2026年，存算一體賽道驟然提速，多家公司的晶片從流片走向量產交付，行業正式進入“產業化時刻”。8月24日，小米釋出玄戒O100高頻寬AI加速晶片，採用6nm工藝與3D晶圓級堆疊，近存計算頻寬達1.22TB/s，加入存算一體戰局。此前，8月中旬，成立僅兩年多的謙合益邦完成超20億元B輪融資，並披露其4層3D DRAM堆疊存算一體晶片成功回片點亮；皓澤科技釋出面向端側AI的VVT300 SoC，計劃年內量產出貨。更早的7月13日，東方算芯釋出全球首顆軟體定義近存計算3D晶片DF1000，基於14nm製程實現520 TFLOPS算力，已進入量產交付階段。

這些事件標誌著存算一體從實驗室裡的新架構，變成越來越多晶片公司佈局的核心技術。後摩智慧的存算一體晶片後摩漫界M50已量產，在Agent Computer、智慧終端、陪伴機器人等產品中規模化落地；知存科技的晶片已在可穿戴終端實現千萬級出貨。融資、流片、點亮、量產、交付——這些原本屬於不同階段的關鍵詞，開始密集出現在同一賽道。

據IIM資訊資料，2025年全球存算一體市場規模已達48.7億美元，同比增長超過六成，預計到2030年將增長至312.5億美元。一個關鍵變化是：存算一體正從“技術可行”走向“產品可用”。過去，一篇論文或一次IP驗證就足以證明技術價值；如今，量產落地、規模部署、被消費者真實感知，才是新的門檻。

“存算一體”並非單一技術，而是一個共同方向：讓計算靠近資料，減少馮·諾依曼架構中的資料搬運和功耗開銷。廣義上，近存計算（PNM）、存內處理（PIM）和存內計算（CIM）都屬於這一方向。PNM在儲存器附近增加計算能力，PIM將處理能力放入儲存系統內部，CIM則讓計算直接發生在儲存陣列中。PNM和PIM與DRAM、HBM等儲存製造體系深度繫結，三星、SK海力士等儲存巨頭具有天然優勢；CIM則更多發生在晶片設計層面，SRAM、NOR Flash、RRAM、MRAM等介質均可成為計算陣列，吸引了大量AI晶片創業公司。

當前CIM的技術選擇涉及多個維度。資料儲存介質方面，SRAM速度快但容量有限，NOR Flash適合低功耗，DRAM容量大，RRAM、MRAM具有非易失、高密度潛力但需驗證。2025年全球存算一體處理器晶片出貨量突破8.9億顆，其中SRAM架構佔54%，RRAM與Flash架構分別佔28%和15%，新型憶阻器架構開始小批次驗證，2026年預計出貨1200萬顆。計算實現方式上，模擬計算能效高但需處理精度問題，數字計算精度好但需權衡面積能效。2025年數字存算方案以55.3%份額主導市場（約21.3億美元），模擬存算佔27.8%，數模混合佔16.9%，預計2026年升至30.5%。晶片整合方式上，二維仍是主流，3D堆疊通過垂直堆疊縮短儲存層級距離，但需與存內計算結合才形成3D CIM、3D PIM等方向。

進入產業化需過三道門檻。第一道是工程化：證明效能優勢能在不同晶片、批次、環境下穩定複製，解決模擬計算噪聲、器件老化漂移、陣列差異等問題。第二道是軟體工具鏈：運算元拆分對映、模型編譯、量化適配等影響硬體能力釋放，目前行業面臨設計自動化不足、編譯器生態碎片化、軟硬體繫結形成“孤島”等問題。後摩智慧的自研軟體棧後摩大道相容PyTorch、TensorFlow等框架，免去手動調參與量化校準，原生適配ARM Linux平台及Qwen、Llama等主流大模型，實現開箱即用。第三道是市場：技術願景不足以形成訂單，必須找到傳統架構難以滿足且足夠大的市場。

從產業化結果倒推，第一批跑出來的產品並非採用“最先進”路線，而是先找到傳統架構瓶頸明顯的場景。低功耗終端是最早的市場，智慧耳機、手錶、眼鏡等裝置對AI需求增加但電池、散熱、面積有限。知存科技基於NOR Flash的模擬存算技術已進入華為、小米等品牌可穿戴裝置，實現千萬級出貨。大模型時代，端側AI出現新變化，AI PC、Agent Computer、陪伴機器人等需本地執行更大模型，傳統增加NPU或GPU的方式面臨資料搬運功耗頻寬壓力。後摩智慧M50採用數字存算一體架構，2026年2月量產，10W級功耗下算力達160 TOPS，可流暢執行30B至122B引數大模型，已進入聯想AI主機P7、長城N90 Pro等終端，率先完成從晶片量產到多場景應用的商業化閉環。此外，九天睿芯、炬芯科技等也在推進SRAM存算技術，部分公司將存算能力作為AI晶片架構的一部分。

並非所有路線都走到這一步。RRAM、MRAM等新型非易失儲存器仍受關注，億鑄科技完成基於ReRAM的AI大算力POC驗證晶片點亮，寒序科技聯合三星完成基於8nm eMRAM工藝的邊緣AI晶片流片。這些路線面臨製造一致性、可靠性等工程難題。最先規模化落地的路線，往往是製造成熟度更高、應用場景更清晰的那一類，量產能力和場景匹配度正成為比單點效能更早決定路線命運的因素。

AI計算需求正從雲端向端側、邊緣側遷移，模型規模增長與功耗、頻寬、延遲約束的矛盾，驅使行業尋找更高效的計算範式。3D堆疊作為成熟儲存技術已在HBM中驗證，2026年2月三星推出HBM PIM，在3D堆疊DRAM層間嵌入存內計算邏輯。後摩智慧在完成CIM驗證後，正推進3D CIM探索，包括存算單元與堆疊大容量儲存器的路由、可靠性檢測及BIST設計。RRAM、MRAM、NOR Flash等介質各自憑藉讀寫速度、耐久性、非易失性或製程相容性優勢，在不同應用邊界尋找位置。從可穿戴到工業物聯網，從邊緣伺服器到車載計算，每種技術都在回答同一問題：在特定算力、功耗、成本約束下，如何最有效縮短資料與計算的距離。

未來，存算、3D整合、新型儲存器及不同計算架構可能形成各自應用空間。對行業而言，更重要的是不斷找到傳統架構瓶頸所在，把存算能力轉化為可交付產品。接下來決定行業能走多遠的，不只是技術路線效能上限，還有量產良率、工具鏈、真實終端銷量、客戶續單，以及技術能否持續匹配不斷變化的產業需求。當越來越多場景需要重新計算資料、算力與功耗的關係，存算一體的市場才真正有機會從技術創新變成更大的產業。