突破物理极限的下一代算力技术
AIGC等人工智能新兴产业的快速发展离不开算力，算力的基础是人工智能芯片。
当前CPU/GPU在执行计算密集型任务时需要将海量参数（ωij）从内存中读取出来再进行计算，
读取时间与参数规模成正比，计算芯片的功耗和性能受限，GPU算力利用率甚至不到8%。
存内计算芯片实现了存储单元与计算单元的物理融合，无需读出参数，直接利用存储参数的单元（ωij）与输入矩阵X进行计算，
极大节约内存读写，大幅提高计算效率，突破物理极限。
当前CPU/GPU在执行计算密集型任务时需要将海量参数（ωij）从内存中读取出来再进行计算，
读取时间与参数规模成正比，计算芯片的功耗和性能受限，GPU算力利用率甚至不到8%。
存内计算芯片实现了存储单元与计算单元的物理融合，无需读出参数，直接利用存储参数的单元（ωij）与输入矩阵X进行计算，
极大节约内存读写，大幅提高计算效率，突破物理极限。
存内计算才是真正的存算一体
存内计算做到了存储单元和计算单元完全融合；
没有独立的计算单元，直接通过在存储器颗粒上嵌入算法，
由存储器芯片内部的存储单元完成计算操作，实现计算能效数量级提升。
没有独立的计算单元，直接通过在存储器颗粒上嵌入算法，
由存储器芯片内部的存储单元完成计算操作，实现计算能效数量级提升。
近存计算
存储与计算分离，通过将数据靠近计算单元，
缩小数据移动的延迟、减少功耗，
是当前主流芯片提升性能方案，
已经达到物理极限，提升能效有限且成本高昂。
缩小数据移动的延迟、减少功耗，
是当前主流芯片提升性能方案，
已经达到物理极限，提升能效有限且成本高昂。
存内处理
“存”与“算”距离更近，但电路设计仍然是分离的，
计算由存储器内部的独立计算单元完成。
计算由存储器内部的独立计算单元完成。
存内计算
直接消除“存”“算”界限，无需来回搬运数据，
大幅度提升芯片性能，大幅降低功耗且成本可控，
是真正的存算一体。
大幅度提升芯片性能，大幅降低功耗且成本可控，
是真正的存算一体。
不依赖先进制程
成熟工艺亦可实现高能效
- 成本 70%
-
提供相同有效算力前提下，对比冯诺依曼架构，
存内计算架构成本可下降70%
- 功耗 90%
-
提供相同有效算力，存内计算架构相比冯诺依曼架构
可降低80%~90%的计算功耗
- 工艺 7 Years
-
做出与传统架构算力接近的处理器，
存内计算架构仅需要7年前的工艺
- 性能 4~10X
-
基于市场主流算法，在客户测试中，
知存科技存内计算芯片性能较传统架构芯片强4~10倍（算法未针对CIM优化）