存算一体进入「产业化时刻」，谁在领跑规模化交付？

2026 年，存算一体赛道节奏骤然加快。

8 月 24 日，小米发布玄戒 O100 高带宽 AI 加速芯片，采用 6nm 工艺与 3D 晶圆级堆叠，近存计算带宽达 1.22TB/s，正式入局。此前，谦合益邦完成超 20 亿元 B 轮融资并披露 4 层 3D DRAM 堆叠芯片回片点亮；皓泽科技发布面向端侧 AI 的 VVT300 SoC，计划年内量产。更早的 7 月，东方算芯发布全球首颗软件定义近存计算 3D 芯片 DF1000，基于 14nm 制程实现 520 TFLOPS 算力，已进入量产交付阶段。

存算一体正从实验室架构转变为芯片公司的核心布局。后摩智能 M50 芯片已在 Agent Computer、陪伴机器人等场景规模化落地；知存科技芯片在可穿戴终端实现千万级出货。融资、流片、量产、交付等关键词密集涌现。

IIM 数据显示，2025 年全球存算一体市场规模达 48.7 亿美元，同比增长超六成，预计 2030 年将增至 312.5 亿美元。关键变化在于：存算一体正从“技术可行”走向“产品可用”。过去论文与 IP 验证即可证明价值，如今量产落地与规模部署才是新门槛。

核心问题在于：同样叫存算一体，真正能交付的产品之间差距何在？

“存算一体”并非单一技术，而是让计算靠近数据以减少搬运功耗的共同方向。广义上包含近存计算（PNM）、存内处理（PIM）和存内计算（CIM）。

PNM 与 PIM 多与 DRAM、HBM 绑定，存储巨头优势明显；CIM 更多发生在芯片设计层面，涉及 SRAM、NOR Flash 及 RRAM、MRAM 等介质，吸引大量 AI 芯片初创企业。

仅就 CIM 而言，技术选择涉及三个维度：

第一，数据存储介质。SRAM 速度快但容量有限；NOR Flash 适合低功耗；DRAM 容量大；RRAM、MRAM 具备非易失高密度潜力，但需验证一致性。2025 年全球出货量中，SRAM 架构占比 54%，RRAM 与 Flash 分别占 28% 和 15%。

第二，计算实现方式。分为模拟、数字及数模混合。模拟计算能效高但精度挑战大；数字计算精度高且支持复杂模型。2025 年数字方案主导市场（55.3%），模拟方案占 27.8%，数模混合预计 2026 年升至 30.5%。

第三，芯片集成方式。二维是主流，3D 堆叠通过垂直集成缩短距离。需注意，3D 堆叠不等同于存算一体，只有结合存内或近存计算能力才形成 3D CIM/PIM 方向。

简单将 SRAM、RRAM、模拟计算和 3D 并列会混淆技术概念。它们解决不同层面问题，最终指向同一核心：谁更容易走出实验室，真正进入市场？

从概念提出到产业介入，存算一体历经漫长孕育。2024 至 2026 年是真正的产业化转折期。“进入产业化”有两个明确标准：一是带来客户可感知的差异化指标（如更高算力或能效）；二是实现大规模量产。

达成这两点需跨越三道门槛：

第一道：工程化。既要证明性能优势，又要证明在不同电压、温度及工艺偏差下能稳定复制。模拟计算的噪声、器件老化漂移等问题若未解决，芯片只能停留在 Demo 阶段。

第二道：软件工具链。架构变化后，模型需重新映射与编译。当前行业面临设计自动化不足、编译器生态碎片化等问题。软件能力将成为新的竞争壁垒。谁能更快支持新模型、降低部署门槛，谁就能推向更广市场。例如后摩智能自研软件栈兼容主流框架，原生适配大模型，实现开箱即用。

第三道：市场。技术愿景不足以形成订单，必须找到传统架构难以解决且足够大的市场。NOR Flash 存算率先进入可穿戴设备源于明确的低功耗需求；SRAM 数字存算进入端侧大模型则因传统架构面临功耗与带宽压力。决定订单的是传统架构在具体 AI 场景中无法满足需求的临界点。

首批跑出的产品并非因技术路线最先进，而是找到了传统架构出现瓶颈的场景。

最早的需求来自低功耗终端。智能耳机、手表等设备电池与散热受限，用户更关注实时性与续航。知存科技基于 NOR Flash 的模拟存算技术在此场景实现千万级出货，搭载于华为、小米等设备。

大模型时代，端侧 AI 需求升级。AI PC、Agent Computer 等需在本地运行更大模型，传统 NPU/GPU 面临数据搬运带来的功耗与带宽压力。

后摩智能 M50 是此阶段的典范。其采用数字存算一体架构，2026 年 2 月量产，在 10W 功耗下算力达 160 TOPS，可流畅运行 30B 至 122B 参数大模型。目前产品已进入 Agent Computer、陪伴机器人及通信边缘服务器等场景，完成商业化闭环。

行业竞争呈现新特点：存算一体正从单独的技术标签，变成 AI 芯片内部的一种架构能力。九天睿芯、炬芯科技等企业也将存算能力融入整体架构。

RRAM、MRAM 等新型路线虽受关注，但仍需解决制造一致性与可靠性问题。现阶段，量产能力和场景匹配度比单点性能更早决定路线命运。

随着 NOR Flash 存算进入可穿戴、SRAM CIM 承载端侧大模型，行业面临新命题：存算一体还能进入哪些场景？

根本趋势是 AI 计算从云端向端侧、边缘侧迁移，对功耗、带宽、延迟约束更苛刻。

3D 集成是重要方向。三星、SK 海力士等推动 HBM PIM，在 3D 堆叠 DRAM 层间嵌入计算逻辑。后摩智能在完成 CIM 验证后，正推进 3D CIM 探索，试图同步提升存储容量、带宽和算力。

同时，RRAM、MRAM、NOR Flash 等新型介质凭借各自优势在不同应用边界寻找位置。从可穿戴到工业物联网，从边缘服务器到车载计算，每种技术都在回答：在特定约束下，如何最有效缩短数据与计算的距离？

未来，不同技术将形成各自应用空间。行业重点不再是证明某一种技术覆盖所有场景，而是不断找到传统架构瓶颈，将存算能力转化为可交付产品。

决定行业未来的不只是技术上限，还有量产良率、工具链、终端销量及客户续单。当越来越多场景需要重算数据、算力与功耗的关系，存算一体才能真正从技术创新变为庞大产业。