存算一体

存算一体是一种旨在解决传统冯·诺依曼架构“存储墙”、“功耗墙”等瓶颈的新计算架构，其核心思想是将存储单元与计算单元融合，以减少数据搬运带来的功耗和延迟，从而显著提升计算能效 【1】 【2】 【9】 。

一、核心优势

1. 解决“存储墙”问题：传统架构中处理器与存储器物理分离导致数据频繁迁移，存算一体通过融合存储与计算，消除数据搬运环节，突破带宽限制 【1】 【3】 。
2. 降低功耗：数据搬运能耗远高于计算本身（如DRAM访问功耗是芯片内一级功耗的650倍），存算一体可实现能效的数量级提升 【3】 【5】 。
3. 低延迟与高算力：尤其在AI大模型推理、边缘计算等场景，能满足低时延和高并行计算需求 【2】 【5】 。

二、技术分类（广义）

类型	英文	核心特征	成熟度与应用
近存计算	PNM	计算单元靠近存储单元（如HBM、2.5D/3D封装），仍为存算分离架构	技术成熟，已商业化，适合大规模并行处理（如数据中心） 【1】 【3】 【14】 。
存内处理	PIM	存储与计算集成在同一晶粒（如DRAM内嵌入处理单元），距离更近	逐步商业化，适合数据密集型任务（如智能安防） 【6】 【14】 。
存内计算	CIM（狭义）	存储与计算完全融合，存储单元直接参与计算（如利用RRAM、MRAM等新型介质）	技术难度高，暂未大规模商用，但市场占比最高（2022年达88%），适合低功耗/大算力场景 【6】 【8】 。

三、存储介质

• 易失性：如SRAM（速度快、密度低）、DRAM（适合大容量场景，如AI手机大模型推理芯片） 【4】 【10】 。
• 非易失性：如Flash（存储密度高）、RRAM/MRAM（新型介质，支持原位计算） 【4】 。

四、应用场景

1. 端侧设备：可穿戴设备（功耗降低10-20倍）、智能手表、AR/VR（低延迟、低功耗） 【5】 【15】 。
2. AI与边缘计算：手机大模型推理、自动驾驶（实时性与可靠性要求高） 【4】 【15】 。
3. 数据中心：通过HBM、存内计算芯片提升算力与能效，支持云计算升级 【9】 【10】 。

五、发展现状与趋势

• 量产阶段：2024年处于小规模量产，预计2025年进入大规模量产，产业链生态将逐步形成 【5】 。
• 挑战：存内计算面临器件波动性、纠错补偿等技术难题，需突破新型封装与算法优化 【7】 。
• 企业动态：兆易创新等公司正发力DRAM存算一体芯片，目标2027年销售不低于1000颗，推动AI手机应用落地 【4】 。

存算一体通过重构计算架构，正成为AI时代突破算力与能效瓶颈的关键技术，尤其在端侧和大算力场景潜力巨大。