2026年9月12日，在上海举行的国际半导体技术峰会上，多家芯片设计企业集中展示了最新一代存算一体（Compute-in-Memory）AI芯片。实测数据显示，新架构在典型神经网络推理任务中的能效比较传统冯诺依曼架构提升5倍以上，同等算力下功耗降低超过60%。业内人士指出，随着国内首条12英寸存算一体晶圆产线于本月初贯通，这一技术路线正式从实验室验证迈入规模化商用阶段，2026年有望成为存算一体芯片的商用元年。
技术突破：从「数据搬运」到「原地计算」
传统芯片架构中，计算单元与存储单元分离，数据在两者之间频繁搬运，不仅消耗大量能耗，还形成制约算力提升的「存储墙」瓶颈。存算一体技术通过在存储阵列内直接完成矩阵乘法等运算，大幅减少数据搬运开销。据峰会披露的测试报告，新一代芯片在ResNet-50、BERT等主流模型上，能效比达到每瓦数十万亿次运算，较上一代产品提升约5倍。参与测试的分析师表示，这一提升幅度在近五年半导体领域较为罕见，意味着边缘设备有望在无需散热风扇的条件下运行更复杂的AI模型。
制造工艺方面，国内首条12英寸存算一体产线已实现55纳米与40纳米双节点量产，良率爬升至85%以上。产线负责人透露，初期产能主要面向智能安防、工业质检和可穿戴设备客户，首批订单已排至2027年第一季度。与此同时，海外头部厂商也在加速布局，三星、台积电近期分别公布了基于MRAM和RRAM的存算一体IP方案，全球竞争格局初步形成。
产业影响：边缘智能与自动驾驶率先落地
存算一体芯片的商用化，正在重塑多个下游行业的成本结构。在智能安防领域，搭载新芯片的摄像头可在本地完成人形检测与行为分析，无需将视频流上传云端，带宽成本下降约七成。在工业制造场景，嵌入存算一体模组的质检设备将缺陷识别延迟压缩至毫秒级，产线整体效率提升约15%。分析师预计，到2027年，边缘AI芯片市场中存算一体方案占比将从目前的不足5%提升至20%以上。
自动驾驶被普遍视为最具潜力的应用方向。L3级以上自动驾驶对实时推理与低功耗的要求极为苛刻，存算一体架构可在不增加电池负担的前提下提供更高算力密度。多家车企研究院已在2026年中期启动相关预研项目，预计2027年至2028年将有量产车型搭载该技术。不过，业内人士也提醒，存算一体芯片在工具链成熟度、编译器适配和可靠性验证方面仍存在短板，生态建设需要产业链上下游协同推进。
从政策端看，多个地区已将存算一体列入集成电路产业重点支持目录，相关国家标准制定工作于2026年下半年启动。可以预见，随着产线产能释放、工具链逐步完善以及应用场景持续拓宽，存算一体芯片将在未来三年内成为AI算力基础设施的重要组成部分，推动智能计算从云端向端侧加速迁移。
