摘要

存储计算芯片（Storage-Computing Chip，简称存算芯片）是后摩尔时代半导体产业最具颠覆性的技术方向之一，其通过将计算单元嵌入或紧邻存储阵列，从根本上打破传统冯·诺依曼架构中存储与计算分离带来的“存储墙”与“功耗墙”瓶颈。在大模型训练推理、边缘智能、智能驾驶等场景对算力与能效需求指数级攀升的背景下，存算一体与近存计算已成为全球半导体巨头与初创企业共同押注的战略高地。

本报告系统梳理了中国存算芯片产业从概念兴起到产业化落地的完整脉络，重点分析了存算一体（PIM）、近存计算（NMC）以及基于新型非易失性存储器件（RRAM、FeFET、MRAM）的三大技术路线，并对知存计算、亿铸科技、后摩智能、苹芯科技、九科信息等代表性企业的技术路线、产品形态与商业化进展进行了横向比较。报告同时评估了国家政策、资本市场、产学研协同等支撑要素，识别出工艺制造、EDA工具链、生态标准三大核心瓶颈，并据此提出短中长期发展建议。

研究表明，中国存算芯片产业已从早期的学术探索阶段迈入工程化与商业化并重的关键期，2024年国内市场规模约5.6亿美元，预计到2028年将突破35亿美元，年复合增长率超过58%。在政策、资本与场景三重驱动下，中国有望在边缘AI推理、智能驾驶等细分赛道率先实现规模化落地，并在3D堆叠存算、异构融合等前沿方向形成差异化竞争优势。然而，先进工艺受制、EDA工具链薄弱、生态标准缺失等结构性问题仍需通过持续投入与协同创新加以破解。

第一章行业背景与发展概述

1.1  存算芯片的概念与战略意义

存算芯片是一类打破传统冯·诺依曼架构中存储与计算物理分离限制的新型集成电路，其核心思想是将计算操作直接在存储阵列内部或紧邻存储单元的位置完成，从而显著降低数据在存储器与运算单元之间频繁搬运所带来的延迟与功耗开销。根据计算单元与存储阵列的耦合程度，存算芯片可进一步细分为存算一体（Processing-In-Memory，PIM）与近存计算（Near-Memory Computing，NMC）两大技术分支，前者在存储阵列内部完成乘加运算，后者则将计算逻辑紧邻存储控制器或3D堆叠存储层布置。

从战略意义看，存算芯片的兴起并非偶然，而是摩尔定律放缓与人工智能算力需求爆发共同作用下的必然结果。一方面，先进工艺节点的边际收益递减，使单纯依靠工艺微缩提升性能的路径日益困难；另一方面，大模型训练与推理对内存带宽和能效比提出了远超传统架构承受能力的要求，传统GPU加HBM的组合在功耗与成本上面临严峻挑战。存算芯片通过架构层面的革新，可在同等工艺下实现数倍乃至数十倍的能效提升，成为后摩尔时代延续算力增长曲线的关键路径。

对中国而言，存算芯片的战略价值不仅体现在技术层面，更体现在产业安全与自主可控层面。在传统CPU、GPU领域，国际巨头凭借生态壁垒与专利护城河构筑了极高的进入门槛，国产替代进展缓慢；而存算芯片作为新兴赛道，全球尚无绝对垄断者，技术路线与产业格局仍在快速演化，这为中国半导体产业提供了难得的换道超车机会。同时，存算芯片与AI应用、智能汽车、数据中心等下游战略产业高度耦合，其自主可控程度直接关系到国家数字经济的底层安全。

1.2  全球存算芯片发展格局

全球存算芯片产业呈现“巨头引领、初创活跃、学术支撑”的三层格局。在巨头层面，三星、SK海力士、美光等存储厂凭借对DRAM与NAND工艺的深度掌控，分别推出HBM-PIM、AiM、HBM3-AI等产品，将存算一体技术率先应用于AI加速场景；英特尔、AMD、英伟达则通过3D堆叠与近存计算架构强化其数据中心产品矩阵；台积电、三星Foundry等代工厂在先进工艺与3D集成方面提供关键支撑。

