从云端大模型训练到端侧AI推理，算力需求指数级增长。然而传统冯诺依曼架构中，「存储与计算分离」带来的数据搬运开销，已成为制约性能的「内存墙」瓶颈。
什么是存内计算？
存内计算（Computing-in-Memory, CIM）利用存储单元的物理特性直接在存储器内部完成运算，避免频繁的数据搬移，从而大幅降低功耗与时延。忆阻器、SRAM、Flash等工艺路线各有千秋。
AI时代的黄金搭档
神经网络计算中大量的矩阵乘加运算，与存内计算的并行特性高度契合。存算一体芯片在边缘AI、大模型推理等场景展现出能效比优势，被业界视为后摩尔时代的突破方向之一。
产业化进展与挑战
国内多家初创公司与科研机构已推出存算一体原型芯片，并在智能视觉、语音识别等场景落地验证。精度、工艺成熟度与生态建设，仍是规模商用的主要挑战。
当数据搬运的代价超过计算本身，存内计算用「以存为算」的思路，为计算架构的下一步进化提供了关键答案。
