随着AI大模型从参数竞赛转向场景落地，一个尖锐的架构矛盾正浮出水面：数据搬运的功耗与延迟代价已高达计算本身的百倍，传统存算分离架构下的“存储墙”成为制约算力释放的核心瓶颈。在此背景下，“存算一体”迅速成为行业热词。然而，一个普遍的认知误区随之而来——许多人将3D堆叠、HBM等先进封装技术等同于存算一体。作为国内首家基于存算一体架构的通用AI大算力芯片公司，亿铸科技3D DRAM技术路线的核心突破，恰恰建立在对这一概念边界的清晰划分之上。

3D堆叠解决“距离”问题，存算一体解决“效率”问题

要理解两者的区别，首先需要厘清它们分别处于哪个技术层面。根据亿铸科技联合创始人兼总裁徐芳在WAIC 2026上的公开阐述，3D封装与存算一体分属不同技术维度：3D封装属于先进互联工艺，解决的是芯片间的带宽互联问题；存算一体则是从计算架构层面减少乃至消除数据搬运损耗，二者并不等同。

3D堆叠通过缩短物理距离，优化了“搬运距离”这一变量，但多层级缓存的数据搬运结构依然存在。而亿铸科技3D DRAM所采用的全数字存算一体架构，则是从架构层面消除多级缓存带来的数据中转，让计算尽可能发生在数据所在的位置，直接减少“搬运次数”乃至从根本上消除缓存搬运，这才是存算一体的核心要义。

3D DRAM：破解存算一体的容量瓶颈

明确了概念边界之后，下一个问题是：为什么亿铸科技在众多存储介质中选择了3D DRAM？

存算一体芯片的存储介质直接决定了可承载的模型规模。行业早期多个介质方案容量仅为MB级别，无法支撑百亿、千亿参数的大模型部署。而常规2D DRAM虽然容量充足，但其原生结构并不适合存算一体芯片的阵列设计。

亿铸科技3D DRAM技术方案通过三维堆叠工艺，将存储容量与带宽同时拉升一个量级，彻底打破MB级容量天花板，使芯片能够承载百亿甚至千亿级大模型参数，满足云端算力集群高速吞吐与超长文本推理的算力需求。用亿铸科技创始人熊大鹏的话来说，3D DRAM的容量、稳定性与性价比综合来看是最优选择——3D堆叠不仅提升容量，还显著拉高了存储带宽与数据吞吐能力，而大模型Token持续生成的过程高度依赖高速数据传输，大容量叠加高带宽，直接决定了最终的推理输出效率。

全数字路线：用确定性保障大模型推理精度

容量之外，计算精度是存算一体走向云端大算力场景的另一道门槛。早期存算一体主要走模拟计算路线，利用忆阻器等器件的物理特性完成矩阵运算。然而，模拟计算对器件的阻值漂移、温度变化、工艺偏差等非理想性极其敏感，在多层神经网络运算中误差不断叠加，难以满足商用大模型的严苛推理标准。

亿铸科技3D DRAM技术方案选择了全数字路线，放弃模拟计算的“捷径”，回归数字电路的确定性，从根本上消除了器件非理想性带来的精度损失。这一选择对于MoE稀疏计算、长上下文推理等对精度和稳定性要求极高的场景尤为关键。在此基础上，亿铸科技进一步将存算一体IP与通用计算模块进行异构融合：存算单元高效处理计算密集的矩阵运算，通用SIMT单元负责控制逻辑、激活函数、数据重排等非矩阵计算任务，使芯片能够独立承担端到端的AI计算任务。

面向数据中心与大模型推理的落地价值

技术路线的选择最终要落到产业价值上。当前数据中心和云计算场景面临的现实挑战是：算力规模持续扩大，但单位算力的有效利用率并未同步增长。大模型推理的TCO中，数据搬运带来的功耗和延迟成本占据了极大比重。

基于亿铸科技3D DRAM的全数字通用存算一体方案对比主流云端GPU，该方案可实现约2倍性能提升、约1/5功耗、约1/6成本的综合表现；在大模型推理场景下，同等业务规模的整体TCO最高可下降约88%。同时，方案原生兼容CUDA与PyTorch双生态，无需重构上层应用代码，可复用现有开发者工具链与模型库，大幅降低了从传统GPU架构迁移至存算一体平台的部署成本。

亿铸科技3D DRAM技术路线的产业意义，在于它用一种清晰的架构判断回应了行业的根本问题：3D堆叠解决的是数据“搬得更快”的问题，而存算一体解决的是数据“不用搬”的问题。两者并非替代关系，而是不同层面的技术演进——而将3D DRAM的大容量优势与全数字存算一体的架构优势深度融合，正是亿铸科技面向数据中心、云计算和大模型推理场景给出的差异化答案。

---

「免责声明」：以上页面展示信息由第三方发布，目的在于传播更多信息，与本网站立场无关。我们不保证该信息(包括但不限于文字、数据及图表)全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关信息并未经过本网站证实，不对您构成任何投资建议，据此操作，风险自担，以上网页呈现的图片均为自发上传，如发生图片侵权行为与我们无关，如有请直接微信联系g1002718958。