2026 年下半年,存算一体赛道的公开进展特别密集:有人在发加速卡、服务器、超节点,有人点亮了 4 层 DRAM 加 1 层逻辑的堆叠芯片,有人公布了 6nm 晶圆级垂直堆叠方案并把商用时间按到 2027 年,也有人早就在耳机和音箱里出货上千万颗了。
把这些放在同一段叙事里,很容易高估或者低估行业的真实进度。因为它们其实不是一类东西。
要拆四层,缺一层都说不清
「存算一体」解决的是同一个问题——处理器和存储器之间来回搬数据太费时间和电。但落到产品上,它是一组组合,要依次回答四个问题:
第一层,计算放在哪儿。
- PNM(近存计算):保留相对独立的计算单元,只是把它搬到存储器旁边。搬运距离缩短了,但计算和存储仍是两部分。
- PIM(存内处理):在存储芯片或存储系统内部增加处理能力,一部分计算在数据离开存储器之前就完成。
- CIM(存内计算):把乘加运算放进存储阵列内部,数据被读取的同时就参与计算。减少搬运的潜力最大,但存储电路、计算精度、编译器和验证方法都得跟着改。
距离越近,能省的数据搬运越多,要改的东西也越多。
第二层,数据存在哪儿。 SRAM、DRAM、Flash、RRAM、MRAM 不是五种计算方法,是五种存储介质。它们决定容量、掉电后能否保存、待机功耗和制造难度:
- SRAM 读写快、好集成,但单元面积大,装不下大模型;
- DRAM 密度高、适合大模型,但要刷新,逻辑工艺难直接合并,所以常和 3D 堆叠一起出现;
- Flash 能断电保存、待机功耗低,适合语音和健康监测这类长期运行、模型固定的任务;
- RRAM 和 MRAM 有非易失性和更高密度的潜力,但器件波动、写入耐久、批次一致性还在验证。
第三层,运算怎么完成。 同一种 SRAM 或 RRAM,既可以用模拟方式算(靠电流或电导完成矩阵乘加,能效高但受温度、噪声、器件波动影响,结果要经 ADC 转换),也可以用数字方式算(结果稳定、容易沿用现有编译和测试方法,代价是面积和功耗),还有介于两者之间的数模混合。
第四层,芯片怎么连。 2D 集成成熟但互连距离长;Chiplet 可混用不同工艺,但芯粒接口和封装测试复杂;3D 堆叠把逻辑和存储垂直放,用混合键合连接,互连最短、单位面积容量和带宽最高,但晶圆键合、已知良裸片测试、散热和整体良率最难控。
需要专门澄清一点:3D 堆叠不等于存算一体。 3D 解决的是垂直集成,存算一体解决的是计算靠近数据。只有两者结合,才构成 3D CIM 或 3D PIM。
几条路线的性格差别
把这五类介质放在一起看,会得到一个很清楚的划分:
- SRAM 路线在赚钱(已进 SoC、已量产出货);
- Flash 路线在跑量(千万颗级出货,但集中在很小的小芯片上);
- DRAM 路线在等原厂下决心(技术不是瓶颈,商业动机才是);
- ReRAM 与 MRAM 在等产线(多数停在流片或点亮)。
行业里有个评判挺准确:原厂之间的分歧本身就说明,在 DRAM 这一层,技术不是瓶颈,商业动机才是。在存储涨价周期里,一家营业利润率很高的公司,有多大动力去革自己主业的命?
为什么最先放量的是最不起眼的小芯片
一个规律值得记住:最先跨过量产门槛的,不是算力最高的产品,而是语音唤醒、降噪、健康监测这类固定任务的小芯片。
原因很实际——模型小、变化慢;制造条件成熟(Flash 和 SRAM 沿用已有工艺);收益在整机上能直接验证(省了电、加了续航,用户能感知)。反过来,端边大模型和数据中心产品要证明商业化,靠的不是出货颗数,而是「客户从试用走向复购」。
两条路径不能用同一套出货指标衡量。硬要用「出货量」去比较一个耳机芯片和一张数据中心加速卡,结论一定是错的。
几个可以往下看的问题
第一,跨批次精度。 模拟计算的难点从来不是做出来,而是每一批都做得一样。这一项不达标,产品就只能停在样机。
第二,整颗芯片的能耗怎么拆。 存算阵列本身省电,但配套的 ADC、外围电路、接口和散热加起来是多少?只报阵列能效比,说服力有限。
第三,完整的大模型测试数据。 模型大小、上下文长度、首字时延、生成速度、整机功耗——这五项要给全,才能判断一个方案能不能真进机房。
第四,三维工程数据。 键合良率、热阻、测试覆盖率、多批次稳定性。堆叠层数不是指标,这四项才是。
参考来源
如果这篇文章对你有帮助,欢迎分享给更多人!
部分信息可能已经过时