后摩尔定律时代，3D-CIM+RISC-V打造国产存算一体新范式

电子发烧友网报道（文 / 吴子鹏）当前，AI 技术已深度融入生产生活，从 AI 手机、AIPC 到云端大模型推理，再到未来的具身智能机器人，对算力的需求呈指数级增长。然而，在 AI 飞速发展的同时，算力、能效与带宽瓶颈成为行业前行的关键阻碍，而美西方的技术禁运更让中国芯片产业面临严峻挑战。

在这一大背景下，存算一体成为国产算力突破的重要手段。近日，在杭州举办的 RISC-V 存算一体产业论坛暨应用组启动大会上，微纳核芯、浙江省北大信息技术高等研究院、知合计算、小米移动、浪潮计算机、紫光展锐、兆易创新、北京智芯、上海兆芯、安路信息、英韧科技、麒麟软件、清微智能、进迭时空、算能科技、澎峰科技、希姆计算、千芯科技、雄安安算、元石智算、尘点科技、凌川科技、新华三等企业与机构代表及行业专家齐聚一堂，共同确立了 “RISC-V + 存算一体” 技术的标准化路线图，旨在为国产芯片应对大模型时代的算力挑战提供核心支撑。

会上，杭州微纳核芯首席科学家叶乐教授作了题为《三维存算一体 3D-CIM：赋能 RISC-V AI 生态》的报告，分享了微纳核芯在三维存算一体（3D-CIM）技术领域的探索与实践，以及该技术如何为 RISC-V AI 生态注入新活力，助力我国芯片产业实现自主可控。

杭州微纳核芯首席科学家叶乐教授

3D-CIM 助力国产算力腾飞

如上所述，后摩尔定律时代，国产算力芯片发展面临更为严峻的挑战，叶乐教授在此列举了三点：

算力密度瓶颈：摩尔定律逐渐逼近物理极限，传统芯片依赖先进工艺提升算力的路径愈发艰难。
数据带宽瓶颈：大模型参数量动辄达千亿级别，在传统冯・诺依曼架构下，计算单元与存储单元分离，数据搬运量远超算力需求，数据通道如同 “交通堵塞”，严重制约大模型应用效率。
软硬件生态瓶颈：现有 AI 硬件发展缺乏标准指令集与工具链，软件生态多被美西方掌控，自主生态建设面临高昂的迁移成本与兼容难题。

他认为，要克服这些挑战，急需发展 “基于现有国产工艺条件、突破上述关键挑战的新架构技术路线 + 开源自主可控生态” 的创新路径。微纳核芯团队经过多年深耕，提出了以三维存算一体为核心的创新技术路线，从存储与计算的融合入手，结合 RISC-V 开源生态优势，构建全栈自主可控的技术体系。

在存算一体技术路线选择上，微纳核芯坚定采用数字域路线。相较于模拟域存算，数字域存算具备计算精度高、可靠性强的优势，支持高精度浮点计算与软件量化方式，更符合未来产业规模化应用需求。通过在微观层面将存储单元与计算单元融合，存算一体技术可实现张量计算的原位高效处理。

在 AI 应用中，无论是云端 AI 应用、边缘端应用，还是轻量级 AI 应用，张量计算占比均高达 99% 以上，行业急需针对张量计算的加速解决方案 —— 能高效处理张量计算的存算一体，成为破局路径之一。存储单元与计算单元的微观融合，不仅大幅缩短数据路径距离、缓解带宽瓶颈，更能显著提升算力密度与计算能效。

叶乐教授表示，存算一体的理想技术路线需考量四大因素：

大存储容量：可存储大模型所有参数，并满足模型规模增长的需求；
高密度存储：能在有限的面积资源下，存储所有大模型参数；
高可擦写次数：大模型计算需频繁更新 KV Cache，存储器须具备高次数更新能力；
快读写速度：高吞吐率的大模型推理对存储器的读写速度提出较高要求。

综合考量各项技术的优劣势后，微纳核芯选择基于 SRAM 实现数字域存算一体。据流片实测结果显示，SRAM 存算一体在同工艺下的算力密度相比传统架构提升 4 倍；经多次流片验证，其在 22nm 工艺下可实现传统 NPU/GPU 路线在 7nm 工艺下相当的算力密度；与传统 NPU/GPU 路线相比，计算能效提升 5-10 倍。此外，微纳核芯的 SRAM 存算一体芯片基于全国产供应链，且相比 7nm 芯片成本降低 4 倍。目前，微纳核芯已完成 SRAM 存算一体全栈软件栈的初版设计，涵盖仿真器、指令集、算子库、编译器及软件栈。

叶乐教授指出，微纳核芯 SRAM 存算一体之所以能实现上述优势，离不开 3D-CIM 技术的支撑。为进一步突破带宽瓶颈，微纳核芯引入 3D 近存架构，构建 3D-CIM。该架构将存算一体计算芯片与 DRAM 存储芯片进行三维堆叠，如同为数据搬运搭建 “专属电梯”—— 大模型参数存储在上层 DRAM 中，调用时可直接快速传输至下层计算芯片，大幅提升数据带宽的同时降低传输功耗。这种创新架构实现了存算一体与近存计算的完美融合。

RISC-V 与 3D-CIM 的融合

那么，在这一创新体系中，RISC-V 架构的价值体现在何处？回归前文提及的国产算力芯片挑战，在软硬件生态瓶颈方面，国内面临的现实问题是：即便拥有先进芯片，编程与使用仍存在诸多困境，例如算子库需持续演化、应用迁移难度大等。而异构融合 AI 计算借助 RISC-V 生态体系，通过标准架构接口与编译链开展软件开发，可有效克服这一难题。

当然，RISC-V 架构的价值远不止于此。叶乐教授在演讲中提到：“我们也清醒地认识到，单一存算一体技术无法解决所有问题。存算一体虽能高效处理张量计算，但在标量计算与计算完备性上存在短板，且面临编译难题。而 RISC-V 作为开源、灵活的指令集架构，恰好能弥补这些不足。”

为此，微纳核芯创新提出 RISC-V 与存算一体的异构融合架构：用存算一体模块处理 99% 的张量计算，充分发挥其高算力密度与高能效优势；用 RISC-V CPU 处理 1% 的标量计算，保障计算完备性。在此基础上，微纳核芯还扩展了存算一体专用指令集，覆盖卷积、全连接、Attention 等主流张量算子，兼容 INT4、FP8、BF16 等多种数据格式，实现与 RISC-V 标准指令集的协同。通过统一的抽象算子库与扩展编译器，微纳核芯的 SRAM 存算一体芯片成功接入 RISC-V 开源生态，解决了存算一体的软件生态难题，为技术产业化扫清障碍。

在产品规划上，叶乐教授透露，微纳核芯计划于 2026 年第一季度完成芯片流片，第三季度向手机、PC 等领域的头部企业送样，率先布局 AI 手机、AIPC 等端侧大模型应用；中期将联合国产高性能 CPU，推出 3D-CIM 芯片解决方案，有望绕过甚至超越英伟达现有方案，进军云端大模型市场；远期则瞄准具身智能领域，为 AI 机器人提供核心算力支撑。

资讯配图