🔮 四象飞轮映射： 青龙 Seed CIM是计算范式革命型种子——打破冯诺依曼瓶颈，存储和计算融为一体。 朱雀 Task 当前核心任务：编译器生态建设（对标CUDA），没有软件生态则硬件无法商用。 白虎 Review GPU生态（CUDA+PyTorch）极其强大，CIM需要10x能效优势才能撬动市场。 玄武 Learn CIM本质是空间换时间的计算哲学——与TEP分布式执行理念高度共振。
🎯 SkyCetus 结论：CIM是最具颠覆性但商业化路径最不确定的方向。端侧AI是最佳切入点。
SkyCetus 检测信号：端侧AI需求爆发+国产AI芯片需另辟蹊径+Flash CIM良率提升=CIM战略价值上升。判断：BASE情景。
材料概述与核心性能
材料概述与核心性能参数
存算一体（CIM，Compute-in-Memory）是一种颠覆传统冯·诺依曼架构的创新计算范式，其核心原理是在存储单元内部直接完成矩阵乘加运算，彻底消除CPU与存储单元之间的数据搬运瓶颈。从材料技术路线来看，主要分为三大类：SRAM-CIM采用静态随机存储器单元，技术成熟度最高，已在TSMC实现IP化；ReRAM-CIM基于阻变存储器，具备高密度存储优势；Flash-CIM采用非易失性闪存技术，静态功耗极低。
关键性能指标显示，CIM相比传统GPU可降低能耗10-100倍，推理吞吐量提升5-10倍。以知存科技的Flash-CIM芯片为例，其矩阵运算能效比达到50 TOPS/W，而英伟达H100 GPU约为2 TOPS/W。在精度方面，模拟计算方案（精度8-10bit）已可满足绝大多数AI推理场景需求，与数字方案（精度16bit以上）的差距正在缩小。从技术成熟度6、量产可行5、供应可控6、投资回报8、政策支持7的综合评分来看，CIM技术已进入商业化临界点，预期在未来3-5年内将实现大规模量产部署。
制备工艺与流程
制备工艺要求及完整流程
CIM芯片的制备工艺根据技术路线不同存在显著差异。SRAM-CIM主要采用标准CMOS工艺，与传统逻辑芯片制程兼容性好，可复用TSMC 7nm/5nm先进制程产线，典型工艺温度控制在1000-1200℃范围，需要精确控制的注入掺杂和硅化工艺。ReRAM-CIM则需要在标准CMOS后段增加阻变存储层沉积工艺，通常采用PVD或ALD技术，工艺温度控制在200-400℃，挑战在于存储层材料的均匀性和一致性控制。Flash-CIM涉及浮栅结构刻蚀，对工艺精度要求极高，需要高能离子注入形成深阱结构。
关键设备包括光刻机（ArF浸没式）、刻蚀设备、薄膜沉积设备（LPCVD/PECVD/ALD）以及离子注入机等。工艺良率的主要瓶颈包括：存储单元一致性（ReRAM批间差异需控制在±5%以内）、模拟计算精度校准复杂度高、芯片级测试时间长。以TSMC的SRAM-CIM IP为例，其良率可达90%以上，但大规模量产仍需解决与标准单元库的协同设计问题。九天睿芯采用的模拟CIM方案在28nm工艺节点实现了量产，但更高密度需求正推动向22nm及更先进节点演进。
产业链全景
产业链全景（上中下游）
上游供应链涵盖半导体设备、核心IP和原材料三大领域。设备端，ASML（光刻机）、应用材料（薄膜沉积）、Lam Research（刻蚀）等国际巨头占据主导地位，国内中微公司、北方华创在部分刻蚀设备实现替代；核心IP领域，Synopsys、Cadence提供CIM设计所需的EDA工具套件，国内华大九天、芯愿景正在补齐短板；硅基原材料方面，沪硅产业生产的12英寸大硅片已通过部分认证测试。
中游制造加工环节，TSMC、三星、英特尔掌握先进制程能力，支撑SRAM-CIM和部分ReRAM-CIM的流片需求；国内中芯国际14nm FinFET工艺可用于CIM芯片制造，华虹半导体在特色工艺领域具备优势。后摩智能采用数模混合设计，需要同时具备数字逻辑和模拟IP的整合能力，对代工厂的工艺库支持要求较高。封装测试环节，长电科技、通富微电可提供2.5D/3D封装服务，满足CIM芯片的高密度互连需求。
