财中社1月7日电华金证券发布半导体行业快报。

　　从云到端，AI催生端侧存储容量增加。在云端，AI依赖于大规模的数据中心和高效庞大的存储系统来存储、传输并处理数据。数据中心有着大规模集群式的存储硬件来应对海量数据，而在端侧，AI需要在计算资源、存储资源受限的设备上实现实时、低功耗的数据处理，这对存储芯片的容量、速度和能效提出全新的要求，也推动存储技术革新。对端侧AI设备来说，算力和数据的加持实现了各种智能功能，而数据存放及高效读写需要更强大的存储芯片为其提供助力。（1）AI手机：16G的DRAM已是AI手机最低基本配置。根据电子发烧友网统计，基于高通和联发科旗舰芯片的智能手机比较集中的是支持70亿的AI大模型参数，且16GB+512GB存储搭配最为集中。根据电子发烧友网数据，以70亿大模型压缩后需要4GB来算，再加上6GBApp保活、4GB安卓OS，故支持70亿参数大模型的智能手机，实现图像生成功能等，其内存至少需要14GB。（2）AIPC：更快的数据传输速度、更大的存储容量和带宽需求也带动了主流LPDDR5x和LPDDR5T产品的需求。如微软发布的AIPC内存容量最低为16GB，搭载新处理器的AIPC已普遍将内存提升至32GB，为AI模型的部署升级留下充足空间。（3）AITWS耳机：AITWS耳机中功能更多，为存储更多固件和代码程序，需要外扩串行NORFlash。当前几款已发布的AI耳机中NORFlash容量较之普通TWS耳机也有了比较大的提升，基本上实现了翻倍来支持内置的AI新功能。以字节跳动豆包Ola Friend AI耳机为例，单只耳机内部配备两颗128Mb NORFlash，总存储容量为256Mb（即32MB）。相比之下，普通TWS耳机的存储容量一般较低，通常为64Mb（即8MB）到128Mb（即16MB）。

　　存算一体解决打破传统存储/功耗/算力墙，在大算力设备领域具有绝对影响力。存算一体核心是将存储功能与计算功能融合在同一个芯片上，直接利用存储单元进行数据处理——通过修改“读”电路的存内计算架构，可以在“读”电路中获取运算结果，并将结果直接“写”回存储器的目的地址，不再需要在计算单元和存储单元之间进行频繁的数据转移，消除数据搬移带来的消耗，极大降低功耗，大幅提升计算效率。存算一体芯片在特定领域可以提供更大算力（1000TOPS以上）和更高能效（超过10-100TOPS/W），明显超越现有ASIC算力芯片。存算一体技术还可以通过使用存储单元参与逻辑计算提升算力，等效于在面积不变的情况下规模化增加计算核心数。在能耗控制方面，存算一体技术可以通过减少不必要的数据搬运将能耗降低至之前的1、10~1、100。存算一体芯片适用于各类人工智能场景和元宇宙计算，如可穿戴设备、移动终端、智能驾驶、数据中心等。按算力大小划分：1）针对端侧的可穿戴等小设备，对算力的要求远低于智能驾驶和云计算设备，但对成本、功耗、时延、开发难度很敏感。端侧竞品众多，应用场景碎片化，面临成本与功效的难题。存算一体技术在端侧的竞争力影响约占30%。（例如arm占30%，降噪或ISP占40%，AI加速能力只占30%）；2）针对云计算和边缘计算的大算力设备，是存算一体芯片的优势领域。存算一体在云和边缘的大算力领域的竞争力影响约占90%。边缘端存算一体芯片在边缘端具有高算力、低功耗、高性价比的优势。而针对智能驾驶、数据中心等大算力应用场景，在可靠性、算力方面有较高要求，云计算市场玩家相对集中，各厂商算法和生态细节不同，芯片售价较高。根据存储与计算的距离远近，将广义存算一体的技术方案分为三大类，分别是近存计算（PNM）、存内处理（PIM）和存内计算（CIM），其中，近存计算和存内计算是目前存算一体技术实现主流路径。大厂对存算一体架构需求是实用且落地快，而作为最接近工程落地的技术，近存计算成为大厂们的首选，典型代表是AMD的Zen系列CPU。国内初创企业则聚焦于存内计算，典型代表有Mythic、千芯科技、闪亿、知存、九天睿芯等。