同样叫存算一体，有的开始交付，有的还在等流片|dram|hbm|低功耗|存算一体|等流片|阵列|高带宽内存

2026 年 2 月，后摩智能的 M50 宣布量产。装进联想 AI 主机 P7 之后，它可以在离线状态下运行 1220 亿参数的大模型。半年后的 8 月，谦合益邦对外披露，其 4 层 3D DRAM 堆叠的存算一体芯片成功「回片点亮」。

两条消息属于同一个赛道，状态却差得很远。一边是能买到、能用的成品；另一边是刚拿到晶圆、通电成功、性能待验的样品。从「回片点亮」走到「稳定量产」，中间隔着多数公司跨不过去的一段路。

存算一体（Computing-in-Memory，CIM）在学术圈已经热了十几年。它承诺的事情足够诱人：把计算单元放进存储阵列内部，让数据不必在两个芯片之间来回搬运，从而绕开冯·诺依曼架构沿用八十年的「内存墙」与「功耗墙」。

2024 到 2026 年，这个承诺开始兑现，赛道也随之进入一个尴尬的阶段——同一个技术标签下面，同时挤着年出货千万颗的成熟玩家和刚刚点亮样片的初创公司，有一种乱花渐入迷人眼的感觉。

如果想看清这个赛道，我觉得可以把它拆成三层能力：介质、工具链、良率。介质选择划定天花板；工具链决定一家公司能不能被客户采用；良率决定它能不能持续交货。这三层，正好解释了为什么同样叫存算一体，有人已经产生收入，有人还在等流片回来。

存算一体的市场需求，是被大模型在终端设备上的部署推起来的。在此之前，这项技术主要用在耳机、手表这类算力需求极低的设备上。2023 年大模型爆发之后，情况变了。AI PC、Agent 主机、陪伴机器人这些新形态硬件，需要在本地运行几十亿到上千亿参数的模型，而终端设备的功耗、散热和面积并没有同步增长。

继续堆 NPU 和 GPU 是一种办法，但模型和数据量一大，计算单元与存储单元之间频繁搬运数据的功耗与带宽开销就压不住了。这恰是存算一体擅长的场景。

需求端的数据能佐证这条曲线。IDC 数据显示，2026 年一季度全球云端 AI 芯片出货同比增速为 12%，端侧与边缘 AI 芯片出货同比增长 45%，面向 IoT 和工业设备的中低端端侧芯片涨幅突破 110%。

政策也在同一个时间点加了杠杆。2026 年 9 月，工业和信息化部、国家发展改革委印发《电子信息制造业发展「十五五」规划》，在「人工智能芯片和终端关键技术系统化突破」专栏中明确写入：攻关端侧智能计算芯片、高端存储芯片，开发近存计算、存算一体等新型架构。

需求与政策两个变量同时向上，资本随之进场。2025 到 2026 年，这个赛道的融资密度明显提高：九天睿芯在 2026 年 4 月完成近 2 亿元 B++ 轮、5 月完成超亿元 C 轮，累计融资 4.6 亿元；谦合益邦在 2026 年 8 月完成超 20 亿元 B 轮；微纳核芯在 2026 年 6 月完成 B3、B4 两轮，B 轮系列融资总额超 10 亿元。

存算一体是一个方向，方向上至少有三个维度的技术选择，混在一起谈会读错公司。

第一个维度是数据存在哪里。SRAM 速度快、工艺成熟，容量和面积效率却有限；NOR Flash 适合低功耗场景，工艺被卡在 40nm 以上，无法兼容先进制程；DRAM 的容量基础更大；RRAM、MRAM 这类新型非易失存储器具备非易失和高密度的潜力，代价是器件一致性、可靠性与制造成熟度都有待验证。

介质的选择直接决定一家公司的能力边界。知存科技能成为国内唯一实现千万颗级出货的存算一体公司，一个重要原因是它选了 NOR Flash 这条制程成熟、可商用、成本可控的路线，并承接了可穿戴设备最明确的那类低功耗需求——语音识别要实时跑，AI 打开之后电池还得撑得住。

第二个维度是怎么算。模拟计算能效更高，但要处理精度、噪声和工艺波动；数字计算在精度和鲁棒性上更强，支持复杂模型的能力也更好，代价是面积与能效要重新权衡。2025 年，数字存算方案以 55.3% 的份额主导全球市场，模拟方案占 27.8%，数模混合占 16.9%。

