破解“内存墙”与“功耗墙”:存算一体AI芯片如何重构算力经济学,开启百倍能效比新时代
环洋市场咨询(Global Info Research)最新发布的《2026年全球市场存算一体AI芯片总体规模、主要企业、主要地区、产品和应用细分研究报告》,对全球存算一体AI芯片行业进行了系统性的全面分析。报告涵盖了全球 存算一体AI芯片 总体市场规模、关键区域市场态势、主要生产商的经营表现与竞争份额、产品细分类型以及下游应用领域规模,不仅深入剖析了全球范围内 存算一体AI芯片 主要企业的竞争格局、营业收入与市场份额,还重点解读了各厂商(品牌)的产品特点、技术规格、毛利率情况及最新发展动态。报告基准历史数据覆盖2021至2025年,并针对2026至2032年未来市场趋势作出权威预测,为行业参与者提供具备参考价值的洞察与决策依据。
产品定义及统计范围
存算一体AI芯片是一种颠覆性的新型芯片架构,它通过将数据存储单元(如 SRAM、DRAM或新型内存,如 RRAM)与计算单元紧密集成在一起,甚至直接在存储器内部完成计算。这样做彻底消除了传统冯·诺依曼架构中数据在处理器和内存之间频繁搬运所造成的“内存墙”瓶颈和巨大的功耗开销。尤其适用于AI推理任务中大量且重复的矩阵乘法和加法运算,从而实现极高的能效比和计算密度,是未来边缘计算和高性能AI部署的关键技术。
主要厂商包括:
Samsung
SK Hynix
Syntiant
Graphcore
Mythic
智芯科
知存科技
九天睿芯
后摩智能
苹芯科技
亿铸科技
千芯科技
按照不同产品类型,包括如下几个类别:
存内计算
近存计算
存内处理
按照不同应用,主要包括如下几个方面:
小算力场景
大算力场景
重点关注如下几个地区
北美
欧洲
中国
日本
韩国
中国台湾
一、存算一体 AI 芯片的市场驱动因素
1.AI 大模型与数据爆发式增长的刚需拉动:生成式 AI、多模态大模型的快速迭代,使数据量呈现指数级增长(预计 2028 年全球数据产出达 394ZB),传统冯・诺依曼架构芯片面临 “存储墙”“功耗墙” 瓶颈,数据搬运开销占比超 60%。存算一体芯片通过存储与计算融合,大幅降低数据迁移成本,在大模型训练 / 推理场景中能效比提升 300 倍以上,成为突破性能瓶颈的核心选择。
1.政策支持与国产化替代战略推动:各国将 AI 芯片列为战略科技领域,中国深圳等多地出台专项政策(如《具身智能机器人技术创新行动计划》),重点支持存算一体架构研发与国产化替代;国家大基金持续加码,对核心芯片企业给予研发补贴与产能扶持,当前国内存算一体芯片进口依赖度超 70%,替代空间广阔。
1.终端与边缘计算场景低功耗需求:智能手机、智能机器人、自动驾驶等终端设备对 AI 算力需求激增,但受限于续航与散热,对低功耗芯片需求迫切。存算一体芯片(如三星 LPDDR-PIM)可节省 72% 功耗,适配边缘端实时推理场景,成为终端厂商提升产品竞争力的关键配置,推动消费电子与工业边缘市场快速扩容。
1.传统芯片架构升级的替代效应:摩尔定律逼近物理极限,先进制程(3nm 以下)研发成本呈指数级增长,存算一体技术可在相对成熟的工艺节点下实现比肩先进制程的性能,例如阿里达摩院基于 DRAM 的存算一体芯片,在特定 AI 场景性能提升 10 倍以上,对传统 GPU、ASIC 芯片形成结构性替代。
1.巨头布局与商业化进程加速:三星、SK 海力士、AMD 等国际巨头推进 LPDDR6-PIM、HBM-PIM 等技术标准化与量产,阿里、华为等国内企业实现产品落地,行业从研发阶段迈入商业化初期。2024 年全球存算一体芯片市场规模突破 50 亿美元,大模型训练、智能驾驶等场景的商业化落地持续拉动需求增长。
二、存算一体 AI 芯片的未来发展因素
1.技术路径多元化与性能升级:近存计算(PNM)、存内处理(PIM)、存内计算(CIM)三条路径并行发展,HBM3+PIM、3D 键合堆叠等技术持续突破,三星 HBM3 Icebolt 实现 819 GB/s 带宽,未来将向更高带宽(1TB/s 以上)、更低延迟(亚微秒级)演进,适配更大规模大模型与实时计算需求。
1.Chiplet 集成与异构融合创新:Chiplet(芯粒)封装技术与存算一体架构深度融合,实现计算、存储、接口芯粒的模块化集成,提升芯片灵活性与扩展性。同时,与异构多核、类脑计算等技术结合,开发支持多模态大模型端到端推理的专用芯片,满足具身智能机器人等复杂场景需求。
1.端云协同与场景定制化开发:云端市场聚焦大模型训练 / 推理,开发高算力、高带宽存算一体芯片;端侧市场侧重低功耗、小型化,针对智能手机、可穿戴设备、工业传感器等场景开发定制化产品。例如 LPDDR-PIM 芯片专为移动设备设计,平衡性能与功耗,拓展终端应用边界。
1.国产化产业链协同突破:国内企业在新型存储材料、高带宽封装、算法工具链等环节持续攻关,逐步降低核心原料与设备进口依赖;“产学研用” 协同加速技术转化,深圳等产业集群推动芯片设计、制造、测试环节联动,构建自主可控的产业链生态。
1.国际标准制定与全球化布局:三星、SK 海力士等推动 PIM 技术标准化,国内企业积极参与 ISO/TC 等国际标准制定,提升全球技术话语权;依托 “一带一路” 倡议,国产存算一体芯片向东南亚、中东等新兴市场拓展,凭借性价比优势抢占海外增量市场。
三、存算一体 AI 芯片的发展阻碍因素
1.核心技术与工艺壁垒高企:存算一体芯片涉及器件、架构、电路、工艺多学科协同,高带宽存储封装、精密传感电路、AI 算法适配等核心技术被国际巨头垄断;3D 键合、异构集成等工艺难度大,良率控制成本高,中小企业难以突破技术瓶颈。
1.行业标准缺失与生态适配难题:不同技术路径(PIM/CIM/PNM)缺乏统一的接口、性能测试标准,芯片与软件、算法的兼容性不足;现有 AI 框架(TensorFlow、PyTorch)对存算一体架构适配性差,开发工具链不完善,增加客户迁移成本。
1.成本高企与商业化盈利压力:先进制程与封装工艺导致芯片单颗成本达数百美元,远超传统 AI 芯片;虽在特定场景能效比优势显著,但大规模量产尚未形成,价格下探困难,中小企业面临研发投入大、回报周期长的盈利压力。
1.专利垄断与知识产权风险:国际巨头(三星、Intel 等)在存算一体领域布局专利超万项,构建严密的专利壁垒,国内企业面临侵权风险;海外市场知识产权审查严格,增加产品出海难度,制约全球化拓展进程。
1.人才短缺与跨领域协同不足:存算一体芯片研发需要微电子、材料科学、人工智能、算法工程等跨领域复合型人才,行业人才缺口显著;芯片设计企业与终端应用厂商、算法公司协同不足,产品功能与市场需求脱节,影响商业化落地效率。