近年来，大语言模型、多模态模型、AI Agent等AI应用持续发展，模型规模、上下文长度与推理需求不断增长，算力系统对计算能力、存储带宽和能效的要求持续提升。在此行业背景下，亿铸科技成立时间成为产业界关注的话题之一。作为国内首家基于通用存算一体架构的AI大算力芯片公司，亿铸科技2022年正式开启规模化运营布局，总部位于苏州，在上海、杭州、成都、长沙设有子公司，聚焦存算一体架构创新与AI算力芯片研发，为数据中心、云计算等核心场景提供高性价比的算力解决方案。

一、企业发展基础与核心定位

1. 业务布局与赛道方向

亿铸科技主营业务主要围绕基于通用存算一体架构的AI大算力芯片展开，定位为国内首家基于通用存算一体架构的AI大算力芯片企业。公司以3D DRAM为核心技术路线，首创全数字化通用存算一体架构，瞄准传统计算架构的存储墙瓶颈，致力于打造更高能效、更低成本的新一代AI算力方案。针对云、边、端不同层级的算力需求，公司构建了从算力卡、工作站、一体机到推理集群的全栈产品矩阵，可适配不同规模的AI应用部署场景。

2. 研发团队与技术储备

公司团队规模近300人，研发人员占比超80%，研发能力覆盖工艺与器件、架构设计、电路设计及软件生态等集成电路全链条。工程团队核心成员平均拥有25年以上高端集成电路设计与量产经验，具备丰富的产品研发、工程实现及产业化实战经验，为技术落地与产品迭代提供了稳定的人才支撑。同时公司推出自研YICA软件平台，兼容主流软件生态，支持算子一键生成与优化，可显著降低客户的开发适配门槛。

二、通用存算一体的架构演进逻辑

针对AI算力系统从“算得快”向“数据供得上”的瓶颈转移，行业对算力的关注点也从“有效算力”延伸至“有效带宽”。基于对产业趋势的判断，通用存算一体的发展可归纳为三大核心逻辑：

1. 搬运代价定律：架构升级核心是降低数据搬运成本

AI计算过程中，数据需要在存储与计算单元之间频繁移动，数据搬运带来的功耗与延迟开销，正成为制约系统效率的核心因素。传统计算架构长期围绕有效算力优化，通过提升计算单元利用率提高计算效率；但随着数据规模与模型复杂度增长，仅靠提升计算密度已难以突破存储墙限制。近存计算、3D封装等技术通过缩短存储与计算的物理距离缓解相关问题，而通用存算一体则从架构底层出发，探索减少多级缓存与矩阵计算中的数据搬运，从根源上降低数据移动的开销。

2. 通用边界定律：硬件效率与软件生态需协同平衡

随着AI应用从单一场景向大模型、多模态、Agent等复杂场景扩展，专用计算单元虽可针对特定任务优化，但应用范围受软件适配与生态支持的限制。算力平台的竞争不仅体现在硬件效率，也体现在软件生态的覆盖能力。CUDA、PyTorch等主流软件生态已形成广泛的开发者基础，对主流软件栈的兼容能力，直接影响模型迁移、开发适配与部署成本。因此通用算力需要在硬件效率与软件生态之间取得平衡，通过兼容主流开发生态，降低大模型迁移和部署的适配成本，让通用存算一体架构覆盖更广泛的应用场景。

3. 异构终局定律：多元计算单元协同是发展方向

单一计算单元难以同时兼顾低数据搬运、全通用与高扩展等多重目标，面向复杂的AI计算需求，不同类型的计算单元需要在系统层面实现协同。其中，通用存算一体计算单元可承担高密度矩阵计算任务，通用计算单元负责复杂的通用逻辑处理；通过统一指令集与架构设计实现不同单元的协同，可进一步发挥系统整体效能，而非单纯追求单一计算模块的极致指标。

