SIICFM Insights | 存算一体产业地图研究

（2）后摩尔时代的高研发成本与芯片性能天花板

存算一体通过存储和计算单元之间数据搬运的减少，可以大幅缩短系统响应时间，提高数据的处理速度，并且存储单元参与逻辑计算意味着可以在面积不变的情况下规模化增加计算核心数。

因此，存算一体架构的性能天花板远高于当前的传统方案，在特定领域算力可达1000TOPS以上。

（2）更高的能效

存算一体技术基于底层架构的创新，可以大幅降低数据传输的能量损耗，提升了能效比。

有研究发现，存算一体芯片每瓦能提供的算力相比传统冯诺依曼架构下的芯片可以得到2-3个数量级（>100倍）的提升。

（3）更低的成本

业内解决大算力芯片的内存墙问题还有另一种常用方案，即采用GDDR或HBM内存方案。

然而，除了冯诺依曼架构下明显的性能天花板外，该方案的成本较高。

若不依赖于GDDR或HBM而采取存算一体架构做大算力AI芯片，可以将芯片成本降低50%-70%。

1.技术分类

（1）近存计算 (Computing near Memory)

近存计算在广义上可被纳入存算一体，但本质上未突破冯诺依曼架构。

计算部分通过存储芯片外部的计算部分完成，通过缩短计算芯片与存储芯片的距离，降低数据移动造成的延迟与功耗。

这种架构设计的代际设计成本较低，适合传统架构芯片转入。

近存计算技术成熟较早，已被广泛应用在各类CPU和GPU上。例如，阿里达摩院2021年研发的基于DRAM的3D键合堆叠存算一体芯片采用的就是近存计算技术，在特定AI场景中，其性能提升10倍以上，效能比提升300倍。

图 2 近存计算原理示意

（2）存内计算 (Computing in Memory)

图 3 存内计算原理示意

（3）查存计算 (Computing with Memory)

图 4 查存计算原理示意

（4）存内逻辑 (Logic in Memory)

图 5 存内逻辑原理示意

①NorFlash

优点：器件工艺成熟，研发成本低，可靠性和使用寿命较优。

缺点：工艺节点受限，难以突破14nm。

适用场景：小算力、端侧、低成本、待机时间长的场景。

应用案例：恒烁半导体推出基于NorFlash的存算一体AI推理芯片，聚焦边缘计算领域，适用于物联网终端设备；知存科技基于NorFlash的存算一体SoC芯片实现量产，可应用于智能可穿戴设备、智能安防等端侧小算力场景。

②SRAM

优点：器件工艺成熟，存取速度是成熟存储器中最接近CPU的。

缺点：容量密度较小，精度随读取时虽开启的字线数增加而降低，价格昂贵。

适用场景：数字模式下SRAM适用于大算力、云计算、边缘计算场景；模拟模式下SRAM适用于小算力、端侧、不要求待机功耗的场景。

应用案例：后摩智能基于SRAM的存算一体大算力芯片，已成功点亮并跑通算法模型；苹芯科技开发实现多款基于SRAM的存内计算加速单元并实现流片，目前处于外部测试和demo阶段，可应用于图像识别、无人机等领域。

③DRAM

优点：器件工艺成熟，所用元件少，集成度高，成本低。

缺点：读取速度慢，需要不断刷新，刷新时不能进行读写。

适用场景：适用于大算力AI芯片，且由于对于架构的改变最小，适合现有冯氏架构向存算过渡。

应用案例：阿里达摩院基于DRAM的3D键合堆叠存算一体AI芯片，应用于自身生态。

（2）新型存储器

新型存储器有ReRAM、MRAM、PCRAM等。其中，非易失存储器ReRAM和MRAM在存储密度上可以做得很大，且在性能上是目前非易失存储器中公认最好的，因此业内普遍认为二者为未来发展趋势。

