我公司拥有所有研究报告产品的著作权，我们从未通过任何第三方平台代理销售或授权其开展业务咨询。当您购买报告或咨询业务时，请认准“博研咨询”，及官方网站市场调研在线（www.cninfo360.com）。若要进行引用、刊发，需要获得博研咨询的正式授权。
- 报告目录
- 研究方法
存算一体AI芯片是一种将存储单元与计算单元融合的新型芯片架构，旨在通过减少数据在存储和处理单元之间的频繁传输来提升能效和性能。这种架构特别适合于需要大量并行计算和数据处理的人工智能任务，例如深度学习推理和训练。2024年，中国存算一体AI芯片市场规模达到约150亿元人民币，同比增长35%，显示出强劲的增长势头。这一增长主要得益于人工智能技术的快速发展、政府对半导体行业的大力支持以及国内企业持续加大研发投入。中国存算一体AI芯片市场仍处于早期发展阶段，但其潜力巨大，预计到2028年市场规模将突破700亿元，复合年增长率超过30%。从市场需求来看，存算一体AI芯片的应用场景主要集中在数据中心、自动驾驶、智能家居和工业自动化等领域。数据中心是最大的应用领域，占据了2024年市场总需求的45%左右。随着云计算和大数据分析的需求不断攀升，数据中心对高性能、低功耗AI芯片的需求也在快速增长。自动驾驶领域的崛起为存算一体AI芯片提供了新的增长点，预计未来五年内该领域的需求占比将从当前的20%提升至30%以上。在供给端，中国存算一体AI芯片行业正逐步形成以初创企业和科研机构为主导的竞争格局。截至2024年底，已有超过50家中国企业涉足这一领域，其中包括寒武纪、地平线等知名厂商，以及一批新兴的初创公司。这些企业在技术研发方面取得了显著进展，部分产品已实现商业化落地。与国际领先水平相比，中国企业在制程工艺、设计能力和生态系统建设等方面仍存在一定差距。技术层面，存算一体AI芯片的核心挑战在于如何平衡性能、功耗和成本。2024年，大多数国产存算一体AI芯片采用的是28nm至7nm制程工艺，而国际领先企业已开始布局3nm甚至更先进的制程。材料创新也成为行业发展的重要方向，如基于相变存储器（PCM）、电阻式随机存取存储器（ReRAM）和磁阻式随机存取存储器（MRAM）的技术正在加速成熟。预计到2026年，基于新型存储材料的存算一体AI芯片将占据市场总量的20%以上。政策支持是中国存算一体AI芯片行业发展的重要驱动力之一。国家出台了一系列扶持政策，包括税收优惠、资金补贴和技术攻关专项计划等。例如，《“十四五”数字经济发展规划》明确提出要加快高端芯片的研发和产业化进程，这为存算一体AI芯片行业创造了良好的发展环境。地方政府也纷纷设立产业园区和投资基金，吸引相关企业入驻并推动产业链上下游协同发展。展望中国存算一体AI芯片行业将继续保持高速增长态势。一方面，随着人工智能应用场景的不断拓展，市场对高效能AI芯片的需求将持续扩大；技术进步和产业协同将进一步降低生产成本，提高产品竞争力。值得注意的是，国际化将是下一阶段发展的关键主题。中国企业需加强与全球顶尖研究机构的合作，积极参与国际标准制定，并努力开拓海外市场，以在全球竞争中占据有利地位。中国存算一体AI芯片行业正处于快速崛起阶段，尽管面临诸多挑战，但凭借政策支持、市场需求和技术积累，有望在未来几年内实现跨越式发展，成为全球AI芯片领域的重要力量。
博研咨询发布的《2025-2031年中国存算一体行业市场动态分析及投资战略研判报告》共九章。首先介绍了存算一体行业市场发展环境、存算一体整体运行态势等，接着分析了存算一体行业市场运行的现状，然后介绍了存算一体市场竞争格局。随后，报告对存算一体做了重点企业经营状况分析，最后分析了存算一体行业发展趋势与投资预测。您若想对存算一体产业有个系统的了解或者想投资存算一体行业，本报告是您不可或缺的重要工具。
本研究报告数据主要采用国家统计数据，海关总署，问卷调查数据，商务部采集数据等数据库。其中宏观经济数据主要来自国家统计局，部分行业统计数据主要来自国家统计局及市场调研数据，企业数据主要来自于国家统计局规模企业统计数据库及证券交易所等，价格数据主要来自于各类市场监测数据库。
第1章存算一体产业综述及数据来源说明
1.1 存算一体概念界定
1.1.1 存算一体的定义/概念形成
1.1.2 存算一体的优势及市场驱动力
1.1.3 存算一体所处行业
1.1.4 存算一体市场监管
1.1.5 存算一体标准建设
1.2 本报告数据来源及统计标准说明
1.2.1 本报告研究范围界定
1.2.2 本报告权威数据来源
1.2.3 研究方法及统计标准
第2章存算一体技术架构及产业画像
2.1 发展背景：AI快速发展催生算力需求爆发