在初创企业层面，美国Mythic、Syntiant、Dexterity等公司聚焦基于RRAM的模拟存算一体芯片，在边缘AI推理领域形成差异化优势；以色列NeuroBlade、英国Graphcore等则在数字存算与近存计算方向探索商业化路径。学术层面，麻省理工、普林斯顿、佐治亚理工、清华、北大等高校持续输出基础研究成果，为产业提供人才与专利储备。整体来看，全球存算芯片市场仍处于早期阶段，2024年规模约28.4亿美元，但年复合增长率超过60%，预计2028年将突破120亿美元。

图1  全球与中国存算芯片市场规模及预测（2022—2028E）

1.3  中国发展存算芯片的紧迫性

中国发展存算芯片的紧迫性源于三重压力的叠加。第一重压力来自算力供给的结构性短缺：随着国产大模型训练规模持续扩大，对高带宽存储与高能效算力的需求呈指数级增长，而受制于出口管制，高端GPU与HBM获取难度显著上升，倒逼国内必须寻找架构层面的替代方案。第二重压力来自能源约束：数据中心已成为能耗增长最快的领域之一，传统架构在能效比上的天花板使“双碳”目标与算力扩张之间形成张力，存算芯片的高能效特性恰好契合这一约束。

第三重压力来自产业安全：在传统通用处理器与高端加速器领域，国际巨头凭借指令集、编译器、运行时等生态护城河构筑了极高的进入壁垒，国产替代在短期内难以撼动既有格局；而存算芯片作为新兴方向，全球尚未形成稳定的技术标准与生态体系，中国凭借在存储器件设计、AI算法、应用场景等方面的积累，完全有机会在部分细分赛道实现领先。综合来看，存算芯片不仅是一项技术选择，更是中国半导体产业在受限环境下实现突围的战略支点。

第二章技术路线与突破

2.1  存算一体（PIM）技术路线

存算一体（Processing-In-Memory，PIM）是存算芯片领域最具革命性的技术路线，其核心是在存储阵列内部直接完成乘加运算，从而彻底消除数据搬运开销。根据实现方式，PIM可进一步分为模拟存算与数字存算两大分支。模拟存算以RRAM、SRAM、FeFET等器件为基础，利用基尔霍夫电流定律在阵列内并行完成向量-矩阵乘法，具有极高的能效比与计算密度，但受限于模拟电路的精度、噪声与可靠性问题；数字存算则在存储阵列旁集成数字计算单元，以可编程性换取部分能效，更适合对精度要求较高的场景。

在模拟存算方向，知存计算、苹芯科技等中国企业已推出基于SRAM与RRAM的存算一体芯片产品，能效比普遍达到10—50 TOPS/W，较传统GPU提升一个数量级以上；在数字存算方向，亿铸科技等公司探索基于3D堆叠DRAM的数字存算架构，在保持高精度的同时实现带宽与能效的协同优化。整体来看，PIM路线在边缘AI推理、智能语音、智能视觉等场景已具备商业化条件，但在大模型训练等高精度场景仍需进一步突破。

2.2  近存计算（NMC）技术路线

近存计算（Near-Memory Computing，NMC）是一种相对务实的存算芯片技术路线，其不改变存储阵列本身，而是将计算逻辑紧邻存储控制器或通过3D堆叠与存储层物理集成，从而显著缩短数据传输路径、提升有效带宽。NMC保留了传统数字计算的精度与可编程性，工程化难度低于PIM，因此成为巨头厂商率先落地的方向。

代表性产品包括三星的HBM-PIM、SK海力士的AiM、英特尔的Foveros 3D堆叠架构等，均通过在存储基板或中介层上集成计算单元，实现带宽倍增与功耗降低。在中国，后摩智能、九科信息等企业基于NMC路线推出面向智能驾驶与边缘AI的存算芯片产品，部分指标已接近国际先进水平。NMC路线的优势在于与现有存储工艺兼容性高、生态迁移成本低，是过渡期最具落地价值的方向。

2.3  新型存储器件路线

新型非易失性存储器件是存算芯片实现长期突破的物理基础，主要包括阻变存储器（RRAM/ReRAM）、相变存储器（PCM）、铁电晶体管（FeFET）、自旋转移矩磁存储器（STT-MRAM）等。这些器件兼具非易失性、低功耗、可三维堆叠等特性，是模拟存算一体的理想载体。其中，RRAM凭借其与CMOS工艺的良好兼容性，成为模拟存算芯片的主流选择；FeFET在能耗与耐久性方面具有独特优势，被视为下一代候选器件。