第三个维度与介质、计算方式不在同一个层面上：芯片怎么集成。二维是当前主流，3D 通过垂直堆叠缩短存储层级之间的距离。这里有个常见的误解需要澄清：3D 堆叠解决的是芯片在垂直方向如何集成，存算一体解决的是计算如何靠近数据。把两者直接划等号，会读错很多公司的技术定位。

3D 这条路线的核心瓶颈是散热。DRAM 本身漏电发热，多层堆叠之后热量更难导出。美国对 HBM 的出口限制，反过来迫使中国公司转向 3D DRAM 的自主堆叠；一旦散热问题解决，这条路线在带宽上的潜力甚至可能超过 HBM。

介质选对了，只是拿到了入场券。客户最终买什么，决定公司的收入。

后摩智能 CEO 吴强有一个说法：客户买走的，是一组 TOPS 数字背后、模型能不能快速运行起来。这个判断落到工程上，就是软件工具链的成熟度。芯片架构变了，模型不会自动跑在新硬件上——算子如何拆分和映射、模型如何编译、量化如何进行、不同模型如何快速适配，每一步都影响硬件能力最后能释放多少。

后摩为 M50 配了自研软件栈「后摩大道」，兼容 PyTorch、TensorFlow 等主流框架，省去手动调参与量化校准，同时原生适配 ARM Linux 平台和 Qwen、Llama 等主流大模型。对一颗面向大模型的芯片而言，这套能力的重要性不亚于峰值算力。

工具链目前是全行业公认的短板。设计自动化不足、编译器生态碎片化、软硬件深度绑定形成孤岛，都是现实问题。行业已经出现开源工具链和自动化设计工具，距离成熟统一的行业标准仍有距离。IEEE 计划在 2026 年发布存算一体的系统接口规范，能否推动标准化，还要看后续落地。

软件能力也直接反映在价值链的利润分布上。存算一体产业链中，设计环节的毛利率中位数达到 62.3%，处在价值链最高端；制造与封测环节受制于先进工艺产能紧张，毛利率集中在 18% 到 25%。

行业里利润最高的环节，落在晶圆制造之外。存算一体对先进制程的依赖度不高，二十多纳米即可满足，光刻机限制相对较小；高风险、高价值的环节集中在软件生态、编译器、工具链、EDA 与先进封装。

这条判断对中国产业链的启示是：封测环节的兑现节奏，可能早于芯片设计公司。长电科技是国内最早布局混合键合、3D 堆叠和 Chiplet 的封测厂之一，其 XDFOI 平台已经可以完成逻辑与存储晶圆的异质键合，是东方算芯 DF1000 等国产 3D 近存芯片的核心封测合作方。

工程化的最后一道关是良率。

性能优势可以在一次流片里验证，稳定复制则是另一回事。同一颗芯片要在不同电压、温度、工艺偏差和长时间运行下，始终给出接近一致的结果。模拟计算中的噪声、器件老化带来的漂移、存储阵列在不同批次之间的细微差异，都会让能算与稳定交付之间拉开距离。

这条鸿沟有具体的数字。模拟存算路线在能效上已经能做到实验室峰值 20.4 TOPS/W，受工艺偏差与量化噪声限制，商用良率仍徘徊在 87.3% 左右。忆阻器的金属细丝方案，高低阻态电阻差异能达到千倍，识别容易，代价是有 3% 到 5% 的概率发生随机跳变，也就是数据自发翻转。对纯存储场景可以用校验机制容错，对存算场景近乎致命。

现在回头看开头的两种状态，就能理解它们的距离。谦合益邦的回片点亮证明的是能算，知存的千万颗出货证明的是每一颗都能算好。后摩从 2024 年初启动 M50、2025 年初流片，到 2026 年 2 月量产，走了整整两年，其中大半时间花在把实验室结果变成可复制的工程结果上。

良率也解释了为什么最先规模化落地的路线，未必是理论指标最突出的那一条。通常是制造成熟度更高、应用场景更清晰的那一类。量产能力与场景匹配度，比单点性能更早决定一条路线的命运。