2.2 发展趋势：AI算力架构演进趋势
2.2.1 演进趋势：CPU→GPU→存算一体
2.2.2 冯诺依曼架构存在的“存储墙”和“功耗墙”问题
2.2.3 非冯·诺依曼架构VS冯·诺依曼架构
2.2.3 存算一体的基本架构和原理
2.3 发展历程：存算一体发展历程
2.4 技术路线：存算一体技术类型及演进趋势
2.4.1 存算一体技术演进趋势
2.4.2 查存计算（Processing With Memory）
2.4.3 近存计算（PNM）
2.4.4 存内处理（PIM）
2.4.5 存内计算（CIM）
2.4.6 数字存算一体VS模拟存算一体
2.4.7 主要企业的技术路线布局
2.5 产业全景：存算一体产业链结构梳理
2.5.1 AI产业链结构梳理
2.5.2 存算一体产业链结构梳理
2.6 产业全景：存算一体产业生态全景图谱
2.7 基础硬件：存算一体存储介质发展现状
2.7.1 易失性存储类型
2.7.2 非易失性存储类型
2.7.3 存算一体存储器综合对比
2.7.4 目前可用于存算一体的成熟工艺存储器
2.7.5 目前可用于存算一体的新型存储器
2.7.6 主要企业的存储器类型布局
2.8 应用场景：存算一体的应用场景概述
2.8.1 端侧应用场景（小算力）
2.8.2 边侧应用场景
2.8.3 云侧应用场景（大算力）
2.8.4 主要企业的应用场景布局
2.9 面临挑战：存算一体的技术挑战
2.10 发展趋势：存算一体技术发展趋势
2.11 影响因素：存算一体技术大规模商用影响因素
第3章存算一体芯片及算法发展现状
3.1 AI芯片发展现状
3.1.1 AI芯片概述
3.1.2 AI芯片发展现状
3.1.3 AI芯片供应商格局
3.1.4 主要AI芯片类型
1、通用芯片（GPU）
（1）GPU概述
（2）市场供给分析
（3）市场规模分析
2、可编程芯片（FPGA）
（1）FPGA概述
（2）竞争格局分析
（3）市场规模分析
3、专用定制化芯片（ASIC）
（1）ASIC概述
（2）市场发展现状
4、类脑芯片
（1）类脑芯片概述
（2）市场发展现状
3.2 AI芯片技术架构类型
3.2.1 现阶段AI芯片的技术架构
3.2.2 存算一体芯片基本架构
3.3 存算一体芯片VS传统芯片
3.4 存算一体芯片发展历程
3.4 存算一体芯片发展路线图
3.5 存算一体芯片投融资态势
3.5.1 存算一体芯片主要资金来源
3.5.2 存算一体芯片企业融资动态
3.5.3 存算一体芯片企业兼并重组
3.6 存算一体芯片企业赛道布局
3.7 存算一体芯片企业名单
3.6.1 云和边缘大算力为主的企业名单
3.6.2 端侧小算力为主的企业名单
3.7 存算一体芯片产品及解决方案梳理
3.8 国内外存算一体商业化进展存在一定差距
3.9 存算一体芯片市场容量分析
3.10 存算一体芯片面临的挑战
3.10.1 存算一体对于芯片前端设计和验证的挑战
3.10.2 存算一体技术对芯片后端的挑战
第4章AI一体机发展现状及市场空间
4.1 中国AI一体机发展历程
4.2 中国AI一体机市场参与者类型
4.3 中国AI一体机企业入场方式
4.4 中国AI一体机企业/产品
4.5 中国AI一体机采购/价格
4.6 中国AI一体机市场容量
4.7 中国AI一体机发展面临的挑战
第5章存算一体技术应用场景需求分析
5.1 存算一体技术应用场景分布
5.2 存算一体技术应用场景：AI训练和推理（深度学习）
5.2.1 AI训练和推理概述
5.2.2 AI训练和推理市场概况
5.2.3 AI训练和推理企业格局
5.2.4 AI训练和推理算力需求
5.2.5 AI训练和推理存算一体探索现状
5.3 存算一体技术应用场景：AI大规模深度学习模型（大模型）
5.3.1 AI大模型概述
5.3.2 AI大模型市场概况
5.3.3 AI大模型企业格局
5.3.4 AI大模型算力需求
5.3.5 AI大模型存算一体探索现状
5.4 存算一体技术应用场景：AIoT（人工智能物联网）
5.4.1 AIoT概述
5.4.2 AIoT市场概况
5.4.3 AIoT企业格局
5.4.4 AIoT算力需求
5.4.5 AIoT存算一体探索现状
5.5 存算一体技术应用场景：AIGC（生成式人工智能）
5.5.1 AIGC（生成式人工智能）概述
5.5.2 AIGC（生成式人工智能）市场概况
5.5.3 AIGC（生成式人工智能）企业格局
5.5.4 AIGC（生成式人工智能）算力需求
5.5.5 AIGC（生成式人工智能）存算一体探索现状
5.6 存算一体技术应用场景：感存算一体
