知存科技、亿铸科技、后摩智能抢先卡位，十五五规划重点落地，“存算一体”竞速出圈

【摘要】2026年，“存算一体”首次被正式写入《中华人民共和国国民经济和社会发展第十五个五年规划纲要》。

在“培育壮大新兴产业和未来产业”章节中，“存算一体”与“三维集成”、“光电融合”并列，被明确列为下一代集成电路重点突破方向。

AI算力需求的爆发式增长，正是这一技术走向前台的核心推力。国家数据局数据显示，截至2026年3月，我国日均AI Token调用量已突破140万亿，相较2024年初增长超过千倍。

而传统架构下，AI计算的主要性能损耗，来自数据在存储与计算单元之间的频繁搬运。想要从根源破解瓶颈，最直接的路径，就是让存储器直接参与计算。

在这样的行业背景下，“存算一体”加速走出实验室，进入产业化落地周期。从知存科技的NOR Flash路线、亿铸科技的ReRAM全数字方案，到后摩智能面向端边大模型的存算架构，这条仍在成长的赛道，已经释放出清晰的产业化信号。

图片来源：中国政府网

以下是正文：

01

存算一体是什么？

理解存算一体，必须先回到现代计算机的基础框架——冯·诺依曼架构。

在这套沿用数十年的体系里，存储与计算是完全独立的模块。CPU、GPU承担计算任务，数据则存储在DRAM、SRAM、Flash等器件中。每一次AI推理，都需要海量数据在两个单元之间频繁搬运。

图片来源：鲜枣课堂

传统架构在PC与移动互联网时代运行稳定，但进入AI大模型时代，短板被快速放大。

大模型参数量呈指数级膨胀，推理过程的访存需求同步激增。GPU算力持续提升，可数据传输速度始终跟不上运算速度，最终形成制约性能的两大瓶颈：存储墙与功耗墙。

存储墙，是指数据传输带宽无法匹配AI算力的增长速度。据业内测算，AI运算需要接近1PB/s的存算通道速率，传统DRAM带宽远不能满足。

功耗墙则更为突出。图灵奖得主、计算机体系结构专家约翰·轩尼诗指出，当前AI计算中，数据搬运的成本已达到计算成本的100倍。在7nm工艺下，数据搬运功耗占比甚至超过63%。

HBM高带宽存储的出现，虽然在一定程度上缓解了带宽压力。比如英伟达等厂商通过3D封装，把存储单元与计算单元靠近，提升传输效率、降低延迟。

但HBM并未改变“存算分离”的底层架构，只能算是制造工艺技术优化，无法从根源解决问题。

既然现有的方式都存在“硬伤”，那就“破而后立”。存算一体的核心思路，正是针对这一痛点提出的架构革新。

数据搬运代价高昂，那就直接让数据在存储阵列内部完成运算，最大限度减少搬运次数与距离，同步提升效率、降低功耗、缩短延迟。

当前行业路线主要分为“模拟存算一体”与“数字存算一体”两大方向。

前者利用RRAM、Flash等器件的物理特性，在模拟域完成矩阵乘加运算，能效优势突出，但长期面临精度漂移、噪声敏感、环境稳定性不足等问题。

后者则是在存储单元周边集成逻辑电路，以数字方式完成运算。这类方案可靠性、通用性更强，但功耗略高。

在存储介质上，“存算一体”公司亦有差异化选择。

SRAM凭借速度快、精度高的特性，适配云端高性能推理需求；Flash因成本低且静态功耗接近零，适合端侧低功耗设备；RRAM存算特性优异，被视作下一代核心介质；此外，DRAM-PIM、MRAM、PCRAM等路线也在同步演进。

在这场架构竞赛中，国内一批初创公司已经悄然卡位。

02

谁在率先卡位？

国内“存算一体”赛道并未出现统一路线。不同公司在存储介质、计算方式、落地场景上选择差异显著，形成端侧、边缘、云端多层次布局。

那么，谁在率先卡位？

最早跨过量产死亡谷的企业，是2017年成立的知存科技。

公司由两位北大微电子系校友创立，CEO王绍迪、CTO郭昕婕分别在UCLA与UCSB深耕存储与存算一体技术，具备扎实的学术与工程积累。

知存从成立之初就锁定“NOR Flash模拟存算一体”路线，专注端侧低功耗AI市场。

选择这一路线的逻辑清晰：TWS耳机、智能手表、智能语音设备等终端，核心痛点在于功耗、体积与成本。

NOR Flash作为成熟非易失性存储，掉电无需刷新，静态功耗极低。同时浮栅晶体管天然支持多值存储，适配模拟域矩阵向量乘法运算，完美匹配端侧AI推理需求。

依托中芯国际成熟工艺，知存快速完成工程化落地。

2021年推出“WTM1001”，成为国际首款存算一体加速器芯片；随后量产的“WTM2101”，更是成为行业标志性产品。

这颗SoC芯片可支持语音唤醒、命令词识别、环境降噪、声纹识别等功能，典型工作功耗达到微瓦级，待机功耗接近零，封装尺寸小巧，高度适配可穿戴与音频设备。

在半导体行业，流片成功与量产出货之间存在巨大工程鸿沟。但“WTM2101”实现稳定出货，证明知存已经解决存算阵列一致性、良率、可靠性等关键工程问题，打通晶圆制造、封测到终端集成的全链条。

