方认为存算一体作为专用加速器互补，通过生态收编与分工适配存量架构，核心取决于对竞争关系的认知（S2、S5、S6、S7、S13）。5.数据时效性与局限性部分技术性能数据、市场规模数据为2024-2026年采集，存算一体技术迭代快，指标数据时效性强，跨条件比较需注明测量条件。部分机构报告存在利益导向，预测性数据存在偏差可能，需多源交叉验证后方可采信（S2、S5、S8、S16）。建议、判断与后续观察点1.决策建议技术选型建议：双路线并进，SRAM路线侧重边缘推理与低延迟场景，忆阻器路线侧重高能效端侧与高精度场景，形成梯度布局与互补（S3、S7、S11）。场景适配建议：聚焦端侧低功耗推理、边缘AI等内存带宽受限、延迟敏感场景，避免在通用高算力训练场景过度投入，明确场景适配是技术价值兑现的前提（S5、S6）。生态建设建议：重点突破软件工具链、编译器、算子库与编程框架，推进存算一体标准与指令集体系建设，解决软件生态与标准化不足核心瓶颈（S8、S16、S41）。风险防控建议：提前开展知识产权FTO分析与专利布局，完善合规标准与数据安全方案，应对知识产权与合规风险（S3、S8、S9）。2.判断存算一体技术发展潜力明确，产业化进程加速，2026年已进入量产交付关键节点，长期被视为下一代算力核心方向，不可逆趋势确定（S7、S16、S24）。技术成熟度仍需持续突破，规模化推广面临精度、工艺、生态、合规多重制约，短期内难以全面替代现有架构，需以场景化落地与生态协同推进（S5、S7、S8）。存算一体与近存计算、传统GPU架构并非简单替代关系，而是分层互补、协同演进，合理路径为混合部署与生态适配（S3、S7）。3.后续观察点量产工艺节点进展：关注28nm以下工艺良率提升与量产节奏，12nm工艺落地情况，工艺节点突破将直接影响量产成熟度与成本（S8、S16）。软件生态适配进展：关注存算一体软件工具链、编译器、算子库与标准指令集建设进展，生态成熟度是规模化推广的关键变量（S8、S16、S41）。市场渗透与出货情况：跟踪存算一体芯片出货量与市场规模增长，关注端侧场景渗透率与规模化订单形成情况，验证商业化成熟度判断（S5、S6、S16）。标准与合规体系完善：关注存算一体强制性与互认标准建设、EUAIAct等合规要求落地情况，标准完善与合规适配将影响产业准入与生态整合（S9、S10、S11）。知识产权布局动态：关注头部企业专利布局与交叉许可进展、国内企业自主专利布局情况，FTO风险与专利壁垒将影响竞争格局（S3、S8）。技术路线突破动态：关注忆阻器、SRAM、数模融合等技术路线关键突破，新型存储材料与器件创新将推动技术路线演进（S2、S7、S35、S36）。引用来源ID来源等级链接/路径访问日期S1PRIME:ANovelProcessing-in-memoryArchitectureforNeuralNetworkComputationinReRAM-basedMainMemory（UCSB/惠普/NVIDIA/清华）A/nics_file/pdf/publications/2016/ISCA16_203.pdf2026-10-05S2存算一体白皮书（中国移动研究院牵头）A/tech/20221213/af474d684e9e47599c7d1368a68d0cd8/c.html2026-10-05S3In-memorycomputing（IBMResearch官方项目页）A/projects/in-memory-computing2026-10-05S4HowthevonNeumannbottleneckisimpedingAIcomputing（IBMResearch）A/blog/why-von-neumann-architecture-is-impeding-the-power-of-ai-computing2026-10-05S5Memristivebrain-likecomputing（华中科技大学物理学报）A/article/doi/10.7498/aps.71.202206662026-10-05S6《电子信息制造业发展"十五五"规划》（工信部联规〔2026〕216号）A/gxqdt/gxqdtmtkgx/202609/t20260917_90887631.html2026-10-05S7国家标准《智能计算忆阻器测试方法第2部分:线性度》（GB/T46567.2-2026）A/zhxx/zhxw/202605/t20260520_8207302.html2026-10-05S8团体标准T/CIET1569-2025《存算一体AI芯片通用技术规范》A/cssn/productDetail/dd447889e6d86ab592bc0ab8d835b5072026-10-05S9微电子所高吞吐率SRAM存内计算处理器芯片进展A/kygz/kydt/202407/t20240705_7213288.html2026-10-05S10实验室四篇论文获MICRO2024录用（中科院计算所）A/yjcg/202510/t20251021_785119