①ReRAM

优点：结构简单，性能好，功耗低，与CMOS工艺兼容性高，可并行处理大量数据，与神经网络运算的适度高。

缺点：还处于研究阶段，需要时间调试。

应用案例：亿铸科技基于RRAM研发“全数字存算一体”大算力芯片，通过减少数据搬运提高能效比，同时利用数字存算一体保证运算精度，适用于云端AI推理和边缘计算。

②MRAM

优点：性能好，开关速度极快，功耗低，无限写入次数。

缺点：结构复杂，对材料要求高，成本高。

应用案例：2022年，三星研究团队成功开发了一种能演示内存内计算架构的MRAM阵列芯片，命名为“用于内存内计算的磁阻内存交叉阵列”。

③PCRAM

优点：抗辐射特性好，可满足航天需求。

缺点：有很多难点待攻克。

应用案例：2018年，IBM在Nature期刊发表的论文提出了全新芯片设计的方案，通过PCM存储技术来加速全连接神经网络的训练。

1.存算一体主要应用场景

（1）小算力与大算力场景概述

2.小算力场景细分领域

①智能可穿戴设备

②智能安防

③移动终端

移动终端指具备通信功能的微型计算机设备。

该应用领域的主要特征是移动终端的云端推理可能因网络延迟带来用户体验的问题，并且受制于手机电池容量，因此对芯片的功耗有严格限制。

一般来说，所需存算一体芯片的储存空间约64MB，算力约32TOPS。存算一体在视觉信号处理上可以达到端侧产品低功耗要求。

④AR/VR

（3）大算力场景细分领域

2.存算一体市场规模

（1）2025年-存算一体商业化转折点

存算一体技术从实验室研究成果走向小规模量产一般需要5年，进一步需要再约10年可以有机会实现大规模量产。

国内存算一体初创公司的成立时间主要在2017-2020年间，因此预计将在2025年前后迎来存算一体行业的商业化转折点。

在此期间内，增长来源主要为定制开发费用和SoC芯片销售费用。

在2025这一转折点上，预计在我国将有3-5家存算一体公司实现小规模量产，应用场景仍旧以小算力场景为主，但将从现阶段应用最多的语音识别、唤醒类小算力场景（如麦克风、智能手表和TWS耳机等）拓展到视觉处理类小算力场景（如智能安防、移动终端和AR/VR等）。

（2）2030年-存算一体规模化转折点

存算一体产品从进入市场得到市场验证到进一步实现标准化产品的打造一般也需要5年。

标准化产品的实现意味着可以基于产品的通用性逐步从小规模量产走向大规模量产，因此预计到2030年存算一体产业将迎来规模化转折点。

在这一转折点上，存算一体将在小算力场景实现完全替代，并在大算力场景开始崛起，覆盖大数据检索、蛋白质/基因分析、数据加密、图像处理等。

从小算力场景拓展到大算力场景，一方面需要NPU架构和编译器做一定修改以支持更通用的场景，另一方面也需要新型存储器作为支撑来进一步提高芯片性能，目前新型存储器，如RRAM等，距离工艺成熟还需2-5年。

3.存算一体产业链

图 7 存算一体产业链上游分类

图 8 存算一体产业链中游分类

1.商业模式

2.国内外发展现状

3.国外主要玩家

（1）三星电子

企业简介：1938年于韩国成立，是韩国最大的电子工业企业，同时也是三星集团旗下最大的子公司。

产品及解决方案——HBM-PIM芯片：

将AI引擎引入每个存储库，从而将处理操作转移到HBM，减轻在内存和处理器之间搬运数据的负担。

可以提供2倍的系统性能，同时能耗降低了70%以上。

MRAM阵列芯片通过用新的“电阻和”存内计算架构替换标准的“当前和”存内计算架构来演示存内计算，解决了MRAM器件低电阻的问题。

（2）SK海力士

企业简介：海力士即原现代内存，2001年更名为海力士，是世界第三大DRAM制造商。

产品及解决方案——GDDR6-AiM：

将计算功能添加到数据传输速度为16Gbps的GDDR6内存产品中。

与传统DRAM相比，将GDDR6-AiM与CPU、GPU相结合的系统可在特定计算环境中将计算速度提高16倍，且可使功耗降低80%。

（3）Mythic

企业简介：Mythic成立于2021年，是一家专注于研发深度学习的神经网络芯片的公司。借助Mythic的集成开发环境，人工智能开发人员甚至可以快速部署最复杂的深度神经网络，并确信它们将从数据中心到边缘设备有效执行任务。