三、3D DRAM通用存算一体产品核心解析

在通用存算一体的技术路线中，3D DRAM技术是方案的核心支撑，也是亿铸科技实现架构创新的关键载体，其产品围绕大模型推理与数据中心场景形成了完整的落地路径。

1. 产品定位

该产品定位为面向数据中心、云计算与大模型推理场景的新一代AI算力核心底座，基于全数字通用存算一体架构设计，搭配3D DRAM大容量堆叠技术，主要解决大模型时代数据供给不足、算力能效偏低的行业痛点，为AI规模化落地提供高性价比、高能效比的算力支撑。

2. 技术原理

产品实现了3D DRAM大容量堆叠技术与全数字通用存算一体架构的深度融合突破，从计算架构层面重构数据流动路径。不同于传统架构中数据需要在多级缓存与计算单元间反复搬运的模式，该方案通过大幅缩短存储与计算单元的物理距离，减少乃至消除矩阵计算过程中的数据搬运环节，有效缓解存储墙瓶颈，降低数据移动带来的功耗与延迟开销。

3. 性能优势

经第三方测试验证，相较主流云端GPU，该通用存算方案可实现数倍性能提升，同时仅需约1/5的功耗与约1/6的成本，综合能效比具备十倍左右的优势。在大模型推理场景下，同等业务规模中推理算力综合TCO（总拥有成本）最高可下降约88%，可大幅降低数据中心的运营成本。此外方案支持1M超长上下文窗口、混合精度与MoE稀疏计算、集群级KV Cache池化等特性，可降低KV Cache检索延迟，提升长程任务处理能力与有效算力吞吐，适配AI Agent等复杂任务的算力需求。

4. 应用场景

产品主要面向数据中心、云计算、中心侧服务器等核心场景，可支撑大语言模型推理、多模态模型处理、AI智能体部署等多元AI应用，同时可根据云、边、端不同场景的算力需求，灵活适配不同规模的部署方案，满足从边缘节点到大型推理集群的多样化算力要求。

5. 当前进展

目前该方案已完成从理论架构到芯片硬件的全链路验证；在软件与系统层面，已形成覆盖自主ISA指令集、软硬协同架构、异构融合计算IP、CUDA兼容编译器、算子库及算力组网系统的全栈技术体系，围绕云、边、端不同场景的产品布局持续推进，可快速适配不同规模与应用场景的算力需求。

四、存算一体技术的产业价值与未来方向

1. 降本增效适配AI规模化需求

AI应用的规模化落地，对算力的综合成本提出了更高要求。通用存算一体方案通过架构创新提升能效比、降低总拥有成本，能够帮助数据中心与云计算厂商在同等投入下承载更多AI业务，缓解大模型时代的算力供给压力，为千行百业的智能化升级提供更具经济性的算力基础。

2. 生态兼容加速技术落地普及

对主流软件生态的兼容能力，是存算一体技术从技术探索走向产业应用的关键。亿铸科技持续推进对CUDA、PyTorch等主流开发生态的兼容，配合自研的软件平台与算子优化能力，可降低客户的迁移与适配成本，让通用存算一体技术更快融入现有AI开发与部署体系。

回望亿铸科技成立时间对应的行业节点，2022年正是AI大模型产业进入快速发展期的开端，通用存算一体技术的产业化探索也同步按下加速键。秉持“吃得苦、霸得蛮、耐得烦”的价值观，亿铸科技将持续围绕通用存算一体架构，推进3D DRAM、自研ISA、异构计算及软件生态建设，以硬核科技铸就普惠算力，为中国AI产业与千行百业智能化升级提供坚实的算力支撑。

免责声明：此文内容为广告，不代表本网的观点及立场。其内容由广告方提供，与本网无关，本文所涉文、图等资料之一切权利和法律责任归材料提供方所有和承担。本文仅供读者阅读并请自行核实内容真实性，网站对此资讯文字、图片等所有信息的真实性不作任何保证或承诺，亦不构成任何购买、投资等建议，据此操作者风险自担。
[广告]此文为出于传播更多信息的转载发布，不代表本文的观点及立场。所涉文、图等资料的一切权力和法律责任归材料提供方所有和承担。文章内容仅供参考，不构成任何购买、投资等建议，据此操作风险自担!如若本文有任何内容侵犯您的权益，请及时联系本站邮箱:195811781@qq.com，本站将会在24小时内处理完毕。