存算一体（Processing-in-Memory） 行业研究报告

一、研究摘要 / 核心观点

1. 存算一体是破"内存墙"的架构级方案，而非工艺改良。 冯·诺依曼架构下数据在存储与计算单元间频繁搬运，多项研究表明其占系统总能耗超 90%；英特尔研究指 7nm 工艺下数据搬运功耗高达 35pJ/bit、占总功耗 63.7%；图灵奖得主 John Hennessy 称 AI 计算中数据搬运成本已达计算成本的 100 倍。存算一体（CIM/PIM）将计算嵌入存储阵列，"数据在哪算在哪"，从物理架构消除搬运能耗黑洞（[OFweek，2026](https://ee.ofweek.com/2026-07/ART-8420-2801-30695878.html)）。

1. 能效比是核心卖点，幅度达数量级跃升。 麦肯锡全球研究院测算，采用存算一体架构的 AI 芯片在特定推理任务中能效比可提升 10–100 倍；三星 HBM-PIM 实测系统性能提升 2 倍以上、能耗降低 50%–70%；SK 海力士与 TetraMem 的模拟存算（A-IMC）能效高 1–2 个数量级；知存科技 WTM2101 达 15 TOPS/W、较主流 MCU 高数十倍；Mythic 模拟 APU 宣称较 GPU 高 100 倍每瓦性能（[麦肯锡/renrendoc，2026](https://m.renrendoc.com/paper/526555352.html)）（[三星半导体官方，2021–2026](https://semiconductor.samsung.com/news-events/tech-blog/samsung-electronics-semiconductor-unveils-cutting-edge-memory-technology-to-accelerate-next-generation-ai)）（[头条，2026](https://www.toutiao.com/article/7660306451327353350/)）（[头条，2026](https://www.toutiao.com/article/7641070220232098344/)）（[Aitechsuite，2025](https://www.aitechsuite.com/ai-news/mythic-secures-125m-to-challenge-nvidia-with-100x-more-efficient-ai-chips)）。

1. 市场处于"技术验证→规模商用"拐点，但口径差异极大。 聚焦"PIM AI 芯片"的窄口径：QYResearch 统计 2025 年全球约 2.31 亿美元、预计 2032 年达 443.3 亿美元（CAGR 112.4%）；pmarketresearch 统计 2025 年 9.5 亿美元、2032 年 55 亿美元（CAGR 28.5%）。将芯片+模组+IP 授权的广义口径：IIM 测算 2025 年全球 87.3 亿美元（+63.5%）、2030 年约 430 亿美元（CAGR 38%）。不同机构统计边界（纯 PIM AI 芯片 vs 广义存算产业）差异悬殊，凡冲突处均标注【口径差异】（[OFweek 转引 QYResearch，2026](https://ee.ofweek.com/2026-07/ART-8420-2801-30695878.html)）（[pmarketresearch，2026](https://pmarketresearch.com/it/processing-in-memory-ai-chips-market)）（[IIM，2026](https://www.iim.net.cn/103/view-296220-1.html)）。

1. 技术路线"三国杀"，介质决定路线。 ① SRAM 数字存算（精度高、兼容 CMOS，量产主流，知存/后摩/炬芯）；② DRAM/HBM 路线（存储密度高，三星 HBM-PIM、SK 海力士+TetraMem）；③ 新型忆阻器 RRAM/MRAM/PCM 模拟存算（能效极致，闪易半导体、清华、Mythic）。2025 年 SRAM 方案占出货约 52%，RRAM/MRAM 增速最快（[IIM，2026](https://www.iim.net.cn/103/view-296220-1.html)）（[CSDN，2026](https://blog.csdn.net/JAMSAN0930/article/details/161227703)）。