中国在新型存储器件领域已有一定积累，清华大学、北京大学、中科院微电子所等机构在RRAM、FeFET器件物理与阵列设计方面发表大量高水平论文，部分成果已转化至初创企业进行工程化。然而，从器件原型到大规模量产仍存在显著鸿沟，工艺一致性、耐久性、保持时间等关键指标仍需在产线上反复优化。整体来看，新型存储器件路线是存算芯片长期竞争力的根基，但短期内仍以学术研究与中试为主。

2.4  中国关键技术突破

近年来，中国在存算芯片关键技术上取得多项标志性突破。在模拟存算方向，知存计算发布的WTM系列芯片基于SRAM存算一体架构，能效比达到15 TOPS/W以上，已在智能语音、可穿戴设备等场景实现规模化出货；苹芯科技的P9芯片基于RRAM模拟存算，在边缘视觉推理场景表现优异。在数字存算方向，亿铸科技推出的基于3D堆叠DRAM的存算芯片，在保持高精度的同时实现带宽与能效的协同优化，已与多家头部互联网企业完成验证。

在近存计算方向，后摩智能推出的H30芯片基于存算一体架构，面向智能驾驶与边缘AI场景，算力达30 TOPS以上，能效比超过传统架构数倍；九科信息等企业则在存算融合的编译器与运行时方面形成差异化能力。在新型器件方向，清华大学研发的基于RRAM的存算一体芯片在Nature等顶级期刊发表，部分指标达到国际领先水平。这些突破表明，中国存算芯片已从学术研究阶段迈入工程化与商业化并重的关键期。

图3  存算芯片三大技术路线综合对比（10分制）

第三章产业格局与代表企业

3.1  产业链全景

中国存算芯片产业链已初步形成从IP与EDA、器件设计、芯片设计、晶圆制造、封测到系统与应用的完整链条，但各环节发展不均衡，呈现“两端强、中间弱”的结构性特征。在下游应用端，中国凭借庞大的AI推理、智能驾驶、消费电子市场，为存算芯片提供了丰富的落地场景，国产化率较高；在芯片设计端，本土初创企业数量快速增长，部分产品已具备国际竞争力；但在IP与EDA、先进工艺制造等上游环节，国产化率仍明显偏低，构成产业链的主要短板。

具体而言，IP与EDA环节国产化率仅约22%，主要被新思科技、楷登电子等国际巨头占据；存储器件设计环节国产化率约38%，长江存储、长鑫存储等在NAND与DRAM领域持续追赶；存算芯片设计环节国产化率约55%，是本土企业最具优势的环节；晶圆制造环节国产化率约35%，中芯国际、华虹等在成熟工艺上具备产能，但先进节点仍受限；封装测试环节国产化率约62%，长电科技、通富微电等已具备国际竞争力；系统与应用环节国产化率约70%，下游需求旺盛。

图4  中国存算芯片产业链各环节国产化率（2024年估算）

3.2  代表企业分析

中国存算芯片领域已涌现出一批具有技术特色与商业化能力的代表性企业，其技术路线、产品形态与目标场景各具特色，共同构成产业创新的主力军。下表对几家代表性企业的核心信息进行横向比较。

表1  中国存算芯片代表性企业横向对比

从上表可以看出，中国存算芯片企业普遍选择SRAM或RRAM作为存算介质，目标场景集中在边缘AI推理与智能驾驶等对能效敏感的领域，融资阶段以A轮至B轮为主，整体仍处于产业化早期。值得关注的是，不同企业在技术路线选择上呈现明显分化：知存计算与后摩智能押注SRAM模拟存算，强调工程化与量产能力；亿铸科技选择3D DRAM数字存算，瞄准云端高精度场景；苹芯科技则深耕RRAM模拟存算，追求极致能效。这种分化反映了中国企业在新兴赛道中通过差异化定位寻求突破的战略选择。

3.3  产业园区与生态

从空间布局看，中国存算芯片产业呈现“长三角引领、珠三角跟进、京津冀支撑、中西部崛起”的格局。长三角依托上海、南京、苏州、合肥等城市的集成电路产业基础，聚集了知存计算、亿铸科技、后摩智能等头部企业，以及中芯国际、华虹、长鑫存储等制造与存储资源，形成从设计到制造的完整生态；珠三角依托深圳、广州、珠海等地的终端应用市场，吸引存算芯片企业在智能驾驶、消费电子场景落地。