产品及解决方案1——M1076 Mythic AMP™：

在单芯片中提供高达25TOPS，适用于高端边缘AI应用，集成了76个AMP块，可存储多达80M的权重参数并执行矩阵乘法运算，无需任何外部存储器。

这使得M1076能够提供桌面GPU的AI计算性能，同时消耗仅1/10的功率。

4通道PCIe 2.1接口，带宽高达2GB/s。

Mythic的AI工作流程如下图所示，先在Mythic模拟矩阵处理器(Mythic AMP TM )上部署在Pytorch、Caffe和TensorFlow等标准框架中开发的DNN模型。

模型经过优化后，从FP32量化到INT8，再针对Mythic模拟计算引擎(Mythic ACE TM )进行再训练，通过Mythic强大的图形编译器进行处理，然后将生成的二进制文件和模型权重编程到Mythic AMP中进行推理。

开发人员还可以使用经过预审的模型来快速评估Mythic AMP解决方案。

图 10 Mythic的AI工作流程

产品及解决方案2——Mythic MP10304 Quad-AMP PCIe卡：

图 11 Mythic MP10304 Quad-AMP PCIe卡

融资情况：2021年5月，Mythic在C轮融资中筹集了7000万美元，由美国云服务供应商慧与科技和美国投资管理机构贝莱德领投。自成立以来，Mythic的总融资额已达到1.652亿美元。

（4）SST

企业简介：Silicon Storage Technology, Inc. (SST)成立于1989年，是SuperFlash®技术的创造者，该技术是一种创新、高度可靠和通用的NOR闪存。

SST是MicrochipTechnology Inc.的全资子公司，专注于将嵌入式非易失性存储器(NVM)技术授权给代工厂、集成设备制造商(IDM)和无晶圆半导体公司，用于汽车、安全智能卡、物联网(IoT)、人工智能(AI)、工业和消费市场。

产品及解决方案——memBrain™神经形态内存产品：

基于SuperFlash ®技术以计算用于神经网络推理的向量矩阵乘法(VMM)，通过模拟内存计算方法改进了VMM的系统架构实现，增强了边缘的AI推理。

memBrain神经形态产品将突触权重存储在浮栅存储器内，以显着改善系统延迟。

图 12 memBrain™工作原理

（5）d-Matrix

企业简介：d-Matrix成立于2019年，由数字模拟混合信号和数字信号处理领域的世界知名专家创立，他们在Inphi、Broadcom、英特尔、朗讯、德州仪器等公司拥有长年的经验。

d-Matrix着眼的是价值数十亿美元的AI数据中心基础设施市场，试图为其中的各类推理工作负载构建和部署世界上第一个受大脑启发的AI计算引擎，提高客户计算效率。

产品及解决方案1——Nighthawk芯片：

基于小芯片架构，一种使用存内计算技术和小芯片级横向扩展互连进行数据中心AI推理的新方法。

产品及解决方案2——AI计算平台：

结合了智能ML工具和无摩擦软件方法，并结合类似乐高形式的小芯片，将多个编程引擎集成到一个通用封装中。

融资情况：2022年4月，d-Matrix获得4400万美元的A轮融资，由美国风险投资公司Playground Global主导，M12（微软风险基金）和SK海力士也参与其中。

