本公众号是《思维纪要社》的备用账号，通道↓↓↓
本次播客访谈围绕存算一体芯片的技术原理、发展现状、国内外进展及商业化难点展开，专家系统解析了存算一体相较传统架构的优势、主要技术路线、应用场景与未来趋势，并在与主持人的多轮问答中探讨了国产化机会、产业生态及投资视角等内容如下：
存算一体芯片概述与技术优势
·存算一体的定位与初衷：存算一体指将存储与计算单元集成在同一芯片上，更接近AI计算芯片的“终极形态”，克服当前GPU因高带宽显存“卡脖子”的结构性缺陷（显存占芯片成本30%以上）。传统GPU属过渡架构，导致算力冗余、功耗高、成本高企，难以满足算力普惠需求。
·解决算力痛点的路径：AI算力需求快速增长与昂贵供给形成矛盾，推动芯片向专用化演进。GPU在推理场景算力利用率仅约60%，存算一体专用芯片可显著降低功耗（主流800W降至100W以下）与成本（未来降幅可达50%以上），并提升特定场景推理速度（较GPU快5-10倍）。
·与传统架构的本质区别：严格意义上的存算一体须存储与计算同芯片，计算时直接调用存储数据；广义的存算融合、近存计算仍存距离。量子专用计算因存算同体，也可归入存算一体范畴。
主要技术路线与物理材料特性
·SRAM路线（代表：美国Groq）：采用静态随机存储器为介质，技术成熟但单颗存储容量仅数百MB，远低于高带宽显存，部署70B模型推理需更多芯片，成本比GPU高10-15倍。优势是可利用成熟制程快速落地，推理速度突出，英伟达已将其纳入CUDA生态并通过NVLink/NVSwitch互联提升可用性。
·MRAM路线（磁阻内存）：基于电子自旋实现存储，断电不丢数据、寿命无限、抗辐射，天然适合太空等极端环境。但当前单颗粒容量更小，未用先进制程（7nm及以下），部署成本与SRAM类似偏高。预计明后年有初创公司流片，可与光互联结合降低集群成本。若采用先进制程，单芯片算力与存储密度可翻倍，部署成本有望降至GPU的5倍。
·DRAM与RRAM路线：DRAM被认为可行性低；RRAM在科研层面具潜力，但成熟度落后于MRAM。未来可能出现SRAM、MRAM、RRAM多路线并存与封装融合（如光电共封、3D堆叠）以平衡速度与成本。
·材料物理差异与功耗优势：传统硅基芯片依赖电子流动，耗电高；MRAM基于自旋/隧穿效应，仅需少量电流即可计算，功耗显著低于SRAM/GPU。
国内外发展现状与产业化进程
·国外进展：英伟达在GTC大会后收购Groq，补齐GPU推理速度短板，并布局光互联/光计算初创公司以完善专用芯片矩阵。Groq原用成熟制程，性能属上一代，英伟达计划推出新版本并整合进CUDA生态。美国另有初创企业在研发MRAM/RRAM存算芯片。
·国内现状：基于SRAM的存算一体企业极少，处萌芽阶段；MRAM路线有零星企业，产品预计明年初现POC验证。代工可由华宏、中芯国际等成熟制程产线完成。国内企业与英伟达CUDA生态距离较远，倾向适配国产主流大模型及行业模型。中美存算芯片预计明年前後脚问世，技术路径不同但时间差不超半年。
·供应链与制程依赖：存算一体对先进制程依赖低（7nm已属高配），国内成熟制程良率与海外差距有限，供应链安全可控。
应用场景与市场前景
·核心场景：面向模型推理尤其是端侧、行业智能体（金融、政务、医疗、智慧城市等）对速度与成本敏感的场景。SRAM型适合极致速度需求（约占推理需求50%），MRAM型适合成本敏感且可长期稳定运行场景。
·市场趋势：伴随行业智能体爆发，推理芯片需求占比将从当前大幅提升，未来3-5年推理芯片或占训练+推理总需求的80%。仅少数大厂训练仍需高功耗GPU，绝大多数用户将采用低成本、低功耗、低维护的专用推理芯片。
·专用芯片复苏契机：DeepSeek等国产行业可用大模型出现后，专用芯片仅需适配少数模型即可规模化商用（如DeepSeek一体机热销），在交通、能源、教育、科研、生物医药等领域具备成本与功耗优势。
商业化难点与生态挑战
·材料与容量瓶颈：存储介质容量受限导致大模型参数部署需更多芯片，推高成本，是目前最大瓶颈。
·软件生态适配：存算芯片需大量算子与框架迁移适配（CUDA、昇腾等），工作量大、周期长。
·芯片互联难题：片间互联协议与物理特性差异大，需芯片厂与互联方案商协同研发；初创企业常依赖外部合作，技术门槛高。
·成本与速度平衡：现有SRAM方案速度快但部署贵，MRAM/RRAM待突破容量与成本关，英伟达亦需寻找新标的补齐低成本短板。
国内外对比与“弯道超车”探讨
·硬件与架构：国内在光互联/光交换等前沿互联技术上已局部领先（如上海西智落地案例），在超节点架构设计上亦有创新；但在成熟高速互联方案（如NVLink、InfiniBand）与私有协议上仍落后。
·生态差距：英伟达凭借CUDA生态与硬件体系具开发与架构优势；国内需构建自主生态，适配国产大模型与行业应用。
·弯道超车可能性：存算一体不依赖先进制程与被英伟达定义的GPGPU路线，可通过低成本、成熟制程、低显存依赖切入最大公约数用户需求。结合国内行业智能体领先优势，推理侧专用芯片有望在性价比与易用性上赶超美国；但训练侧高性能芯片仍存差距。多路线并存与产业协作是缩小差距的关键。
投资者关注与延伸讨论
·英伟达未来标的预测：除SRAM外，英伟达可能优先布局MRAM，其次RRAM，最后DRAM，因MRAM具非易失、长寿命、抗辐照等独特物理优势，适合太空等特殊场景。未来或通过先进封装与多芯片集成（如存算+GPU+光电共封）实现训推一体与极速推理。
·Scale Up互联水平：国内在光互联/光交换等前沿互联技术不晚于美国且有实际落地；在传统高速互联与私有协议方面仍落后，但超节点等新架构已跑在前面。
·IC芯片需求旺盛领域：DeepSeek等可用行业大模型带动专用芯片复苏，需求集中在政务、医疗、教育、金融、交通、能源、科研、生物医药等需行业智能体的领域。
·赛道选择观点：专家更看好卖“铲子”的A芯片赛道，因模型趋向大厂垄断，而芯片可依托多样化行业场景孕育更多小而美公司；硬件具可见性与稳定营收属性，伴随模型落地销量更大。
