AI算力告急！存算一體芯片成為顛覆性的“破局者”？

隨著人工智能大模型向萬億參數量級演進，傳統芯片架構下“內存墻”引發的能耗與延遲問題日益凸顯，成為制約AI產業規模化發展的瓶頸。存算一體芯片通過“數據原地計算”的架構創新，打破了存儲與計算單元分離的傳統模式，從根源上解決了數據搬運帶來的效率損耗問題。本文結合半導體產業技術變革趨勢，剖析存算一體架構的核心優勢，探討其與專用ASIC芯片、先進封裝制造技術的協同創新邏輯，分析在綠色算力生態下的應用場景落地，并展望存算一體芯片與AI產業深度融合的發展前景，為行業技術創新與產業布局提供參考。

PART 01

AI產業的算力困境：傳統架構下的“內存墻”枷鎖

憑借超萬億美元市值，英偉達穩居全球半導體行業頭部位置。其GPU產品在AI訓練與推理場景中展現出卓越性能，已成為當前算力時代的核心驅動力。但產業繁榮表象之下，半導體領域的技術變革已在悄然醞釀。

人工智能大模型參數量正從百億規模向萬億級別持續突破。在此背景下，AI訓練與推理階段所需處理的數據規模呈現指數級增長態勢。傳統芯片普遍遵循存儲與計算相互分離的設計邏輯，數據必須在內存單元與計算核心之間反復遷移，才能完成完整運算流程。值得注意的是，這種“數據跨模塊遷移”的運作模式，在海量數據處理場景中暴露出明顯短板。

當前，數據傳輸環節的能耗占比已超過芯片總功耗的六成，而傳輸過程中產生的延遲，使得GPU的峰值算力很難充分轉化為實際應用場景中的有效算力。這一行業普遍現象被稱為“內存墻”難題。即便是當前技術最先進的GPU產品，其實際算力利用率也難以突破五成，大量計算資源因數據傳輸瓶頸陷入閑置狀態，這與AI產業對高效算力的迫切需求形成鮮明反差。行業專家分析認為，2026年或將成為半導體產業架構重塑的關鍵年份，存儲性能對算力釋放的約束作用將逐步超越計算單元本身，傳統架構的固有局限已成為制約AI產業規模化發展的主要障礙。

PART 02

存算一體架構：突破瓶頸的技術創新與實踐

技術領域的瓶頸常常成為創新突破的契機，存算一體架構的出現，正是對“內存墻”難題的精準破解。與傳統分離式架構不同，存算一體芯片借鑒人腦神經元存儲與計算一體化的運作機制，將存儲單元與計算單元進行深度整合，最終實現了數據在存儲節點直接運算的重大創新。

在存算一體技術從學術研究逐步走向商業應用的過程中，近存計算和存內處理在產品實現階段面臨制造及封裝技術門檻高的挑戰；在落地階段需要解決近端與遠端處理器協同引起的軟件重構問題，但總體技術成熟。存內計算技術成熟度較低，從器件研發與制造、電路設計、芯片架構、EDA工具鏈到軟件算法生態等諸多方面均須加強，這對產業鏈各環節的密切協作提出了更高要求。

PART 03

專用ASIC芯片：讓存算一體真正用起來

存算一體架構很好地回答了“如何提升計算效率”這個問題，而專用ASIC芯片的發展，則進一步解決了產業中“如何更經濟、更靈活地滿足不同場景需求”的實際問題。

目前，生成式AI訓練與推理算力需求激增，傳統GPU在能效和成本上顯露瓶頸。字節跳動“豆包”大模型日活用戶超過2600萬，日均Token消耗量環比增長超過10倍。以訓練一個千億參數大模型為例，使用GPU集群的電力成本高達2000萬美元，而采用專用ASIC可降低60%以上，規模化部署可降低總擁有成本（TCO）40%以上。谷歌TPU v5在矩陣運算上的性能是同等功耗GPU的3~5倍，性能密度大幅提升；Meta MTIA芯片在推理任務上每瓦性能較GPU提升7倍，能效比顯著改善。

ASIC是一種可根據企業特定場景需求進行量身定制的專用集成電路，與通用芯片相比，具有體積更小、功耗更低、可靠性更高、算力與能效更優等特點。近期，谷歌、亞馬遜、Meta、微軟、OpenAI等科技巨頭紛紛加大ASIC開發投入，并利用ASIC技術推動算力進化，促進ASIC應用場景從云端推理向更多新興領域拓展。在汽車高級駕駛輔助系統（ADAS）中，ASIC被集成到傳感器模塊上，用于實時處理激光雷達、攝像頭所采集的數據，通過對不斷變化的道路狀況作出及時、準確的反應，實現更安全的駕駛體驗。在工業制造業領域，ASIC可用于機械臂與自動裝配線的運動控制環節，可實現精確的運動控制和實時決策，有效提升生產效率和產品質量。在醫療方面，ASIC被集成在心電圖監視器等便攜式診斷工具中，負責信號處理和數據傳輸，在保證檢測結果快速準確的同時，通過降低功耗延長電池壽命。