5.6.1 感存算一体概述
5.6.2 感存算一体发展现状
5.6.3 感存算一体发展潜力
5.7 存算一体技术应用市场战略地位分析
第6章存算一体垂直行业应用需求分析
6.1 存算一体垂直行业应用领域分布
6.2 存算一体垂直行业应用：自动驾驶
6.2.1 自动驾驶概述
6.2.2 自动驾驶市场概况
6.2.3 自动驾驶企业布局
6.2.4 自动驾驶发展趋势
6.2.5 自动驾驶算力需求分析
6.2.6 自动驾驶算力匹配现状
6.2.7 自动驾驶算存一体布局现状
6.3 存算一体垂直行业应用：工业制造
6.3.1 工业制造概述
6.3.2 工业制造市场概况
6.3.3 工业制造企业布局
6.3.4 工业制造发展趋势
6.3.5 AI在工业制造领域的应用
6.3.6 工业制造算力需求分析
6.3.7 工业制造算力匹配现状
6.3.8 工业制造算存一体布局现状
6.4 存算一体垂直行业应用：医疗健康
6.4.1 医疗健康概述
6.4.2 医疗健康市场概况
6.4.3 医疗健康企业布局
6.4.4 医疗健康发展趋势
6.4.5 AI在医疗健康领域的应用
1、人工智能药物研发（AIDD）
2、AI医学影像
3、AI制药
6.4.6 医疗健康算力需求分析
6.4.7 医疗健康算力匹配现状
6.4.8 医疗健康算存一体布局现状
6.5 存算一体垂直行业应用：智慧城市
6.5.1 智慧城市概述
6.5.2 智慧城市市场概况
6.5.3 智慧城市企业布局
6.5.4 智慧城市发展趋势
6.5.5 智慧城市算力需求分析
6.5.6 智慧城市算力匹配现状
6.5.7 智慧城市算存一体布局现状
6.6 存算一体垂直行业应用：数据中心
6.6.1 数据中心概述
6.6.2 数据中心市场概况
6.6.3 数据中心企业布局
6.6.4 数据中心发展趋势
6.6.5 数据中心算力需求分析
6.6.6 数据中心算力匹配现状
6.6.7 数据中心算存一体布局现状
6.6 存算一体产业细分市场战略地位分析
第7章全球及中国存算一体企业案例解析
7.1 全球及中国存算一体企业梳理与对比
7.2 全球存算一体企业案例分析
7.2.1 三星电子
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.2.2 英特尔
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.2.3 IBM
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.2.4 特斯拉
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.2.5 英伟达
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.3 中国存算一体企业案例分析
7.3.1 阿里巴巴达摩院（杭州）科技有限公司
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.3.2 华为技术有限公司
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.3.3 科大讯飞股份有限公司
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.3.4 北京知存科技有限公司
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.3.5 南京后摩智能科技有限公司
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.3.6 苏州亿铸智能科技有限公司
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.3.7 千芯科技（北京）有限公司
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.3.8 深圳市九天睿芯科技有限公司
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.3.9 云从科技集团股份有限公司
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
7.3.10 北京智谱华章科技有限公司
1、企业概述
2、竞争优势分析
3、企业经营分析
4、发展战略分析
第8章中国存算一体产业政策环境洞察