4.国内主要玩家

（1）亿铸科技

企业简介：亿铸科技成立于2021年，据称是目前国内唯一能自主设计并量产基于忆阻器（ReRAM）的“存算搜一体”算力芯片的供应商。

亿铸基于ReRAM的路线来实现大算力的存算一体芯片，以解决现有技术方案中遇到的功耗墙和内存墙的问题，这将使挑战现有AI芯片行业格局成为可能。

该公司拥有世界顶级的科研、工程及顾问团队，为数据中心和自动驾驶等领域打造能效比十倍于现有技术的解决方案。

其研发能力覆盖从存算一体底层器件，芯片设计到AI软件栈。

产品及解决方案：

• 大算力、高能效比、高精度、易编译的存算一体PCIe加速卡

• 高性价比、确定性时延自动驾驶存算一体Chiplet模组

• 首套针对存算一体架构的软硬件协同EDA设计工具和应用开发平台

融资情况：2021年12月获得超亿元天使轮融资，投资方为中科创星、联想之星、汇芯投资（国家5G创新中心）。

（2）千芯科技

企业简介：千芯科技成立于2019年，是可重构存算一体AI芯片的领导者和先驱，在国内最早提出可重构存算一体芯片架构。

基于“算法-芯片-存储-计算协同”的前沿理念，千芯科技为各行各业提供先进的“AI+商业算法”芯片和解决方案。

核心团队成员来自AMD、瑞萨、联发科、长江存储等国际领先企业，在存算一体和AI计算加速以及5nm和7nm芯片量产方面拥有丰富经验。

产品及解决方案1——AI推断计算卡（CloudCard）：

先进存算架构，深度优化存储墙与编译墙，提供更强更高效的大模型（例如推荐模型）支持。

能效比超过10-100TOPS/W，优于GPU 10-40倍，且具备灵活的算子可变能力，高度兼容易用的深度学习部署环境。

图 13 AI推断计算卡产品参数

图 14 AI推断计算卡应用场景

产品及解决方案2——边缘AI计算板卡（EdgeCard）：

以成本效益和低功耗的AI推断为目标，为各类边缘计算提供强大算力支持。

支持边缘计算的灵活算法部署与客户自定义算子，为多模态多场景边缘计算提供创新支持。

图 15 边缘AI计算板卡产品参数

产品及解决方案3——AI计算IP核（IP Core）：

多种内存IP核解决方案，以支持针对不同AI内存约束（带宽、容量、缓存一致性）的高效架构。

支持4种算法和4种数据类型，采用7/12/16纳米制程。

可满足各个市场上多种多样的处理、内存、连接和安全性要求。

图 16 AI计算IP核产品参数

产品及解决方案4——AI加速工具包（tinyAI）：

AI加速工具包面向硬件工程师提供一站式部署，支持3-500倍AI性能的提升，友好兼容开源生态。

支持ARM/ RISC-V/x86平台和自有算法的平滑迁移。

融资情况：2021年3月，千芯半导体完成了数千万人民币天使+轮融资，本轮投资方为前海融华汇金和NW投资。

（3）后摩智能

企业简介：后摩智能成立于2020年底，由吴强博士与多位国际顶尖学者和芯片工业界资深专家联合组建。

后摩智能以存算一体技术和存储工艺，致力于突破智能计算芯片性能及功耗瓶颈，加速人工智能普惠落地。

其提供的大算力、低功耗的高能效比芯片及解决方案，可应用于无人车、泛机器人等边缘端，以及云端推荐、图像分析等云端推理场景。

后摩智能旨在用颠覆性技术去打造具有“十倍效应”的AI芯片，满足真正的人工智能时代超大算力需求，用无限算力去改变世界。

产品及解决方案——第一代芯片：

基于SRAM的大算力、高能效比的智能计算芯片。

第一代芯片基于SRAM-CIM技术快速构建存算一体核，并以此核搭建存算一体芯片，在相同功耗下提供10倍算力。

产品及解决方案——第二代芯片：

基于RRAM等先进存储工艺的大算力、高能效比的智能计算芯片。

第二代芯片基于先进的RRAM等存储工艺，继续扩充模型容量，进一步降低功耗，增加算力，最终可实现单芯片算力1000TOPS。

融资情况：2022年4月，后摩智能完成数亿元人民币Pre-A+轮融资。本轮融资由经纬创投和金浦悦达汽车基金联合领投，国家中小企业发展基金联想子基金和天创资本等跟投，现有投资方启明创投、和玉资本继续追加投资。

