知存科技、億鑄科技、后摩智能搶先卡位，十五五規(guī)劃重點落地，“存算一體”競速出圈

【摘要】2026年，“存算一體”首次被正式寫入《中華人民共和國國民經(jīng)濟和社會發(fā)展第十五個五年規(guī)劃綱要》。

在“培育壯大新興產(chǎn)業(yè)和未來產(chǎn)業(yè)”章節(jié)中，“存算一體”與“三維集成”、“光電融合”并列，被明確列為下一代集成電路重點突破方向。

AI算力需求的爆發(fā)式增長，正是這一技術(shù)走向前臺的核心推力。國家數(shù)據(jù)局數(shù)據(jù)顯示，截至2026年3月，我國日均AI Token調(diào)用量已突破140萬億，相較2024年初增長超過千倍。

而傳統(tǒng)架構(gòu)下，AI計算的主要性能損耗，來自數(shù)據(jù)在存儲與計算單元之間的頻繁搬運。想要從根源破解瓶頸，最直接的路徑，就是讓存儲器直接參與計算。

在這樣的行業(yè)背景下，“存算一體”加速走出實驗室，進入產(chǎn)業(yè)化落地周期。從知存科技的NOR Flash路線、億鑄科技的ReRAM全數(shù)字方案，到后摩智能面向端邊大模型的存算架構(gòu)，這條仍在成長的賽道，已經(jīng)釋放出清晰的產(chǎn)業(yè)化信號。

圖片來源：中國政府網(wǎng)

以下是正文：

01

存算一體是什么？

理解存算一體，必須先回到現(xiàn)代計算機的基礎(chǔ)框架——馮·諾依曼架構(gòu)。

在這套沿用數(shù)十年的體系里，存儲與計算是完全獨立的模塊。CPU、GPU承擔(dān)計算任務(wù)，數(shù)據(jù)則存儲在DRAM、SRAM、Flash等器件中。每一次AI推理，都需要海量數(shù)據(jù)在兩個單元之間頻繁搬運。

圖片來源：鮮棗課堂

傳統(tǒng)架構(gòu)在PC與移動互聯(lián)網(wǎng)時代運行穩(wěn)定，但進入AI大模型時代，短板被快速放大。

大模型參數(shù)量呈指數(shù)級膨脹，推理過程的訪存需求同步激增。GPU算力持續(xù)提升，可數(shù)據(jù)傳輸速度始終跟不上運算速度，最終形成制約性能的兩大瓶頸：存儲墻與功耗墻。

存儲墻，是指數(shù)據(jù)傳輸帶寬無法匹配AI算力的增長速度。據(jù)業(yè)內(nèi)測算，AI運算需要接近1PB/s的存算通道速率，傳統(tǒng)DRAM帶寬遠不能滿足。

功耗墻則更為突出。圖靈獎得主、計算機體系結(jié)構(gòu)專家約翰·軒尼詩指出，當(dāng)前AI計算中，數(shù)據(jù)搬運的成本已達到計算成本的100倍。在7nm工藝下，數(shù)據(jù)搬運功耗占比甚至超過63%。

HBM高帶寬存儲的出現(xiàn)，雖然在一定程度上緩解了帶寬壓力。比如英偉達等廠商通過3D封裝，把存儲單元與計算單元靠近，提升傳輸效率、降低延遲。

但HBM并未改變“存算分離”的底層架構(gòu)，只能算是制造工藝技術(shù)優(yōu)化，無法從根源解決問題。

既然現(xiàn)有的方式都存在“硬傷”，那就“破而后立”。存算一體的核心思路，正是針對這一痛點提出的架構(gòu)革新。

數(shù)據(jù)搬運代價高昂，那就直接讓數(shù)據(jù)在存儲陣列內(nèi)部完成運算，最大限度減少搬運次數(shù)與距離，同步提升效率、降低功耗、縮短延遲。

當(dāng)前行業(yè)路線主要分為“模擬存算一體”與“數(shù)字存算一體”兩大方向。

前者利用RRAM、Flash等器件的物理特性，在模擬域完成矩陣乘加運算，能效優(yōu)勢突出，但長期面臨精度漂移、噪聲敏感、環(huán)境穩(wěn)定性不足等問題。

后者則是在存儲單元周邊集成邏輯電路，以數(shù)字方式完成運算。這類方案可靠性、通用性更強，但功耗略高。

在存儲介質(zhì)上，“存算一體”公司亦有差異化選擇。

SRAM憑借速度快、精度高的特性，適配云端高性能推理需求；Flash因成本低且靜態(tài)功耗接近零，適合端側(cè)低功耗設(shè)備；RRAM存算特性優(yōu)異，被視作下一代核心介質(zhì)；此外，DRAM-PIM、MRAM、PCRAM等路線也在同步演進。