.html2026-10-05S11清华团队ISSCC新作解读：eDRAM-LUT存内计算B/weixin_28335283/article/details/1596081662026-10-05S12先进存储器湖北省重点实验室忆阻存算一体芯片进展（新华网）B/20260328/06ad105cfcfc429a83a98dabd7df2d1f/c.html2026-10-05S13忆阻器存算一体技术获2025世界互联网大会领先科技奖（清华官网）A/info/1182/122397.htm2026-10-05S14清华副校长吴华强：存算一体忆阻器产业化进展（腾讯新闻）B/page/real/search_news?docid=70000021_7566abc9de3361522026-10-05S15微电子所存算一体芯片论文入选ISSCC2025大会A/kygz/kydt/202502/t20250214_7527355.html2026-10-05S16微电子所RRAM存算一体芯片研究进展（NatureCommunications）A/kygz/kydt/202508/t20250818_7906183.html2026-10-05S17LiteratureonSRAM-basedCompute-In-Memory（BUAA-CI-LAB）A/BUAA-CI-LAB/Literatures-on-SRAM-based-CIM2026-10-05S18ROM-SRAMhybridcompute-in-memoryforedgeAI（SpringerNature）A/article/10.1007/s11227-025-08080-22026-10-05S19ISSCC2025存内计算专题综述（韩国IDEC）Ahttps://www.idec.or.kr/webzine/2025/04/ISSCC%20paper/8.%20Digital.pdf2026-10-05S20ISSCC2025专题编委介绍（IEEEXplore）A/document/11318106/similar2026-10-05S21《电子信息制造业发展"十五五"规划》官方报道（中国新闻网）B/wap/detail/cht/zw/10696548.shtml2026-10-05S22电子信息制造业擘画"十五五"蓝图报道（新华网）B/info/20260915/33db75e8cd744688bdb1f478af17aee2/c.html2026-10-05S23两部门发布《电子信息制造业发展"十五五"规划》（中国经济网）B/cysc/newmain/yc/jsxw/202609/t20260916_3215422.shtml2026-10-05S24突破"内存墙"与"功耗墙"：新型芯片架构助力算力升级（中国经济网）B/xx/202602/t20260210_2766090.shtml2026-10-05S25存算融合行业报告（三个皮匠）C/news/7075688.html2026-10-05S26存算一体定义、原理、路线、市场趋势（三个皮匠）C/news/7067822.html2026-10-05S27MemristorChipsPushIn-MemoryCompute（StanfordTechReview）B/articles/memristor-based-in-memory-compute-for-edge-ai-in-silicon-valley-20262026-10-05S28Computation-in-MemoryPlatforms（EmergentMind）B/topics/computation-in-memory-cim-platforms2026-10-05S29Compute-in-MemoryAcceleratorsPatents2026（PatSnap）B/resources/blog/rd-blog/compute-in-memory-analog-accelerators-patent-landscape/2026-10-05S30CIMNeuralNetworkTechnologyLandscape2026（PatSnap）B/resources/blog/rd-blog/compute-in-memory-neural-networks-2026-patsnap-eureka/2026-10-05S31全球及中国存算一体行业发展报告（IIM）B/103/view-333324-1.html2026-10-05S32全球存算一体产业链投资洞察报告（IIM）B/103/view-337162-1.html2026-10-05S33全球存算一体行业前景深度分析报告（IIM）B/75/view-234829-1.html2026-10-05S34全球存算一体架构行业发展研究报告（IIM）B/103/view-230334-1.html2026-10-05S35存算一体产业化进展（IIM，腾讯转引）B/resources