（4）中科声龙

企业简介：中科声龙成立于2009年，是一家专注于高通量芯片研发生产的高新技术企业，2021年发布了存储一体高通量算力芯片。

中科声龙在基于3D异质集成的大规模存算一体芯片领域处于世界先进水平，同时正在快速成长。

依托存算一体核心技术，中科声龙致力于发展通用型高端处理器，将全面支持各类算法及应用，为数字经济时代的到来提供强力保障，实现“成为全球高通量芯片领导者”的愿景。

公司计划2024年于北京证券交易所上市。

产品及解决方案1——茉莉X4 高通量mini矿机：

产品及解决方案2——茉莉X4 高通量1U矿机：

产品及解决方案3——茉莉X4 高通量1U-C (ETC) 矿机：

融资情况：2022年9月，中科声龙顺利完成A轮融资，本轮融资由英特尔资本（Intel Capital）独家战略投资，融资规模数千万美元。

（5）闪易半导体

企业简介：闪易半导体成立于2017年，是一家研发高性能、低功耗、低成本的存算一体化AI芯片的集成电路公司，团队成员分别毕业于清华大学和北京大学，分别在中美两国的电路设计生产、人工智能开发企业担任研发负责人。

公司计划在三年内完成第一代语音产品在家电和物联网领域的推广和量产，同时设计和开发好第二代产品，用于图像识别及安防领域。

闪亿所使用的新型存储器PLRAM具有高精度（8-10比特），高线性度，高能效的特点，是第一种可以大规模量产的精度超过8bit的忆阻器，可以赋能存算一体化计算架构。

基于新型忆阻器技术，可实现深度神经网络的模拟计算，在未来物联网生态的端侧和边缘侧中将发挥出重要作用。

产品及解决方案——闪锌石HEXA01：

图 17 闪锌石HEXA01技术指标

融资情况：2021年4月完成A轮融资，投资方为张江集团。

（6）知存科技

企业简介：知存科技创立于2017年，拥有业内领先的存算一体技术。

知存拥有多种适合存内计算的非易失性存储器工艺研发经验，构建了WTIN Mapper编译器、工具链、存内计算电路设计、多核运算等完善的存算一体开发生态。

知存的存算一体技术创新使用Flash存储器完成神经网络的储存和运算，解决AI的存储墙问题，提高运算效率，降低成本。

WTM系列芯片用于低功耗AIoT应用，如可穿戴设备和智能终端设备。

产品及解决方案1——WTM2101：

AI算力50Gops，功耗5uA-3mA，最大模型参数1.8M。

片内包含Timer、WDT、RTC、VAD以及电源管理（PMU）等功能模块；

外围接口上，具备多种常见外围接口，包括UART、SPI、I2C、I2S、PWM以及GPIO；

采用WLCSP极小封装，非常适合小体积、功耗要求苛刻的离线语音识别产品。

产品及解决方案2——WTM8000：

针对视频增强处理的一款高性能低功耗的存算一体AI处理芯片。

具备高算力、低功耗、高能效、低成本的核心优势。

可实现基于AI的各种视频增强处理；

为视频显示提供4K/8K@60/120FPS的插帧、超分、HDR宽动态和降噪能力；

为AI-ISP提供4K@60FPS的高能效NPU及高清视频增强能力，例如HDR宽动态、降噪处理等。

融资情况：2022年1月，知存科技完成2亿元B1轮融资，本轮融资由领航新界领投，天堂硅谷、瑞芯投资跟投，老股东讯飞创投、清控招商、普华资本、科宇盛达基金继续跟投，指数资本继续担任独家财务顾问。

（7）九天睿芯

企业简介：九天睿芯是一家人工智能芯片研发商，专注于神经拟态感存算一体芯片研发，提供人工智能系统高效低耗运行的新解决方案，广泛应用于AIoT等对低功耗延时需求强烈的领域，为用户提供面向声音端和视觉端的AI芯片。

