01.核心判斷及觀點

1.存算一體屬于芯片的底層架構(gòu)創(chuàng)新，階段非常早期，其產(chǎn)業(yè)鏈空白度及機遇挑戰(zhàn)不亞于20年前從頭開始發(fā)展GPU。

2.相對于量子計算、光子芯片、非硅基芯片等前沿算力方案，受益于介質(zhì)等技術(shù)成熟，存算一體芯片更有希望在3-5年內(nèi)廣泛落地。

3.存算一體領(lǐng)域?qū)儆谏儆械膰鴥?nèi)外同時起步的芯片領(lǐng)域，中國更有希望做出引領(lǐng)世界的產(chǎn)品。

4.當(dāng)前產(chǎn)業(yè)界及投資方認(rèn)為產(chǎn)業(yè)鏈上下游仍不完善，仍需5-10年才能投入使用，但這也意味著更為全面的創(chuàng)新機遇。

5.當(dāng)前行業(yè)玩家競爭主要集中在不同的存儲介質(zhì)，長期來看存儲介質(zhì)路線并無差別，在設(shè)計方法論、測試、量產(chǎn)、軟件、場景選擇等方面全方位競爭是長期關(guān)鍵。

6.第一款、第二款芯片場景的選擇非常重要，率先取得商業(yè)化驗證，打造爆款是未來三年勝出關(guān)鍵。

7.作為新興技術(shù)，產(chǎn)業(yè)人才主要集中于學(xué)界而非企業(yè)界，因此院校技術(shù)、人才轉(zhuǎn)化資源非常關(guān)鍵。

8.除創(chuàng)業(yè)公司外，大學(xué)院校及巨頭也在同步做研發(fā)，長期來看，真正強勁的競爭對手可能是觀望中的巨頭。

9.存算一體芯片相對于CPU/GPU等主流算力并非是取代關(guān)系，未來將會成為主流算力的重要補充，更側(cè)重于高能效的算力。02.存算一體技術(shù)的背景及原理

在全球數(shù)據(jù)量呈指數(shù)級暴漲，算力相對于AI運算供不應(yīng)求的現(xiàn)狀下，存算一體技術(shù)主要解決了高算力帶來的高能耗成本矛盾問題，有望實現(xiàn)降低一個數(shù)量級的單位算力能耗，在功耗敏感的百億級AIoT設(shè)備上、高能耗的數(shù)據(jù)中心、自動駕駛等領(lǐng)域有望發(fā)揮其低功耗、低時延、高算力密度等優(yōu)勢。 在現(xiàn)有的成熟架構(gòu)及工藝下，當(dāng)前依靠制程技術(shù)進(jìn)步，增加晶體管密度提升算力、降低功耗已逐步趨于物理極限，且成本逐步提高；

在馮諾依曼架構(gòu)下，由于數(shù)據(jù)存儲與運算單元分離，算力提升受限，功耗增加：

應(yīng)對存儲單元與計算單元分離的現(xiàn)狀，存算一體技術(shù)思路應(yīng)運而生，在器件單元上存儲與計算單元融合，通過底層的架構(gòu)創(chuàng)新解決馮諾依曼架構(gòu)的固有瓶頸：

由于存儲介質(zhì)技術(shù)在近年來不斷突破，此外AIoT時代對于設(shè)備的智能化、低功耗、體積小、低時延等特性提出了天然要求（而現(xiàn)有的技術(shù)路線未能很好的滿足需求），在技術(shù)突破疊加市場需求的雙重作用力下，存算一體技術(shù)當(dāng)前已到達(dá)產(chǎn)業(yè)化爆發(fā)拐點：

相對于五十多年前CPU的誕生以及二十多年前GPU的誕生，當(dāng)前存算一體技術(shù)仍處于早期階段，未來依靠其更好的并行度、更好的能效比等特性，有望成為智能化時代的主流算力平臺之一，與現(xiàn)有的算力解決方案互為補充。

