存算一体进入「产业化时刻」，谁在领跑规模化交付？

01 存算一体，进入交付时刻 2026年，存算一体赛道的节奏骤然加快。 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，正式加入存算一体战局。 再往前，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，同时披露其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。 更早前的7月13日，东方算芯率先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，目前已进入量产交付阶段。 在这个过程中，存算一体开始从实验室里的新架构，变成越来越多芯片公司试图布局的核心技术。 后摩智能的存算一体芯片后摩漫界M50已经完成量产，在Agent Computer、智能终端、陪伴机器人等实际产品规模化落地；知存科技的存算一体芯片则已经在可穿戴等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个赛道。 IIM信息数据显示，2025年全球存算一体市场规模已达到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。 一个关键的变化是：存算一体正从“技术可行”走向“产品可用”。 过去，一篇论文、一次IP验证，就足以证明一条技术路线的价值；如今，量产落地、规模部署、被消费者真实感知，才是新的门槛。 可问题是：同样叫存算一体，真正能交付的产品之间，到底差了多远？ 02 同样叫存算一体， 区别在哪？ 首先需要厘清的是，“存算一体”并不是一种单一技术。 它更像一个共同的方向：让计算进一步靠近数据，从而减少传统冯·诺依曼架构中大量的数据搬运和功耗开销。 但“靠近”可以发生在不同位置。 从广义上看，近存计算（Processing Near Memory，PNM）、存内处理（Processing-in-Memory，PIM）和存内计算（Compute-in-Memory，CIM），都属于这一方向。 PNM更多是在存储器附近增加计算能力；PIM则进一步将处理能力放入存储系统内部；CIM则更进一步，让计算直接发生在存储阵列中。 它们解决的是同一个问题，但产业基础并不相同。 PNM和PIM通常与DRAM、HBM等存储制造体系深度绑定，因此三星、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以及RRAM、MRAM等不同介质都可以成为计算阵列的一部分，因此吸引了大量AI芯片创业公司进入。 但即使只讨论CIM，当前行业的技术选择，也至少涉及三个维度。 第一个维度，是数据存在哪里。 SRAM、DRAM、NOR Flash等成熟存储介质，以及RRAM、MRAM等新型非易失性存储器，都可以成为存算一体的基础。 不同介质决定了不