京津冀地区依托北京的高校与科研院所资源，在新型存储器件、EDA工具链等基础环节形成特色优势；中西部地区则凭借合肥、成都、武汉等城市的政策支持与人才储备，承接产业转移与扩产需求。整体来看，存算芯片产业生态仍处于快速构建期，产学研协同、上下游联动、跨区域协作等机制有待进一步完善，但已展现出多点开花、差异化发展的良好态势。

第四章政策环境与资本支持

4.1  国家政策导向

国家层面，存算芯片已被纳入集成电路与人工智能领域重点支持方向。在《“十四五”数字经济发展规划》《新时期促进集成电路产业和软件产业高质量发展的若干政策》等顶层文件中，新型存储、存算一体、异构计算等关键词被反复提及，明确鼓励通过架构创新突破算力瓶颈。国家自然科学基金、国家重点研发计划等渠道持续资助存算芯片相关基础研究，重大专项亦将存算一体列为重要方向。

地方政府层面，上海、北京、深圳、合肥、南京等城市相继出台集成电路产业专项政策，对存算芯片等前沿方向给予研发补贴、流片支持、人才引进等多重优惠。例如，上海将存算一体列为“硬核产业”重点方向，对达到一定规模的企业给予最高数千万元的支持；合肥依托长鑫存储等龙头企业，构建从存储器件到存算芯片的本地化生态。整体来看，政策环境对存算芯片产业呈现高度友好态势，但政策的精准性、连续性与协同性仍有提升空间。

4.2  资本市场动态

资本市场对存算芯片的关注度持续升温，近三年相关融资事件累计超过40起，融资总额超过80亿元人民币，参与机构包括红杉中国、高瓴创投、深创投、武岳峰资本、中芯聚源等头部机构。从融资轮次分布看，A轮至B轮事件占比超过60%，反映产业整体仍处于早期阶段；从单笔金额看，B轮及以后轮次平均融资额超过3亿元，反映头部企业已具备一定商业化能力，资本愿意为长期价值买单。

图2  中国存算芯片领域近三年融资事件轮次分布

从资本结构看，存算芯片领域呈现“财务资本+产业资本+政府基金”三轮驱动的特征。财务资本关注技术壁垒与商业化路径，产业资本（如互联网巨头、汽车厂商）关注战略协同与场景落地，政府基金则承担引导与兜底功能。三类资本的协同进入，既为产业提供了充足弹药，也带来估值泡沫、重复建设等潜在风险，需要通过市场化机制与差异化定位加以化解。

4.3  产学研协同

产学研协同是存算芯片产业创新的关键支撑。在学术层面，清华大学、北京大学、中科院微电子所、复旦大学、南京大学等高校与科研院所在新型存储器件、存算架构、EDA工具链等方向积累了深厚基础，每年输出大量高水平论文与专利。在产业层面，初创企业与成熟公司持续将学术成果工程化，形成“实验室—产线—市场”的转化链条。

在协同机制层面，多地建立集成电路领域的新型研发机构、产业联盟与联合实验室，推动高校、企业、资本与政府的深度协作。例如，北京、上海等地的存算芯片创新中心已吸引数十家企业与高校参与，形成从器件物理到系统应用的完整创新链条。然而，产学研协同仍面临成果转化效率不高、人才流动不畅、知识产权归属复杂等挑战，需要通过体制机制创新加以破解。

第五章挑战与瓶颈

5.1  工艺与制造瓶颈

工艺与制造是存算芯片产业最核心的瓶颈之一。存算一体芯片对存储器件的一致性、耐久性、保持时间等指标要求极高，而国内先进工艺节点的产能与良率仍与国际先进水平存在差距，特别是在14纳米及以下节点，受设备、材料、EDA等多重因素制约，量产能力受限。这直接影响了基于RRAM、FeFET等新型器件的存算芯片的工程化与商业化进程。

此外，3D堆叠、混合键合等先进封装技术对存算芯片的能效与带宽至关重要，但国内相关能力仍处于追赶阶段，部分关键设备依赖进口。在材料层面，新型存储器件所需的高K介质、相变材料、铁电材料等的国产化率偏低，供应链安全存在隐患。综合来看，工艺与制造瓶颈不仅是技术问题，更是产业生态问题，需要通过设备、材料、工艺、设计的协同突破加以解决。