知存的核心价值，不仅在于芯片参数领先，更在于其率先证明存算一体可以成为标准化、可规模化出货的货架商品。

目前产品已进入TWS、智能手表头部供应链，与万魔声学、科大讯飞等生态伙伴深度协同。

亿铸科技，选择面向数据中心的大算力方向，走出一条同具挑战性的“ReRAM全数字存算一体”路线。

公司2020年在上海成立，2022年总部迁至苏州，创始人熊大鹏博士拥有多年算力架构与产业投资经验；团队成员来自NVIDIA、AMD、高通、华为等知名企业，具备深厚的技术积累和丰富的产业经验。

由于行业多数模拟存算方案能效突出，但存在精度漂移、IR‑DROP电压降、噪声干扰等问题，难以满足高精度通用计算需求。

因此，亿铸选择彻底数字化，不使用ADC/DAC模数转换器，从根源避免模拟计算的精度损失，精度可达到32bit及以上，同时提升系统稳定性与可靠性。

2023年，亿铸成功研发首颗高精度、低功耗存算一体AI大算力POC芯片。其采用28nm工艺，单卡算力突破1000TOPS（INT8）。

据悉，该产品目前处于从POC验证向量产推进的阶段，主要面向数据中心、云计算、中心侧服务器、自动驾驶及边缘计算等场景。

值得关注的是，相比单纯追求硬件参数，亿铸更强调“通用存算一体”理念。

创始人熊大鹏多次强调，存算一体的核心挑战不只是硬件架构，更是算法快速迭代与软件生态兼容。

为此，亿铸从指令集层面兼容CUDA、Triton等主流开发体系，搭配自研编译器实现算子自动优化，降低开发者迁移成本；同时引入RISC‑V核承担任务调度与矢量运算，完善异构计算体系。

图片来源：亿铸科技公司官网

后摩智能——赛道内极具代表性的“转型者”，凭借SRAM存算一体与自研IPU架构，快速切入端边大模型增量市场。

公司2020年11月在北京成立，创始人吴强为普林斯顿博士，是AMD GPGPU/OpenCL创始团队核心成员，曾担任Facebook资深科学家、地平线技术副总裁与工程院院长，在高端芯片架构与量产方面经验丰富。

后摩最初聚焦智能驾驶芯片，2023年发布“鸿途H30”，最高物理算力256TOPS，典型功耗35W，验证大算力存算方案可行性。

但市场环境快速变化，高算力智驾芯片成本偏高，与行业降本趋势不符。2023年下半年，公司果断战略转型，转向“端边大模型”这一新兴赛道。

2025年WAIC前夕，后摩发布“漫界M50”芯片，宣告转型落地。

这款芯片采用第二代自研天璇IPU架构，单芯片算力达160TOPS@INT8、100TFLOPS@bFP16，搭配最大48GB内存与153.6GB/s带宽，典型功耗仅10W，能让PC、机器人等智能移动终端高效运行1.5B到70B参数的本地大模型。

根据创始人吴强分享，该架构重点有两个突破：一是弹性加速，以比特串行计算实现细粒度优化，最高可实现160%加速效果，量化更灵活；二是原生支持浮点运算，FP16模型无需量化即可直接部署，大幅降低开发者适配成本。

此外，依托高速多芯互联技术，后摩又推出M.2加速卡（如力擎LQ50 M.2）、计算盒子（如BX50）等多元产品，覆盖AI PC、智能语音、运营商边缘计算、机器人等场景。

目前，后摩智能已与联想、科大讯飞、中国移动达成合作，进入头部客户供应链。同步，公司已启动下一代DRAM‑PIM技术研发，目标突破1TB/s片内带宽。

图片来源：后摩智能公司官网

从知存、亿铸到后摩，可以明显看到，国内存算一体产业并不存在统一答案。

有的押注Flash模拟存算，切入低功耗端侧；有的押注ReRAM全数字路线，挑战数据中心推理；也有的基于SRAM存算一体，寻找端边大模型的新机会。

这种多路线并行的背后，其实也意味着行业仍处于早期阶段。存储介质尚未统一，软件生态仍在建立，规模化落地也还在持续验证。

03

尾声

今天的存算一体，很像几年前的大模型。

方向已经被验证，政策也开始加码，但距离真正大规模商业化，仍有大量问题需要解决。

首先是工艺与量产。

无论是RRAM、SRAM还是Flash存算，不同介质都存在一致性、可靠性、良率等工程挑战。尤其是模拟存算，对噪声与温漂非常敏感。

其次是软件生态。

过去几十年，整个AI产业已经围绕CUDA建立起完整工具链。新架构若无法兼容现有开发体系，很难真正被市场接受。

再次，则是场景验证。

存算一体并非适用于所有AI任务。它更适合矩阵运算密集、功耗敏感、访存压力大的场景。如何找到真正具备商业价值的落地方向，仍需要时间。

但另一方面，行业窗口也正在逐渐打开。

“存算一体”以架构创新为突破口，依托成熟工艺就能实现高能效、高带宽与低成本优势，已然成为国内半导体产业实现差异化突围的关键落点。

从这个角度看，写入“十五五”规划，仅仅只是开始。