1. 玩家分层：国际存储巨头+欧美初创+国产梯队。 国际：三星（HBM-PIM 2026.2 完成验证进入量产准备）、SK 海力士+TetraMem；欧美：Mythic 于 2025.12 完成 1.25 亿美元 D 轮、累计融资超 2.9 亿美元；国产：知存科技（WTM2101/WTM-8，累计出货破千万颗）、后摩智能（鸿途 H30 256TOPS/35W、漫界 M50 量产）、闪易半导体（PCRAM）、苹芯、微纳核芯。应用场景以边缘 AI（TWS/手表/AR，中国 2025 边缘 AI 设备 1.7 亿台、渗透率 23%）、自动驾驶域控、数据中心（2025 PIM 在 AI 服务器渗透率 11.3%、2030 预计 42%）为主（[三星/爱企查，2026](https://aiqicha.baidu.com/details/rankList?query=50827cbedc6a9e7eb7ac7c285d5538d6&type=20)）（[SiliconANGLE，2025](https://siliconangle.com/2025/12/17/compute-memory-chip-startup-mythic-raises-125m-round/)）（[临平发布，2025](https://www.hi-lp.cn/tt/202511/t20251125_6498932.shtml)）（[inwwin，2026](http://m.inwwin.com.cn/79/view-1154485-1.html)）。

二、研究背景与定义（含研究边界）

2.1 定义：什么是存算一体

存算一体（Computing-in-Memory, CIM；或 Processing-in-Memory, PIM）指在存储单元内部或近存储位置直接执行计算，使"数据存在哪里就在哪里算"，绕过冯·诺依曼架构中"存储-计算"物理分离导致的反复数据搬运。按融合程度分为两档：

• 近存计算（Processing-Near-Memory, PNM）：计算单元紧邻存储（如 HBM 堆栈内嵌 PCU、AXDIMM 模组），搬运距离缩短但未彻底消除。三星 HBM-PIM、AXDIMM 属此类。
• 存内计算（Computing-in-Memory, CIM）：在存储阵列内部利用存储介质物理特性（电阻/电荷/磁性）就地完成乘累加，融合度最高，是终极方案。SRAM/RRAM/MRAM 存算一体属此类（[OFweek，2026](https://ee.ofweek.com/2026-07/ART-8420-2801-30695878.html)）（[CSDN，2026](https://blog.csdn.net/JAMSAN0930/article/details/161227703)）。

2.2 技术路线与介质分类

2.3 研究边界（体现"窄"）

• 纳入：存算一体/近存计算芯片、模组、IP 授权及其在边缘 AI、智能驾驶域控、数据中心推理加速的落地；覆盖 SRAM/DRAM-HBM/RRAM-MRAM-PCM 三类介质路线；覆盖知存、闪易、三星 HBM-PIM、SK 海力士、Mythic、后摩等代表厂商。
• 明确剔除：

1. 传统冯·诺依曼架构 GPU/NPU/ASIC（仅作能效对比基准，不展开其独立市场）；

2. HBM 存储颗粒本身——已独立成篇（2026-08-12 HBM 报告），本报告仅将 HBM-PIM 作为"存算"与"存储"的交叉点有限引用；

3. 硅光模块与 CPO——已独立成篇（2026-08-11 硅光模块与 CPO 报告），本报告不展开光互联方案；

4. 通用编译器/软件栈（超出存算专用映射工具链部分）。

三、研究方法与数据来源（Methodology）

本报告以"可溯源公开信息"为唯一数据红线，采用多源交叉验证：以国际咨询机构（QYResearch、pmarketresearch）、企业官方披露（三星半导体、Mythic）、权威媒体与行业媒体（OFweek、电子发烧友/CSDN、头条、临平发布）、研究机构摘要（IIM、AMI、inwwin、麦肯锡转引）为信源；冲突口径并列标注【口径差异】，未捕获原始链接数据标注【待核实】。

3.1 核心数据来源清单

3.2 口径说明与局限性

"市场规模"存在窄口径（纯 PIM AI 芯片）vs 广义口径（芯片+模组+IP 授权+软件）的根本差异，机构间可差一个数量级（2025 年从约 2.3 亿美元到约 127 亿美元不等），见第四节【口径差异】。能效比数字多来自厂商自测或单点基准（如 Mythic 称 750× tokens/s per watt、知存 WTM-8 能耗为同类 10%），非第三方统一基准，标【待核实：厂商自测】。新型介质（RRAM/PCM）量产一致性数据偏少，部分为实验室/样片结果。