5.2  EDA工具链短板

EDA工具链是存算芯片设计的另一关键瓶颈。传统EDA工具主要面向数字逻辑与存储器设计，对存算一体的模拟阵列、新型器件建模、异构集成等场景支持不足，缺乏成熟的从器件级到系统级的全流程工具链。国内EDA企业在新思科技、楷登电子等国际巨头主导的市场中份额有限，在存算芯片专用工具方面几乎处于空白。

具体而言，存算芯片设计需要解决模拟阵列的精度仿真、噪声分析、可靠性评估，新型器件的紧凑模型构建，3D堆叠的电磁与热仿真，以及面向存算架构的编译器与运行时等一系列问题，每一环节都依赖专用EDA工具。当前，国内部分初创企业（如九科信息）已在存算融合编译器方向取得突破，但整体工具链仍不完整，制约了存算芯片的设计效率与迭代速度。补齐EDA短板，需要政府、企业、高校与EDA厂商的长期协同投入。

5.3  生态与标准缺失

生态与标准缺失是存算芯片产业面临的深层挑战。在生态层面，存算芯片的广泛应用依赖完善的软件栈、模型库、开发工具与开发者社区，而当前存算芯片的软件生态仍高度碎片化，缺乏统一的编程模型与运行时接口，开发者迁移成本高，限制了规模化落地。在标准层面，存算芯片的接口规范、测试方法、可靠性指标等尚无统一标准，不同厂商的产品难以互换，影响下游采用意愿。

此外，存算芯片的可靠性、安全性、可测试性等工程问题仍需行业共同攻关。例如，模拟存算芯片的精度受温度、电压、工艺漂移等因素影响，需要建立完善的校准与补偿机制；新型存储器件的耐久性与保持时间需要明确的测试标准与寿命预测模型。这些问题的解决，需要产业链上下游、学术机构、标准化组织的长期协作，是存算芯片从“可用”走向“好用”的关键。

第六章发展趋势与展望

6.1  短期趋势（1—2年）

短期内，中国存算芯片产业将呈现“边缘先行、云端验证、车规突破”的格局。在边缘AI推理场景，基于SRAM与RRAM的存算一体芯片凭借高能效、低成本优势，将在智能语音、可穿戴、智能安防等领域实现规模化出货，部分头部企业年出货量有望突破千万颗量级。在云端AI推理场景，基于3D堆叠DRAM的数字存算芯片将与互联网巨头开展深度验证，探索在大模型推理服务中的落地路径。

在智能驾驶场景，存算芯片凭借高算力密度与低功耗特性，将率先在L2+至L3级辅助驾驶的感知与决策环节实现量产应用，部分企业有望进入主机厂供应链。同时，政策与资本将持续加码，国家层面有望出台存算芯片专项支持政策，地方政府将围绕产业园区、人才引进、流片补贴等出台细化措施。整体来看，短期内产业仍处于商业化早期，但落地节奏将明显加快。

6.2  中期展望（3—5年）

中期看，中国存算芯片产业将进入规模化与差异化并重的发展阶段。在技术层面，3D堆叠存算、异构融合、Chiplet等方向将取得突破，存算芯片与CPU、GPU、DPU等通用处理器的协同架构逐步成熟，形成面向大模型训练推理的国产化解决方案。在产业层面，头部企业将完成C轮及以后融资，部分企业有望登陆资本市场，产业集中度提升，差异化定位更加清晰。

在生态层面，存算芯片的软件栈、模型库、开发工具将逐步完善，统一的编程模型与运行时接口有望形成行业共识，开发者社区规模显著扩大。在标准层面，国内有望牵头制定存算芯片的接口规范、测试方法、可靠性指标等行业标准，并在国际标准组织中争取话语权。整体来看，中期是中国存算芯片产业从“可用”走向“好用”、从“试点”走向“规模”的关键阶段。