把上面三层合起来看，会发现这个赛道正在发生一个变化：行业谈起存算一体的方式变了。

早期，一篇论文或一次 IP 验证，就足以证明一条技术路线的价值。现在，量产落地、规模部署、被消费者真实感知，成为新的门槛。存算一体正在从一种可以被单独售卖的技术标签，退化为 AI 芯片内部的一种架构能力。行业里不少公司的做法，是把存算能力作为整个 AI 芯片架构的一部分，不再单独销售一颗「存算一体芯片」。

大厂的下场加速了这个过程。2026 年 8 月，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，近存计算带宽达到 1.22TB/s。地平线、中星微、华为也都在各自的 SoC 里集成了相关能力。存储巨头从另一个方向切入：三星在 HBM 基础上推出 HBM-PIM，把存内计算逻辑嵌进 3D 堆叠的 DRAM 层间；SK 海力士发布了 GDDR6-AiM、AiMX、CuD、CMM-Ax 一整套 PIM 与存算产品。

对独立芯片公司来说，这个趋势的含义很直接：威胁来自大厂把同一能力做进 SoC。这一层的竞争烈度，高于初创公司之间的正面交锋。护城河只能建立在特定场景、量产良率和客户续单这三件事上。

顺着这个逻辑，可以把产业链上的公司按话语权重新排一遍。

上游掌握不可替代的要素，利润厚、定价权强。

环节

代表公司

为什么在这个位置

EDA / 工具链

华大九天、广立微

存算架构差异大，编译器与仿真需定制；三家 EDA 供应商控制约 76% 仿真验证环节

先进封装

长电科技、通富微电、华天科技

3D 堆叠与混合键合是工程化落地的物理载体，产能稀缺、定价权强

存储介质 / 代工

兆易创新、恒烁股份、东芯股份；中芯国际、华虹

介质制造能力是 PNM/PIM 路线的天然准入；28nm 产能利用率达 92%

存储巨头

三星、SK 海力士、美光

PNM/PIM 与 DRAM/HBM 制造体系深度绑定，合计约占 45%–50% 份额

半导体设备

拓荆科技、中微公司、长川科技

高端键合设备仍被 ASML、K&S 垄断，产能上限由设备交付决定

中游是数量最多、竞争最激烈的一层，主体是 Fabless 设计公司。知存科技走 NOR Flash 模拟路线，商业化最稳健；后摩智能走数字存算大算力路线，跑通了从芯片量产到多场景应用的完整路径；微纳核芯由北京大学孵化，主攻 3D-CIM；谦合益邦做 4 层 3D DRAM 堆叠；九天睿芯是国内首家深耕 SRAM 存算的公司；东方算芯的 DF1000 基于 14nm 实现 520 TFLOPS，正在主流运营商验证适配，最新一轮估值300 亿元；亿铸科技走 ReRAM 大算力路线，皓泽科技、寒序科技、光本位科技分别探索端侧 SoC、eMRAM 和光计算。

下游是可替代性最高的一层，终端品牌和系统厂商在这里选择方案、议价。联想的 AI 主机 P7、小米的可穿戴、长城的 N90 Pro、中国移动的 AI RAN 边缘服务器、字节的 AI 眼镜模组，构成主要的需求出口。中国移动这类客户还带着双重身份，既采购芯片，又通过旗下基金战略投资后摩智能。

行业集中度目前不算高。多来源估计显示，前三家企业合计约占 44.7% 到 46.8% 份额，前五名约占 42.1% 到 61%；全球活跃企业超过 120 家，具备量产交付能力的不足 25 家。这个分散度说明，赛道还没有收敛出决定性的赢家。

中国在存算一体的 CIM 设计层，与海外大体站在同一起跑线。CIM 主要发生在芯片设计层面，SRAM、NOR Flash、RRAM 等不同介质都能成为计算阵列的一部分，这给了大量中国 AI 芯片创业公司入场机会。

差距在 PNM 和 PIM。这两条路线与 DRAM、HBM 制造体系深度绑定，存储巨头拥有天然优势。中国公司的机会，集中在 CIM 设计加 3D DRAM 自主堆叠这个组合上。

存算一体的市场规模数字，各来源之间冲突严重。

口径

2025 年

2026 年

全球存算一体市场

16.70 亿美元

恒州诚思

26.3 亿美元