在這場架構(gòu)競賽中，國內(nèi)一批初創(chuàng)公司已經(jīng)悄然卡位。

02

誰在率先卡位？

國內(nèi)“存算一體”賽道并未出現(xiàn)統(tǒng)一路線。不同公司在存儲介質(zhì)、計算方式、落地場景上選擇差異顯著，形成端側(cè)、邊緣、云端多層次布局。

那么，誰在率先卡位？

最早跨過量產(chǎn)死亡谷的企業(yè)，是2017年成立的知存科技。

公司由兩位北大微電子系校友創(chuàng)立，CEO王紹迪、CTO郭昕婕分別在UCLA與UCSB深耕存儲與存算一體技術(shù)，具備扎實的學(xué)術(shù)與工程積累。

知存從成立之初就鎖定“NOR Flash模擬存算一體”路線，專注端側(cè)低功耗AI市場。

選擇這一路線的邏輯清晰：TWS耳機、智能手表、智能語音設(shè)備等終端，核心痛點在于功耗、體積與成本。

NOR Flash作為成熟非易失性存儲，掉電無需刷新，靜態(tài)功耗極低。同時浮柵晶體管天然支持多值存儲，適配模擬域矩陣向量乘法運算，完美匹配端側(cè)AI推理需求。

依托中芯國際成熟工藝，知存快速完成工程化落地。

2021年推出“WTM1001”，成為國際首款存算一體加速器芯片；隨后量產(chǎn)的“WTM2101”，更是成為行業(yè)標志性產(chǎn)品。

這顆SoC芯片可支持語音喚醒、命令詞識別、環(huán)境降噪、聲紋識別等功能，典型工作功耗達到微瓦級，待機功耗接近零，封裝尺寸小巧，高度適配可穿戴與音頻設(shè)備。

在半導(dǎo)體行業(yè)，流片成功與量產(chǎn)出貨之間存在巨大工程鴻溝。但“WTM2101”實現(xiàn)穩(wěn)定出貨，證明知存已經(jīng)解決存算陣列一致性、良率、可靠性等關(guān)鍵工程問題，打通晶圓制造、封測到終端集成的全鏈條。

知存的核心價值，不僅在于芯片參數(shù)領(lǐng)先，更在于其率先證明存算一體可以成為標準化、可規(guī)模化出貨的貨架商品。

目前產(chǎn)品已進入TWS、智能手表頭部供應(yīng)鏈，與萬魔聲學(xué)、科大訊飛等生態(tài)伙伴深度協(xié)同。

億鑄科技，選擇面向數(shù)據(jù)中心的大算力方向，走出一條同具挑戰(zhàn)性的“ReRAM全數(shù)字存算一體”路線。

公司2020年在上海成立，2022年總部遷至蘇州，創(chuàng)始人熊大鵬博士擁有多年算力架構(gòu)與產(chǎn)業(yè)投資經(jīng)驗；團隊成員來自NVIDIA、AMD、高通、華為等知名企業(yè)，具備深厚的技術(shù)積累和豐富的產(chǎn)業(yè)經(jīng)驗。

由于行業(yè)多數(shù)模擬存算方案能效突出，但存在精度漂移、IR?DROP電壓降、噪聲干擾等問題，難以滿足高精度通用計算需求。

因此，億鑄選擇徹底數(shù)字化，不使用ADC/DAC模數(shù)轉(zhuǎn)換器，從根源避免模擬計算的精度損失，精度可達到32bit及以上，同時提升系統(tǒng)穩(wěn)定性與可靠性。

2023年，億鑄成功研發(fā)首顆高精度、低功耗存算一體AI大算力POC芯片。其采用28nm工藝，單卡算力突破1000TOPS（INT8）。

據(jù)悉，該產(chǎn)品目前處于從POC驗證向量產(chǎn)推進的階段，主要面向數(shù)據(jù)中心、云計算、中心側(cè)服務(wù)器、自動駕駛及邊緣計算等場景。

值得關(guān)注的是，相比單純追求硬件參數(shù)，億鑄更強調(diào)“通用存算一體”理念。

創(chuàng)始人熊大鵬多次強調(diào)，存算一體的核心挑戰(zhàn)不只是硬件架構(gòu)，更是算法快速迭代與軟件生態(tài)兼容。

為此，億鑄從指令集層面兼容CUDA、Triton等主流開發(fā)體系，搭配自研編譯器實現(xiàn)算子自動優(yōu)化，降低開發(fā)者遷移成本；同時引入RISC?V核承擔(dān)任務(wù)調(diào)度與矢量運算，完善異構(gòu)計算體系。