伴隨架構(gòu)創(chuàng)新的巨大機遇和算力需求的變化，在存算一體領(lǐng)域有希望孕育下一個千億美元級的芯片巨頭，當(dāng)前我國存算一體技術(shù)研發(fā)與國外處于齊頭并進(jìn)的階段，我國存算一體技術(shù)及產(chǎn)業(yè)有望引領(lǐng)世界。

存算一體當(dāng)前有一些相似的稱呼（如近存計算），其內(nèi)在結(jié)構(gòu)差別如下：近存計算：不改變計算單元和存儲單元本身設(shè)計功能，通過采用先進(jìn)的封裝方式及合理的硬件布局和結(jié)構(gòu)優(yōu)化，增強二者間通信寬帶，增大傳輸速率；本質(zhì)上屬于馮諾依曼架構(gòu)，通過拉近存儲單元和計算單元的距離，對“存儲墻”進(jìn)行優(yōu)化。 內(nèi)存儲計算：存儲單元與計算單元完全融合，無獨立計算單元，通過存儲器顆粒上嵌入算法，由存儲器芯片內(nèi)部的存儲單元完成計算操作；其設(shè)計難度更高，未來可提升的空間也更大，但需要獲得代工廠許可支持。本文所探討是存算一體/存內(nèi)計算企業(yè)主要集中于這類。

03.存儲介質(zhì)技術(shù)路線的選擇分析存算一體，當(dāng)前存算一體芯片研發(fā)企業(yè)/機構(gòu)在成熟介質(zhì)上的切入點集中在SRAM、Nor-Flash和DRAM等；部分學(xué)術(shù)機構(gòu)選擇切入RRAM等新型介質(zhì)研發(fā)。 從存儲介質(zhì)的分類來講，分為易失性存儲器和非易失性存儲器。

上圖引自方正證券研報 當(dāng)前不同的存儲介質(zhì)在計算機架構(gòu)中均承擔(dān)著必要的工作任務(wù)，其中SRAM距離CPU最近，響應(yīng)時間最快，存儲容量較小；

其次分別是DRAM、NAND-Flash等介質(zhì)，在傳輸速率、存儲容量上各有其特點：

1.易失性存儲器：即在正常關(guān)閉系統(tǒng)或者突然性、意外性關(guān)閉系統(tǒng)的時候，數(shù)據(jù)會丟失，成本高。
DRAM：內(nèi)存條（一個存儲單元僅需一個晶體管和一個小電容），占據(jù)58%的半導(dǎo)體存儲市場份額，當(dāng)前已突破20nm，往10nm過渡。
SRAM：CPU緩存（一個存儲單元需要4-6個晶體管），特點是速度最快（納秒級），不需要一直充電。

2.非易失性存儲器：在上述斷電情況下數(shù)據(jù)不會丟失，成本低。

NAND Flash：如固態(tài)硬盤、U盤和內(nèi)存；容量大，但讀寫速度極低。

NOR Flash：代碼型內(nèi)存，主要存一些指令；如機頂盒、網(wǎng)關(guān)、路由器中嵌入代碼的存儲；容量較小且寫入數(shù)據(jù)極低，但讀速較快。

長期來看，存算一體芯片產(chǎn)品化的快速發(fā)展離不開新型存儲介質(zhì)成熟度提升的助推，以下為不同新型存儲介質(zhì)的原理比較：

長期來看，RRAM（憶阻器）是除了電阻器、電容器、電感器之外的一大新發(fā)現(xiàn)；其與生物神經(jīng)突觸有著非常類似的特性，因此也被成為電子突觸器件。

以下為新型存儲介質(zhì)的性能比較：

以下為不同存儲介質(zhì)的存儲原理及客觀性能比較；其中成熟的存儲介質(zhì)如SRAM、DRAM、Flash基于電荷的移動完成數(shù)據(jù)存儲；新型存儲介質(zhì)與RRAM、MRAM等基于電阻大小的變化完成數(shù)據(jù)存儲功能。