产品及解决方案1——ADA100：

超低功耗低算力传感器处理芯片。

等效算力1Gops，应用于可穿戴/ARVR/AIoT设备如无线智能相机门铃，门锁，86开关等智能家居产品。

2021年11月量产，2022年批量出货。

图 18 ADA100实景图

产品及解决方案2——ADA200：

低功耗中低算力视觉协处理器。

算力1~2Tops，应用于低功耗无线摄像头/ARVR/手机平板。

2022年底量产。

图 19 ADA200实景图

产品及解决方案3——ADC芯片：

自主研发高性能ADC。

500msps-14bit-四通道，3Gsps-14bit-双通道，应用于车载激光雷达等场景。

2021年11月投片。

图 20 ADC芯片实景图

融资情况：2021年9月，九天睿芯完成亿元级A轮融资，由韦豪创芯和浦东科创联合领投，华义创投、磐缠投资以及上海物枢跟投。

（8）恒烁半导体

企业简介：恒烁半导体（合肥）股份有限公司成立于2015年，是一家主营业务为存储芯片和MCU芯片研发、设计及销售的集成电路设计企业。

恒烁半导体专注研发高性能、低功率SPI NOR FLASH存储器芯片。

自2019年起，开始研发基于NOR Flash架构的存算一体人工智能AI芯片（CINOR）。

同时，公司还在致力于开发基于NOR闪存技术的存算一体终端推理AI芯片，并提供边缘计算的完整解决方案。

产品及解决方案——CiNOR存算一体AI推理芯片：

融资情况：2022年8月29日于科创板上市。

（9）新忆科技

企业简介：北京新忆科技有限公司成立于2018年，是一家拥有核心技术和自主研发能力的创新型高科技公司，致力于成为国内新型存储器技术及应用的领军企业。

公司主营业务为新型阻变存储器（RRAM）及其周边产品，包括独立式存储器、嵌入式存储器和周边的SOC产品，应用领域涵盖物联网，消费电子，医疗电子，网络通信设备，汽车电子和工业控制设备等。

公司原始技术及创始团队均来源于清华大学新型存储器团队，联合创始人包括清华大学多位知名教授在内。

产品及解决方案——IM25RWQxx系列芯片：

融资情况：2018年6月，新忆科技完成天使轮融资，投资方为启迪之星、太和投资、清华创投。

（10）智芯科

企业简介：杭州智芯科微电子科技有限公司成立于2019年，是一家由外商投资，专注边缘计算芯片设计的初创公司。

公司产品实现涉及从芯片架构到软件开发到硬件实现的全流程，将人工智能、模拟芯片技术以及传感器技术结合在一起，极大的降低了人工智能芯片功耗。

产品应用领域包括，手机，可穿戴设备，智能家居，AIoT，智慧城市等等。

产品及解决方案——AT660x：

融资情况：2021年7月，智芯科完成近亿元的天使轮融资，本轮融资由SIG海纳亚洲领投、将门创投等联合投资。

（11）苹芯科技

企业简介：苹芯科技成立于2021年，专注于存内计算技术的研究与应用，并希望为合作伙伴打造差异化解决方案。

团队核心成员由来自清华大学、上海交通大学、北京大学、北京航空航天大学、新竹清华大学、匹兹堡大学、杜克大学等国内外知名院校的硕士、博士及国家重点实验室科研人才组成。

截至目前，苹芯科技已开发实现多款基于SRAM的存内计算加速单元，致力于为人工智能行业提供了低成本、高效率、低能耗、高性能的芯片解决方案。

产品及解决方案1——PIMCHIP-S200：

图 21 PIMCHIP-S200产品参数

产品及解决方案2——PPIMCHIP-S100：

图 22 PIMCHIP-S100产品参数

融资情况：2022年8月，苹芯科技完成千万级美元A轮融资，由春华创投领投，红点中国、红杉中国、真格基金等老股东全部跟投。

参考资料：

《存算一体是啥新趋势？值得教授学者纷纷下海造芯》，2022年8月

《存算一体与存内计算计算杂谈》，2022年7月

《存算一体技术是什么？发展史、优势、应用方向、主要介质》，2022年6月

《存算一体芯片赛道企业收录》，2022年7月

《火爆的存算一体芯片，机会在哪儿？挑战何解？》，2021年9月

《存算一体AI芯片的发展现状》，2021年6月

《存算一体-智能驾驶AI芯片的下一个战场》，2022年5月

《全球存算一体技术研究及量产情况最新进展》，2022年5月

《存算一体——后摩尔时代的AI芯片架构》，2022年2月

《前景可观的存算一体技术，到底有多难商用？》，2020年3月