在人工智能奔向万亿参数的时代，一个沉默却致命的瓶颈正在扼住算力的咽喉：芯片跑得再快，也追不上数据搬运的速度。
传统冯·诺依曼架构将计算与存储分离，每一次AI运算都需反复“取数—计算—存数”。这一看似微小的延迟，在大模型时代被无限放大——能耗飙升、效率受限、成本高企。于是，一场底层革命悄然启动：不再搬运数据，而是让计算走进存储。
这，就是存算一体（Computing-in-Memory, CIM）AI芯片——它不是渐进式优化，而是一次对计算范式的彻底重构。
最新数据显示，2025年全球存算一体芯片市场规模仅为16.7亿元，但到2032年，这一数字将跃升至2629.8亿元，年复合增长率高达105.5%。这不是线性扩张，而是一场由技术成熟、场景爆发与国家战略共同点燃的指数级跃迁。
从实验室走向产线：商用拐点已至
曾几何时，存算一体只是高校论文中的理想模型。如今，它正加速落地为真实产品。
阿里达摩院基于SeDRAM的近存计算芯片，使大模型训练效率提升30%；知存科技的WTM2101芯片功耗低至0.8毫瓦，让智能手表续航延长150倍；后摩智能的鸿途™H30则以256TOPS算力，支撑自动驾驶毫秒级环境感知。这些不再是演示原型，而是已在产线、终端和数据中心运行的解决方案。
驱动这一转变的，是现实需求的倒逼：大模型需要更低的训练成本，边缘设备追求极致能效，数据中心渴望压降TCO。存算一体，恰逢其时。
全球竞合：规则正在重写
国际巨头早已卡位。Mythic、Syntiant等美国企业凭借RRAM模拟计算架构，在高端推理市场占据先机；三星与英特尔则依托存储制造优势，将DRAM或SRAM直接嵌入计算单元，实现“近存即算”的商业化落地。
但中国力量正以差异化路径突围。不同于正面硬刚，本土企业选择“场景破局”：
知存科技深耕可穿戴设备，市占率超四成；亿铸科技聚焦大模型推理，在28纳米工艺下实现高能效BF16计算；芯展速跳出单芯片逻辑，推出PCIe Gen 6全栈方案，让GPU与SSD直连，重构智算中心的数据流。
更关键的是，华为、寒武纪等头部玩家已将存算一体纳入AI芯片战略核心。这意味着，中国正从技术追随者，转向某些垂直领域的规则定义者。
产业链共振：一场系统级升级
存算一体的真正挑战，不在一颗芯片，而在整个生态。
上游，RRAM、MRAM等新型存储器成为胜负手。兆易创新、东芯股份加速国产替代；中芯国际14纳米RRAM良率突破85%，为量产铺平道路。
中游，EDA工具必须适配新架构。华大九天、概伦电子推出专用IP库，大幅缩短设计周期；长电科技通过3D堆叠封装，实现计算与存储的物理融合。
下游，应用反馈又反哺技术迭代。某汽车工厂引入存算一体芯片后，缺陷检测速度提升10倍；清华大学的ReDCIM芯片证明，即便在成熟制程下，也能高效支撑Transformer推理。
这已不是单点突破，而是一场从材料、设计到系统的全链条协同进化。
政策与资本：双引擎加速
国家战略从未如此清晰。“十五五”规划首次将存算一体列为集成电路自主可控的重点方向；中央提出“深化‘人工智能+’”，地方如浙江、广东则配套税收优惠与人才补贴，打造区域创新高地。
资本市场亦迅速跟进。京东开出“年薪百万+20薪”招募存算一体芯片工程师，背后是对端侧AI生态的深度押注。一级市场融资密集，估值水涨船高——技术势能正加速转化为产业动能。
冷思考：高增长下的隐忧
热潮之下，风险犹存。RRAM工艺波动可能拖累良率；模拟计算的长期可靠性仍需大规模验证；而工业、医疗等场景的高度定制化，也让通用化产品难以快速复制。
更深层的竞争，不在芯片性能，而在生态闭环。谁能率先打通“芯片—软件—应用”链条，谁就能定义下一代AI基础设施的标准。
展望2030年，全球存算一体芯片市场规模有望突破200亿美元，中国或将占据四成以上份额。届时，它或许不再被称为“新兴技术”，而是AI时代的默认配置。
结语：最聪明的算力，从不搬运数据
存算一体的意义，远不止于省电或提速。它代表一种新哲学：不要把数据送到计算那里，而是让计算去数据身边。
在这场由架构革命引发的算力跃迁中，真正的赢家，不是拥有最先进制程的厂商，而是具备系统思维、场景洞察与生态整合能力的引领者。
当AI真正学会“就地思考”，我们终将明白：最强大的算力，从来不是最快的，而是最聪明的。