除介質(zhì)以外，選擇數(shù)字計算與模擬計算也是影響存算一體芯片性能的因素之一；其中數(shù)字計算精度更高。

04.存算一體應(yīng)用場景1.存算一體架構(gòu)與深度學(xué)習(xí)網(wǎng)絡(luò)運算模型高度重合。
通用性計算芯片在服務(wù)特定AI算法方面并不具備性價比優(yōu)勢，為AI定制的芯片將成為人工智能產(chǎn)業(yè)鏈條上的底層核心技術(shù)。 存內(nèi)計算作為創(chuàng)新芯片架構(gòu)形式，突破了存儲墻問題，且其本質(zhì)是乘積累加運算（Multiply Accumulate, MAC）操作加快的體現(xiàn)，與深度學(xué)習(xí)網(wǎng)絡(luò)運算模型中的基本算子高度契合，使得基于存內(nèi)計算架構(gòu)的芯片相比于市場已有的AI加速芯片，在計算效率(TOPS/W)方面有數(shù)量級上的提升。 智能時代里，從可穿戴到自動駕駛，功耗約束下場景里的計算效率都是永恒的主題，存內(nèi)計算是解放算力、提升能效比最強有力的武器之一。

資料來源：《先進(jìn)存算一體芯片設(shè)計》、知乎陳巍探芯 2.存算一體芯片適用的行業(yè)/場景（1）小算力場景：邊緣側(cè)對成本、功耗、時延、開發(fā)難度非常敏感

中早期的存算一體芯片算力較小，從小算力1TOPS開始往上走，解決的是音頻類、健康類及低功耗視覺終端側(cè)應(yīng)用場景，AI落地的芯片性能及功耗問題。

我們預(yù)測從邊緣端接入的智能設(shè)備的市場體量將快速增長，智能產(chǎn)品覆蓋面積越來越大，產(chǎn)品形態(tài)的多樣性將迎來爆發(fā)式的增長。可以預(yù)見，由于傳輸延遲或數(shù)據(jù)安全考慮，很多數(shù)據(jù)處理及推理運算將在端側(cè)發(fā)生。

（2）大算力場景：GPU在算力和能效上都無法同時與專用加速芯片競爭

目前云計算算力市場，GPU的單一架構(gòu)已經(jīng)不能適應(yīng)不同AI計算場景的算法離散化特點，如在圖像、推薦、NLP領(lǐng)域有各自的主流算法架構(gòu)。

隨著存算一體芯片算力不斷提升，使用范圍逐漸擴展到大算力應(yīng)用領(lǐng)域。針對大算力場景>100TOPS，在無人車、泛機器人、智能駕駛，云計算領(lǐng)域提供高性能大算力和高性價比的產(chǎn)品。

存算技術(shù)可支持成熟制程下匹配傳統(tǒng)結(jié)構(gòu)+高級節(jié)點才能提供的計算能力，節(jié)約制造成本，繞過工藝封鎖等問題。

自動駕駛要求很高，算力、可靠性、穩(wěn)定性需要同時達(dá)標(biāo)，需要數(shù)年，目前仍有工藝挑戰(zhàn)和迭代，現(xiàn)在也還做不到數(shù)據(jù)中心的水平。

3.存算一體的其他延伸應(yīng)用：感存算一體、類腦計算

存算一體作為基礎(chǔ)原理，同樣也衍生了如感存算一體、類腦計算等創(chuàng)新技術(shù)方向：

（1）感存算一體：

傳統(tǒng)芯片，需要先利用傳感器芯片收集信息、存儲芯片進(jìn)行存儲、利用計算芯片來處理數(shù)據(jù)。感存算一體集傳感、儲存和運算為一體，在存算一體的基礎(chǔ)上增加了傳感，三位合一提高整體效率。