下游应用场景涵盖AI推理加速（数据中心、边缘服务器）、移动终端（手机APU）、自动驾驶（嵌入式推理）等领域。终端客户包括阿里云、腾讯云、华为等头部云厂商，以及比亚迪、长安等车企。亿铸科技专注于大算力CIM芯片研发，目标市场包括超算中心和高性能计算场景。
核心产业基地与企业
核心产业基地及龙头企业
国际层面，IBM是模拟CIM领域的先驱，其基于相变存储器的模拟AI芯片在2019年即实现原型验证，在模拟计算噪声抑制和精度校准算法方面积累深厚；三星电子布局MRAM-CIM技术路线，利用MRAM的非易失性和高稳定性特性，在低功耗嵌入式场景具有独特优势，其28nm MRAM-CIM已发布；TSMC作为全球最大晶圆代工厂，已推出SRAM-CIM IP授权服务，基于N5P工艺的方案进入设计定案阶段，市占率超过60%。
国内产业格局呈现多点突破态势。知存科技是Flash-CIM商业化先行者，其WTM2101芯片已实现百万级量产，在低功耗语音识别场景市占率领先，已完成B轮融资估值超20亿元；后摩智能由地平线前高管创立，采用数模混合路线，首款产品聚焦智能驾驶推理，已获多家车企定点；九天睿芯专注于类脑计算和模拟CIM，其产品已进入消费电子供应链；亿铸科技专注大算力场景，基于存算一体架构的AI芯片瞄准数据中心市场，已完成过亿元天使轮融资。
产业集聚方面，长三角（上海、苏州、无锡）形成设计-制造-封装完整链条，珠三角在终端应用和方案集成领域领先，北京在基础研发和人才储备方面具备优势，中西部（武汉、成都）正建设先进封装产能。
国产替代与卡脖子
国产替代进展与卡脖子分析
当前CIM领域国产化率呈现结构性差异：设计环节国产化率约40-50%，知存科技、后摩智能等已具备与国际厂商同台竞技能力；制造环节约30-35%，中芯国际14nm制程可满足大部分CIM需求，但先进制程节点仍受制约；核心IP和EDA工具国产化率不足20%，是主要短板所在；设备端国产化率约15-25%，光刻机、先进量测设备高度依赖进口。
主要技术瓶颈集中在四个方面：一是模拟计算精度受工艺波动影响显著，先进节点（5nm/3nm）的器件噪声问题更为突出；二是编程模型和软件工具链不成熟，缺乏统一的CIM开发框架；三是数模混合设计人才稀缺，跨领域设计能力不足；四是CIM与现有数字系统（CPU/GPU）的协同架构尚无标准接口。
国产替代路线图分三阶段推进：2024-2025年，完成28nm以上成熟制程的自主化替代，Flash-CIM和SRAM-CIM实现稳定量产；2026-2027年，14nm FinFET制程导入，自研EDA工具链覆盖设计前端的50%以上；2028-2030年，实现5nm节点技术突破，核心IP全部国产化，建成完整生态系统。关键时间节点包括：2025年国产CIM芯片市占率突破15%，2027年形成3-5家具备国际竞争力的龙头企业。
未来方向与路线图
未来优化方向与技术路线图
下一代CIM技术演进呈现三大方向：一是更高计算精度，通过创新的噪声抑制算法和校准技术，将模拟计算精度从当前的8-10bit提升至12-16bit，缩小与数字方案差距；二是更大规模集成，采用3D堆叠和先进封装技术，单芯片存储容量向1Gb以上演进，支持百亿参数级别模型推理；三是异构集成，将CIM与数字逻辑芯粒（Chiplet）通过先进封装整合，实现最优的能效比。
技术突破时间线：2024-2025年，12nm以下制程的SRAM-CIM实现量产，ReRAM-CIM在嵌入式场景批量出货；2026-2027年，模拟计算精度达到12bit，编程模型标准化初步完成，主流AI框架完成适配；2028-2030年，3D堆叠CIM芯片进入消费电子和汽车电子市场，支持本地化百亿参数模型运行。
市场规模预测方面，全球AI推理芯片市场2023年约180亿美元，预计2030年达到500亿美元，CIM技术凭借能效优势将占据10-20%市场份额，对应50-100亿美元市场空间，年复合增长率超过30%。投资建议关注三条主线：一是具备量产能力和头部客户导入的成熟标的（如知存科技）；二是掌握核心工艺know-how的代工和封装企业；三是EDA工具和设计自动化软件等基础设施环节。建议分阶段布局，早期关注技术路线确定性高的SRAM-CIM和Flash-CIM，中长期布局ReRAM-CIM等新兴方向。