圖片來源：億鑄科技公司官網(wǎng)

后摩智能——賽道內(nèi)極具代表性的“轉(zhuǎn)型者”，憑借SRAM存算一體與自研IPU架構(gòu)，快速切入端邊大模型增量市場。

公司2020年11月在北京成立，創(chuàng)始人吳強為普林斯頓博士，是AMD GPGPU/OpenCL創(chuàng)始團隊核心成員，曾擔(dān)任Facebook資深科學(xué)家、地平線技術(shù)副總裁與工程院院長，在高端芯片架構(gòu)與量產(chǎn)方面經(jīng)驗豐富。

后摩最初聚焦智能駕駛芯片，2023年發(fā)布“鴻途H30”，最高物理算力256TOPS，典型功耗35W，驗證大算力存算方案可行性。

但市場環(huán)境快速變化，高算力智駕芯片成本偏高，與行業(yè)降本趨勢不符。2023年下半年，公司果斷戰(zhàn)略轉(zhuǎn)型，轉(zhuǎn)向“端邊大模型”這一新興賽道。

2025年WAIC前夕，后摩發(fā)布“漫界M50”芯片，宣告轉(zhuǎn)型落地。

這款芯片采用第二代自研天璇IPU架構(gòu)，單芯片算力達160TOPS@INT8、100TFLOPS@bFP16，搭配最大48GB內(nèi)存與153.6GB/s帶寬，典型功耗僅10W，能讓PC、機器人等智能移動終端高效運行1.5B到70B參數(shù)的本地大模型。

根據(jù)創(chuàng)始人吳強分享，該架構(gòu)重點有兩個突破：一是彈性加速，以比特串行計算實現(xiàn)細粒度優(yōu)化，最高可實現(xiàn)160%加速效果，量化更靈活；二是原生支持浮點運算，F(xiàn)P16模型無需量化即可直接部署，大幅降低開發(fā)者適配成本。

此外，依托高速多芯互聯(lián)技術(shù)，后摩又推出M.2加速卡（如力擎LQ50 M.2）、計算盒子（如BX50）等多元產(chǎn)品，覆蓋AI PC、智能語音、運營商邊緣計算、機器人等場景。

目前，后摩智能已與聯(lián)想、科大訊飛、中國移動達成合作，進入頭部客戶供應(yīng)鏈。同步，公司已啟動下一代DRAM?PIM技術(shù)研發(fā)，目標突破1TB/s片內(nèi)帶寬。

圖片來源：后摩智能公司官網(wǎng)

從知存、億鑄到后摩，可以明顯看到，國內(nèi)存算一體產(chǎn)業(yè)并不存在統(tǒng)一答案。

有的押注Flash模擬存算，切入低功耗端側(cè)；有的押注ReRAM全數(shù)字路線，挑戰(zhàn)數(shù)據(jù)中心推理；也有的基于SRAM存算一體，尋找端邊大模型的新機會。

這種多路線并行的背后，其實也意味著行業(yè)仍處于早期階段。存儲介質(zhì)尚未統(tǒng)一，軟件生態(tài)仍在建立，規(guī)模化落地也還在持續(xù)驗證。

03

尾聲

今天的存算一體，很像幾年前的大模型。

方向已經(jīng)被驗證，政策也開始加碼，但距離真正大規(guī)模商業(yè)化，仍有大量問題需要解決。

首先是工藝與量產(chǎn)。

無論是RRAM、SRAM還是Flash存算，不同介質(zhì)都存在一致性、可靠性、良率等工程挑戰(zhàn)。尤其是模擬存算，對噪聲與溫漂非常敏感。

其次是軟件生態(tài)。

過去幾十年，整個AI產(chǎn)業(yè)已經(jīng)圍繞CUDA建立起完整工具鏈。新架構(gòu)若無法兼容現(xiàn)有開發(fā)體系，很難真正被市場接受。

再次，則是場景驗證。

存算一體并非適用于所有AI任務(wù)。它更適合矩陣運算密集、功耗敏感、訪存壓力大的場景。如何找到真正具備商業(yè)價值的落地方向，仍需要時間。

但另一方面，行業(yè)窗口也正在逐漸打開。

“存算一體”以架構(gòu)創(chuàng)新為突破口，依托成熟工藝就能實現(xiàn)高能效、高帶寬與低成本優(yōu)勢，已然成為國內(nèi)半導(dǎo)體產(chǎn)業(yè)實現(xiàn)差異化突圍的關(guān)鍵落點。

從這個角度看，寫入“十五五”規(guī)劃，僅僅只是開始。