產業創新的本質，往往是對現有格局的重構。ASIC芯片的興起，正在打破GPU在通用計算領域的壟斷，推動半導體行業從“一刀切”的通用芯片時代，走向“量體裁衣”的專用芯片時代。而存算一體技術，正是提升專用芯片能效的關鍵所在。

PART 04

綠色算力生態：存算一體與AI產業的協同發展

全球能源危機的蔓延正在重塑半導體產業的發展格局。AI技術的廣泛應用使數據中心成為新的“能耗大戶”，當前數據中心的能耗已占據全球總能耗的3%以上，且仍在以每年10%以上的速度增長。在“雙碳”目標成為全球共識的背景下，單純追求峰值算力的發展模式已難以為繼，算力競賽的核心正在轉向能源穩定性與能效比的較量上。存算一體芯片的低能耗優勢與綠色算力生態的發展需求高度契合，通過“數據原地計算”的模式，大幅降低了數據搬運帶來的能耗，能效比遠超傳統GPU架構，成為綠色算力生態的核心硬件支撐。

中國的“東數西算”工程為存算一體芯片的規模化應用提供了關鍵的基礎設施支撐。該工程通過跨區域算力資源優化配置，將東部高算力需求業務遷移至西部綠色能源富集區，構建起以風電、光伏等可再生能源為核心的算力網絡。西部豐富的綠色電力資源能夠充分匹配存算一體架構的低能耗優勢，形成“綠色電力與高效算力”的良性循環，為AI產業的可持續發展奠定基礎。外部環境的變化正在徹底重塑半導體產業的價值鏈：芯片設計的核心目標從追求峰值算力轉向優化能效比；制造工藝的競爭從7 nm、5 nm的“納米軍備競賽”，轉向異構集成、3D封裝的技術創新；產業競爭的焦點從單一芯片的性能比拼，轉向“芯片、能源與場景”的生態協同。在這一變革過程中，存算一體芯片憑借其在能效比與場景適配性上的顯著優勢，成為連接芯片技術、綠色能源與AI應用的關鍵樞紐。

PART 05

結論與展望

存算一體芯片的崛起與ASIC芯片的市場爆發，并非對GPU的簡單替代，而是半導體產業底層邏輯的重構。這場產業變革的本質，是從“以算為核心”轉向“存算協同”，從“通用為王”轉向“專用制勝”，從“算力至上”轉向“能效優先”。技術領域的突破，往往始于對關鍵問題的重新審視，相比單純解決問題的技術技巧，挖掘新問題、拓展新可能的創造性思維，才是推動產業進階的核心動力。2026年半導體產業的格局洗牌，本質上正是對“內存墻”這一核心技術問題的創造性回應。

在這場變革中，GPU不會徹底退出市場，其應用場景將進一步聚焦通用計算與復雜模型訓練；存算一體與ASIC芯片也并非完美無缺，其在通用性、靈活性上的短板仍需通過技術迭代不斷彌補。但不可否認的是，半導體產業已站在新的歷史起點，存算一體技術與AI產業的深度融合，正在推動算力形態、產業生態與競爭格局的全方位變革。

未來，隨著存算一體架構的持續優化、先進制造技術的不斷突破以及綠色算力生態的逐步完善，AI產業將擺脫算力瓶頸的制約，在智能駕駛、智慧城市、智能制造等領域實現規模化落地。對于行業參與者而言，需要把握“存算協同”“專用定制”“綠色低碳”的發展趨勢，加強技術創新與生態協同，才能在這場產業變革中搶占先機，為AI產業的高質量發展注入持續動力。

本文刊載于《通信世界》2026年第6期

作者：中國電子技術標準化研究院 李銘軒 齊潤楠 周俊

原標題：《存算一體芯片：AI產業突破算力瓶頸的核心路徑與發展展望》

工業和信息化部部長李樂成：加快前瞻布局和發展未來產業

第四屆全國創新爭先獎公布：信息通信業1集體3個人獲獎

運營商Token新動向：“詞元產品”服務正式上架中國算力平臺

責編/版式：朱文鳳

審校：梅雅鑫

監制：劉啟誠

【媒體矩陣】

今日頭條 | 微博 | 微軟MSN | 百家號

網易號 | 人民號 | 騰訊新聞 | 搜狐

新浪看點 | 雪球號 | 知乎

【運營團隊】

編輯｜梅雅鑫 孫天 朱文鳳

審校 | 梅雅鑫

監制｜劉啟誠