导语
在追求更高AI算力的道路上，传统冯·诺依曼架构的“存储墙”问题日益凸显。知存科技创始人王绍迪选择了一条独特的技术路径——存算一体。这项技术巧妙地利用存储器本身的物理特性（如欧姆定律）直接进行矩阵计算，从而在根本上打破了计算与存储分离的瓶颈。本文基于对王绍迪的专访，深入探讨了存算一体芯片的技术原理、研发历程、在AI大模型时代的优势，以及其不依赖EUV光刻机、借助中国制造业生态实现快速发展的潜力。
存算一体：不依赖EUV的AI算力突围之路
知存科技创始人王绍迪分享了存算一体芯片如何从根本上突破冯·诺依曼架构瓶颈，利用Flash存储器的物理特性实现高效AI计算。他回顾了公司从六次流片失败的至暗时刻到实现量产落地的艰难历程，阐述了该技术在Transformer大模型时代的优势，并指出其不依赖EUV光刻机，有望通过中国快速迭代的制造业生态实现突围。
大纲与深读 8 章
展开「深读」看每一段讨论的问题与论据。
01
早年经历与创业初心
- 王绍迪高中时因游戏兴趣立志芯片，被保送北大微电子专业
- 博士毕业时存算一体技术尚无人关注，高校经费不足，最终选择创业
- 2016年深度学习走向应用，存算一体技术与AI算法高度匹配
深读这一段
讨论的问题：是什么驱动了王绍迪在技术冷门期坚持选择存算一体赛道？
论据 / 案例：2016年与美国和中国头部芯片公司聊过四五家，大家都没听过存算一体；当时高校芯片经费连流片都流不了。
02
技术原理与架构优势
01:00- 存算一体利用欧姆定律在存储阵列内直接实现矩阵乘法，打破冯诺依曼瓶颈
- 算力随算法规模线性增长，天然匹配Transformer模型1:1的存储计算比
- 模拟计算的精度挑战是技术核心壁垒，Flash因其低电流特性成为优选介质
深读这一段
讨论的问题：存算一体如何从根本上解决AI计算的存储墙问题？
论据 / 案例：Transformer模型中参数读取与计算比为1:1，存算一体天生匹配；Flash计算电流可低至10纳安到100纳安，远低于其他存储器。
03
研发攻坚与精度突破
04:00- 精度提升是核心难点，需在每个存储单元中用1000到2000个电子实现256级线性分层
- 经历4年6次流片失败，通过分解数十个隐藏问题逐步攻克
- 公司数百人耗时7-8年将Flash精度提升至满足应用需求
深读这一段
讨论的问题：存算一体芯片量产的最大技术障碍是什么？如何突破？
论据 / 案例：每次流片需花3-6个月定位问题；从3比特精度逐步提升到满足应用需求。
04
音频芯片落地案例
08:00- 与安克合作开发端侧音频降噪芯片，采用28nm Flash工艺
- 芯片支持400-600万参数Transformer模型，实现通话降噪世界纪录
- 端侧AI芯片需平衡算力、功耗、体积与成本四大约束
深读这一段
讨论的问题：存算一体技术在消费电子产品中的首个成功落地案例是如何实现的？
论据 / 案例：芯片在安克耳机上获得吉尼斯世界纪录通话降噪人生还原度最高；模型参数量从行业平均50K提升至400万-600万。
05
能效提升与技术天花板
06:00- 阵列规模扩大是能效提升的主要来源，长宽每增2倍能效提升2-4倍
- 从28nm成熟工艺到专用存储器设计，制造端还有百倍提升空间
- 架构设计与存储工艺是正交的独立提升维度，可叠加突破
深读这一段
讨论的问题：存算一体芯片的能效提升还有多大空间？瓶颈在哪里？
论据 / 案例：每年能效翻2-5倍；从现有工艺到专用存储器设计可实现百倍提升；设计与工艺独立提升可叠加。
06
量产测试与供应链
10:00- 建立五道严格测试流程，远超数字芯片常规的两道测试
- 测试周期从6个月压缩至2-3个月，形成标准化debug方法论
- 制造端是产业链最薄弱环节，需跨平台异构集成
深读这一段
讨论的问题：从实验室原型到稳定量产，存算一体芯片需要建立哪些特殊质量体系？
论据 / 案例：一般芯片量产两道测试，存算一体需五道；测试周期从6个月压缩至2-3个月。
07
大模型时代技术演进
03:00- Transformer模型对存算一体有两大利好：存储墙问题更突出、精度要求降低
- 技术路线从高精度小阵列转向大阵列低精度，适配大模型需求
- NAND Flash的三维堆叠可进一步提升存储密度与计算效率
深读这一段
讨论的问题：大模型时代给存算一体技术带来了哪些新的机遇和挑战？
论据 / 案例：Transformer矩阵计算比深度学习大1000-1万倍，存算一体计算效率同比提升；精度要求从12-16比特降至4比特。
08
中国速度与生态布局
12:00- 中国制造业快速迭代能力是存算一体发展的独特优势
- 存算一体可绕过EUV光刻机限制，加速AI芯片创新
- EDA工具链与自动化设计是当前生态建设的关键短板
深读这一段
讨论的问题：中国在存算一体赛道上有哪些独特的竞争优势和发展机会？
论据 / 案例：中国消费电子和新能源汽车产业链具备月级迭代能力；存算一体用不上EUV；23-25年研发投入超15亿。
金句
- “存算一体就是把存储器转换成一个矩阵乘法计算单元，所以它既实现了存储的数据，又实现了这个计算。”
- “如果未来AI的算力越来越大，模型越来越大，那存算一体就会慢慢变成最适合、最有竞争力的技术。”
- “中国可能没有EUV，但是存算一体也用不上EUV。”
- “赌我们一定能把Flash的这个精度做到满足应用的需求。这花了我们公司几百个人7、8年的时间。”
- “存算一体在解决了问题之前，这个市场也不存在。”
原文链接
↗完整内容见原文：老石谈芯 · 存算一体：不依赖EUV的AI算力突围之路
