📰 研报摘要
查看全文 ➔摘要： 本次会议深入探讨了存算一体（CIM）技术及其在 AI 算力、模型推理中的应用前景，详细对比了 SRAM、MRAM 等技术路径，并分析了中美在芯片架构、互联技术及生态构建上的竞争态势，重点探讨了 ASIC 芯片在行业智能体时代的投资价值。
行业主线：
- 存算一体旨在降本增效：通过突破冯诺依曼瓶颈，存算一体芯片有望将功耗和成本降低 50% 以上，是实现算力普惠和专用化推理的关键。
- 技术路线多样化：SRAM 路径速度快但存储容量低、部署成本高；MRAM 凭借非易失性、低功耗和抗辐射特性，被视为未来大规模部署及太空算力的潜在方案。
- ASIC 芯片崛起：随着行业智能体应用增加，针对特定模型适配的 ASIC 芯片在成本、性能和功耗上比通用 GPU 更具优势。
关键变化与分歧：
- 算力结构分化：预计未来高功耗 GPU 架构将主攻大模型预训练与微调，而低成本、低功耗的推理侧专用芯片将占据 80% 以上的需求。
- 中美竞争力对比：中国在行业智能体应用及部分超节点架构设计上具有领先潜力，但在成熟的高速网卡互联协议（如 NVLink）方面仍落后于英伟达。
受益方向与风险：
- 受益方向：具备低成本推理能力的 ASIC 设计公司、光互联与光交换技术厂商（如光电共封装）、以及能快速适配行业智能体的专用芯片企业。
- 核心风险：底层存储材料特性限制导致容量不足、软件工具链适配成本高昂、先进制程获取受限。