2026年，存算一体赛道骤然提速，多家公司的芯片从流片走向量产交付，行业正式进入“产业化时刻”。8月24日，小米发布玄戒O100高带宽AI加速芯片，采用6nm工艺与3D晶圆级堆叠，近存计算带宽达1.22TB/s，加入存算一体战局。此前，8月中旬，成立仅两年多的谦合益邦完成超20亿元B轮融资，并披露其4层3D DRAM堆叠存算一体芯片成功回片点亮；皓泽科技发布面向端侧AI的VVT300 SoC，计划年内量产出货。更早的7月13日，东方算芯发布全球首颗软件定义近存计算3D芯片DF1000，基于14nm制程实现520 TFLOPS算力，已进入量产交付阶段。

这些事件标志着存算一体从实验室里的新架构，变成越来越多芯片公司布局的核心技术。后摩智能的存算一体芯片后摩漫界M50已量产，在Agent Computer、智能终端、陪伴机器人等产品中规模化落地；知存科技的芯片已在可穿戴终端实现千万级出货。融资、流片、点亮、量产、交付——这些原本属于不同阶段的关键词，开始密集出现在同一赛道。

据IIM信息数据，2025年全球存算一体市场规模已达48.7亿美元，同比增长超过六成，预计到2030年将增长至312.5亿美元。一个关键变化是：存算一体正从“技术可行”走向“产品可用”。过去，一篇论文或一次IP验证就足以证明技术价值；如今，量产落地、规模部署、被消费者真实感知，才是新的门槛。

“存算一体”并非单一技术，而是一个共同方向：让计算靠近数据，减少冯·诺依曼架构中的数据搬运和功耗开销。广义上，近存计算（PNM）、存内处理（PIM）和存内计算（CIM）都属于这一方向。PNM在存储器附近增加计算能力，PIM将处理能力放入存储系统内部，CIM则让计算直接发生在存储阵列中。PNM和PIM与DRAM、HBM等存储制造体系深度绑定，三星、SK海力士等存储巨头具有天然优势；CIM则更多发生在芯片设计层面，SRAM、NOR Flash、RRAM、MRAM等介质均可成为计算阵列，吸引了大量AI芯片创业公司。

当前CIM的技术选择涉及多个维度。数据存储介质方面，SRAM速度快但容量有限，NOR Flash适合低功耗，DRAM容量大，RRAM、MRAM具有非易失、高密度潜力但需验证。2025年全球存算一体处理器芯片出货量突破8.9亿颗，其中SRAM架构占54%，RRAM与Flash架构分别占28%和15%，新型忆阻器架构开始小批量验证，2026年预计出货1200万颗。计算实现方式上，模拟计算能效高但需处理精度问题，数字计算精度好但需权衡面积能效。2025年数字存算方案以55.3%份额主导市场（约21.3亿美元），模拟存算占27.8%，数模混合占16.9%，预计2026年升至30.5%。芯片集成方式上，二维仍是主流，3D堆叠通过垂直堆叠缩短存储层级距离，但需与存内计算结合才形成3D CIM、3D PIM等方向。

进入产业化需过三道门槛。第一道是工程化：证明性能优势能在不同芯片、批次、环境下稳定复制，解决模拟计算噪声、器件老化漂移、阵列差异等问题。第二道是软件工具链：算子拆分映射、模型编译、量化适配等影响硬件能力释放，目前行业面临设计自动化不足、编译器生态碎片化、软硬件绑定形成“孤岛”等问题。后摩智能的自研软件栈后摩大道兼容PyTorch、TensorFlow等框架，免去手动调参与量化校准，原生适配ARM Linux平台及Qwen、Llama等主流大模型，实现开箱即用。第三道是市场：技术愿景不足以形成订单，必须找到传统架构难以满足且足够大的市场。

从产业化结果倒推，第一批跑出来的产品并非采用“最先进”路线，而是先找到传统架构瓶颈明显的场景。低功耗终端是最早的市场，智能耳机、手表、眼镜等设备对AI需求增加但电池、散热、面积有限。知存科技基于NOR Flash的模拟存算技术已进入华为、小米等品牌可穿戴设备，实现千万级出货。大模型时代，端侧AI出现新变化，AI PC、Agent Computer、陪伴机器人等需本地运行更大模型，传统增加NPU或GPU的方式面临数据搬运功耗带宽压力。后摩智能M50采用数字存算一体架构，2026年2月量产，10W级功耗下算力达160 TOPS，可流畅运行30B至122B参数大模型，已进入联想AI主机P7、长城N90 Pro等终端，率先完成从芯片量产到多场景应用的商业化闭环。此外，九天睿芯、炬芯科技等也在推进SRAM存算技术，部分公司将存算能力作为AI芯片架构的一部分。

并非所有路线都走到这一步。RRAM、MRAM等新型非易失存储器仍受关注，亿铸科技完成基于ReRAM的AI大算力POC验证芯片点亮，寒序科技联合三星完成基于8nm eMRAM工艺的边缘AI芯片流片。这些路线面临制造一致性、可靠性等工程难题。最先规模化落地的路线，往往是制造成熟度更高、应用场景更清晰的那一类，量产能力和场景匹配度正成为比单点性能更早决定路线命运的因素。

AI计算需求正从云端向端侧、边缘侧迁移，模型规模增长与功耗、带宽、延迟约束的矛盾，驱使行业寻找更高效的计算范式。3D堆叠作为成熟存储技术已在HBM中验证，2026年2月三星推出HBM PIM，在3D堆叠DRAM层间嵌入存内计算逻辑。后摩智能在完成CIM验证后，正推进3D CIM探索，包括存算单元与堆叠大容量存储器的路由、可靠性检测及BIST设计。RRAM、MRAM、NOR Flash等介质各自凭借读写速度、耐久性、非易失性或制程兼容性优势，在不同应用边界寻找位置。从可穿戴到工业物联网，从边缘服务器到车载计算，每种技术都在回答同一问题：在特定算力、功耗、成本约束下，如何最有效缩短数据与计算的距离。

未来，存算、3D集成、新型存储器及不同计算架构可能形成各自应用空间。对行业而言，更重要的是不断找到传统架构瓶颈所在，把存算能力转化为可交付产品。接下来决定行业能走多远的，不只是技术路线性能上限，还有量产良率、工具链、真实终端销量、客户续单，以及技术能否持续匹配不断变化的产业需求。当越来越多场景需要重新计算数据、算力与功耗的关系，存算一体的市场才真正有机会从技术创新变成更大的产业。