6.3  长期愿景（5—10年）

长期看，存算芯片有望成为后摩尔时代算力增长的核心驱动力之一，并在部分场景实现对传统架构的替代。中国凭借在新型存储器件、AI算法、应用场景等方面的积累，有望在3D堆叠存算、异构融合、模拟存算等前沿方向形成差异化竞争优势，并在边缘AI、智能驾驶、数据中心等场景实现规模化领先。在产业格局层面，中国有望涌现1—2家具有全球影响力的存算芯片龙头企业，带动上下游生态协同发展。

在战略层面，存算芯片的自主可控将显著提升中国半导体产业的安全边界，为数字经济与人工智能产业的可持续发展提供底层保障。同时，存算芯片的能效优势将助力“双碳”目标实现，推动绿色算力基础设施建设。整体来看，长期愿景的实现依赖技术、产业、生态、标准的协同突破，需要政府、企业、学术机构、资本市场的长期投入与协作。

图5  中国存算芯片下游应用场景份额分布（2024年）

第七章战略建议

7.1  政府层面建议

政府层面，建议从政策、资金、人才、标准四个维度系统支持存算芯片产业发展。在政策层面，出台存算芯片专项支持政策，明确技术路线、应用场景、产业化路径，给予研发补贴、流片支持、税收优惠等多重激励；在资金层面，设立存算芯片产业基金，引导财务资本、产业资本、政府基金协同投入，避免重复建设与估值泡沫。

在人才层面，加大对存算芯片相关学科的支持力度，鼓励高校设立交叉学科方向，培养兼具器件物理、电路设计、算法软件能力的复合型人才；在标准层面，牵头制定存算芯片接口规范、测试方法、可靠性指标等行业标准，推动国内标准国际化，争取在全球标准组织中的话语权。同时，建议政府加强产学研协同机制建设，推动高校、企业、资本、政府的深度协作。

7.2  企业层面建议

企业层面，建议从技术、产品、生态、国际化四个维度构建核心竞争力。在技术层面，坚持差异化定位，避免同质化竞争，根据自身资源禀赋选择SRAM、RRAM、3D DRAM等不同技术路线，在细分赛道形成护城河；在产品层面，紧贴下游需求，与互联网巨头、汽车厂商、终端品牌建立深度协同，通过场景驱动产品迭代。

在生态层面，主动参与软件栈、模型库、开发工具的建设，推动统一编程模型与运行时接口的形成，降低开发者迁移成本；在国际化层面，积极布局海外市场，参与国际标准制定，吸引全球人才与资源。同时，建议企业加强知识产权布局，构建专利护城河，为长期竞争奠定基础。

7.3  学术层面建议

学术层面，建议高校与科研院所在新型存储器件、存算架构、EDA工具链等基础方向持续投入，输出高水平研究成果与人才储备。在器件物理方向，深化对RRAM、FeFET、MRAM等新型器件的机理研究，提升一致性、耐久性、保持时间等关键指标；在架构方向，探索3D堆叠存算、异构融合、模拟存算等前沿架构，为产业提供创新源头。

在EDA工具链方向，开发面向存算芯片的专用工具，覆盖从器件建模、阵列仿真、可靠性评估到编译器与运行时的全流程；在人才方向，培养兼具器件、电路、算法、软件能力的复合型人才，建立产学研流动机制，促进学术成果向产业转化。同时，建议学术机构加强与国际同行的交流合作，跟踪全球前沿动态，提升中国在全球学术舞台的影响力。

结论

综合本报告分析，中国存算芯片产业已从早期的学术探索阶段迈入工程化与商业化并重的关键期，在政策、资本、场景三重驱动下，有望在边缘AI推理、智能驾驶等细分赛道率先实现规模化落地，并在3D堆叠存算、异构融合等前沿方向形成差异化竞争优势。研究表明，2024年国内市场规模约5.6亿美元，预计2028年将突破35亿美元，年复合增长率超过58%，产业前景广阔。

然而，先进工艺受制、EDA工具链薄弱、生态标准缺失等结构性问题仍需通过持续投入与协同创新加以破解。从战略高度看，存算芯片不仅是一项技术选择，更是中国半导体产业在受限环境下实现突围的战略支点，其自主可控程度直接关系到国家数字经济的底层安全。建议政府、企业、学术机构、资本市场形成合力，在技术、产业、生态、标准四个维度协同突破，推动中国存算芯片产业从“跟跑”走向“并跑”乃至“领跑”，为后摩尔时代全球算力增长贡献中国方案。