在傳感器自身包含的AI存算一體芯片上運算，來實現(xiàn)零延時和超低功耗的智能處理。

研究成果來看，包括壓力、光學(xué)、氣體三大類；從當(dāng)前應(yīng)用方向來看，包括實現(xiàn)更高效的機器視覺和類腦計算。

（2）類腦計算：

類腦計算又被稱為神經(jīng)形態(tài)計算，是借鑒生物神經(jīng)系統(tǒng)信息處理模式和結(jié)構(gòu)的計算理論、體系結(jié)構(gòu)、芯片設(shè)計以及應(yīng)用模型與算法的總稱。

試圖借鑒人腦的物理結(jié)構(gòu)和工作特點，讓計算機完成特定計算任務(wù)，從而高速處理信息，屬于大算力高能效領(lǐng)域。

存算一體天然是將存儲和計算結(jié)合在一起的技術(shù)，天然適合應(yīng)用在類腦計算領(lǐng)域，并成為類腦計算的關(guān)鍵技術(shù)基石。05.產(chǎn)業(yè)現(xiàn)狀與未來趨勢1.存算一體技術(shù)當(dāng)前面臨的挑戰(zhàn)：

存算一體技術(shù)是一門非常復(fù)雜的綜合性創(chuàng)新，產(chǎn)業(yè)還算不上成熟，在產(chǎn)業(yè)鏈方面仍舊存在上游支撐不足，下游應(yīng)用不匹配的諸多挑戰(zhàn)，但諸多的挑戰(zhàn)同時也構(gòu)成了當(dāng)前存算一體創(chuàng)新未來可構(gòu)筑的綜合性壁壘。

2.存算一體技術(shù)發(fā)展趨勢：更高精度、更高算力、更高能效。

3.當(dāng)前產(chǎn)業(yè)面臨的人才及生態(tài)問題：

（1）作為一個新領(lǐng)域，存算一體芯片復(fù)合型人才稀缺，人才更多在學(xué)術(shù)界。

完成存算一體芯片的產(chǎn)品化開發(fā)，需同時具備較強的學(xué)術(shù)原創(chuàng)能力（存算一體的架構(gòu)和編譯器設(shè)計、存算相關(guān)的量化算法開發(fā)等）及工程實踐能力（場景理解能力、芯片落地能力）。

（2）從上游到下游的生態(tài)不完整，既是挑戰(zhàn)也是機遇。

存算一體芯片的大規(guī)模落地需與芯片廠商、軟件工具廠商以及應(yīng)用集成廠商等產(chǎn)業(yè)生態(tài)合作伙伴的大力協(xié)同研發(fā)和推廣應(yīng)用。

需有一套方便、可用的工具鏈和軟件，讓采購方遷移成本低。

兼容現(xiàn)有的軟件生態(tài)，讓采購方用起來“無感”，如可直接利用現(xiàn)有GPU訓(xùn)練軟件框架。

引導(dǎo)采購方逐步切入專用工具鏈進(jìn)行模型適配、壓縮等，更好利用存算一體的優(yōu)勢，逐步建立生態(tài)。06.行業(yè)相關(guān)企業(yè)分析 當(dāng)前我國存算一體芯片創(chuàng)新企業(yè)與海外創(chuàng)新企業(yè)屬于齊頭并進(jìn)階段，共同探索存算一體技術(shù)產(chǎn)業(yè)化落地及應(yīng)用場景，在AIoT時代巨大的應(yīng)用場景下，未來我國存算一體領(lǐng)域有望產(chǎn)生引領(lǐng)世界的創(chuàng)新企業(yè)。 國內(nèi)存算一體芯片企業(yè)有：蘋芯科技、后摩智能、知存科技、億鑄科技、智芯科、千芯科技、九天睿芯等創(chuàng)新企業(yè)；國外有如Mythic、Syntiant等公司。

以下為國內(nèi)外部分存算一體企業(yè)簡介：

附錄：賽道內(nèi)主要玩家的部分產(chǎn)品進(jìn)展及性能