/shy/news/detail-v2/index.html?t=1#/index?id=SN20260727181123972079d32026-10-05S36存算一体量产交付密集报道（读懂AI时代）B/zh-hant/news/2026-09-01/2d64zlld2026-10-05S37国产存算一体芯片量产落地报道（今日头条）B/a76644464076047652182026-10-05S38后摩智能M50商业化落地报道（网易）B/news/a/L68CJRE80552OH9Y.html2026-10-05S39后摩智能M50量产进程报道（读懂AI时代）B/zh-hant/news/2026-07-20/1s0q679m2026-10-05S40Token工厂商业化分析（虎嗅）B/article/4876593.html2026-10-05S41MemoryforAIAccelerators（AmericanCompute）B/blog/memory-types-for-ai-compute2026-10-05S42AI的MEMORY时刻：SRAM提升AI推理速度（广发证券）B/stock/go.php/vReport_Show/kind/lastest/rptid/825455254197/index.phtml2026-10-05S43SRAM存算技术原理与商业化进展（老虎证券）B/hant/news/26487695402026-10-05S44SiliconSovereignty:2025AIChipLandscape（ATLASSC）B/2025/12/13/silicon-sovereignty-2025-ai-chip-landscape2026-10-05S45全球存算一体芯片市场规模报告（GlobalMarketInsights）B/industry-analysis/compute-in-memory-cim-chip-market2026-10-05S46MemristorChipsRiskAnalysis（StanfordTechReview）B/articles/memristor-based-in-memory-compute-for-edge-ai-in-silicon-valley-20262026-10-05S47Compute-in-MemoryPlatformsChallenges（EmergentMind）B/topics/computation-in-memory-cim-platforms2026-10-05S48CIMChipMarketSizeReport2035（GlobalMarketInsights）B/industry-analysis/compute-in-memory-cim-chip-market2026-10-05S49存算一体行业风险分析报告（24MarketReports）B/semiconductor-and-electronics/global-inmemory-computing-chips-for-ai-forecast-market2026-10-05S50存算一体技术深度：打破"存储墙"（同花顺投顾）B/pid_631277485.shtml2026-10-05S51GPU七成时间在等数据：存算一体闭门圆桌（腾讯自选股）B/resources/shy/news/detail-v2/index.html?t=1#/index?id=SN202609090920149850a2c42026-10-05S52存算一体行业分析报告2026（IIM）B/2358/view-301643-1.html2026-10-05S53类脑计算芯片行业研究报告（IIM）B/2358/view-11400-1.html2026-10-05S54类脑芯片技术及市场研究报告（IIM）B/2358/view-5946-1.html2026-10-05S55NeuromorphicComputingOutlook2025（Pingax）B/neuromorphic-computing-analytics-22026-10-05S56存储墙倒塌之后：存算一体流片验证（高性能计算网）B/?p=6201/2026-10-05S57存算融合（百度百科）C/item/%E5%AD%98%E7%AE%97%E8%9E%8D%E5%90%88/676406822026-10-05S58存算一体技术是什么（架构师技术联盟）C/db/6509252026-10-05S59中国首个储算一体化项目落地包头（中国新闻网）B/wap/detail/cht/zw/10706099.shtml2026-10-05S60武汉光谷存算一体化产业基地报道（湖北日报）B/pc/c_5918757.html2026-10-05S61临平算力小镇存算一体产业报道（临平区政府）A/col/col1229520432/art/2026/art_2bab9458d9d2461f86f2bf3d