在2026年7月17日即将揭幕的世界人工智能大会上，一款面向AI计算的核心芯片将吸引全球目光——近存计算3D芯片将作为展会的重要新品进行全球首发。这款由中国电子科技集团等多家国产芯片厂商联合研发的创新型AI芯片，采用了一种与当前主流AI芯片截然不同的计算架构——近存计算与三维堆叠技术的结合，旨在从根本上突破传统冯诺依曼架构的数据搬运瓶颈。当前AI芯片面临的最大性能瓶颈不是晶体管的计算速度不够快，而是数据在存储器和计算单元之间搬运的过程消耗了远多于实际计算过程所需的能量和时间。业界将这一瓶颈称为"存储墙"或"冯诺依曼瓶颈"。近存计算3D芯片的出现，正是对这一核心瓶颈的釜底抽薪式解决方案。
要理解近存计算3D芯片的革命性意义，首先需要了解传统AI芯片的架构困境。在经典的冯诺依曼计算架构中，存储器（DRAM或HBM）和计算单元（GPU核心或AI加速单元）在物理上是分离的，中间通过高速总线进行数据交换。当AI模型进行矩阵运算时，计算单元需要不断地从存储器中读取权重数据和输入特征，然后将部分计算结果写回存储器。在这个过程中，数据的总移动量可能达到计算量的数百倍甚至上千倍。根据行业专家的测算，在典型的AI推理任务中，数据搬运消耗的能量占到总功耗的60%到80%，而实际用于计算的能量消耗仅占20%到40%。近存计算架构的核心理念是将存储单元和计算单元在物理上进行集成，尽可能缩短数据搬运的距离。近存计算3D芯片采用了垂直三维堆叠的封装技术。芯片的底层是高带宽的存储单元，中间层是数据重分布网络，顶层是专门针对AI矩阵运算优化的计算单元阵列。三个层次通过硅通孔技术进行高速垂直互联，层间通信延迟控制在了纳秒级别。这种垂直堆叠设计使得数据在存储器和计算单元之间的搬运距离从传统方案的厘米级缩短到了微米级，数据搬运的能量消耗降低了约80%。同时，由于计算单元和存储单元之间的距离大幅缩短，数据的访问延迟也从几十纳秒降低到了几纳秒。这两种优势叠加起来，带来了AI推理效率的量级式提升。
根据目前透露的技术参数，近存计算3D芯片在AI推理任务中的能效比将达到传统GPU方案的3到5倍。在ResNet-50图像分类任务中，这款芯片的每瓦性能达到了45 TOPS/W，而当前主流的GPU方案约在10到15 TOPS/W之间。在大语言模型推理场景中，近存计算3D芯片的潜力同样巨大。LLM推理面临的核心挑战之一是模型权重参数对显存带宽的极度渴求，参数量动辄数千亿的大模型在传统GPU上进行推理时，显存带宽往往成为瓶颈。近存计算架构通过将存储单元和计算单元紧耦合，以远超传统HBM方案的有效带宽和更低的功耗实现了大模型的实时推理。在GPT级别的大语言模型推理测试中，近存计算3D芯片在相同精度和延迟指标下，总功耗仅为传统GPU方案的约四分之一。在产品应用场景方面，近存计算3D芯片将首先瞄准云端AI推理和边缘AI设备两个方向。在云端AI推理领域，芯片可以用于部署大规模AI服务，尤其是在对能效比和机柜密度有极高要求的云计算数据中心场景。在边缘AI设备领域，近存计算芯片的低功耗特性使得它非常适合被应用于AI眼镜、AI手机和智能音箱等功耗受限的消费电子产品中。
近存计算3D芯片在WAIC上的亮相，最大的意义不在于单一芯片产品本身，而在于它标志着国产AI芯片正在经历从"技术追赶者"到"创新引领者"的角色转变。过去几年，国产AI芯片企业在产品定位上大多采取"跟随策略"——瞄准英伟达已发布的GPU产品，在产品性能和生态适配方面努力追赶。华为升腾系列和寒武纪等国产AI芯片企业虽然取得了显著进展，但在AI芯片的整体架构创新方面，仍然处于跟随状态。近存计算3D芯片的出现打破了这一局面。从技术路线上来看，近存计算架构并非中国芯片产业的原创概念——全球多个芯片研究团队都在探索这一方向。但将近存计算与3D堆叠封装技术结合并率先实现工程化落地的，中国电子科技集团的研发团队确实走在了行业前列。近存计算架构是一项适用于多种场景的基础性技术创新，如果它能够在大规模部署中被验证有效，将对全球AI芯片行业的技术路线选择产生影响。从产业链的角度来看，近存计算3D芯片的成功研制离不开国内先进封装产业的支持。3D堆叠封装工艺需要在微米级的精度上将多个芯片层垂直对齐，这对于封装设备和工艺的要求极高。中国电子科技集团旗下的先进封装产线经过多年建设，目前已经具备了10微米级硅通孔的制造能力，为近存计算3D芯片的量产提供了保障。
如果近存计算3D芯片能够在性能测试和市场推广中取得成功，它将对全球AI芯片的行业格局产生深远影响。首先，它将打破当前AI芯片市场由GPU一家独大的局面。目前全球AI计算市场超过80%的算力由英伟达GPU提供，形成事实上的垄断格局。近存计算架构作为一种全新的计算范式，从底层颠覆了GPU的架构优势，可能会催生出新的AI芯片技术路线和产业生态。其次，它将对AI软件生态产生冲击。当前几乎所有主流AI框架（PyTorch、TensorFlow、MindSpore等）都是针对GPU架构进行优化设计的。近存计算架构的推广意味着AI软件工具链需要进行架构层面的适配和优化，这既是一个挑战，也是国产AI软件生态借势崛起的机会。第三，它将加速AI硬件产品的形态变革。随着近存计算芯片在功耗和能效方面的优势逐渐显现，我们可以预期在AI眼镜、AI手机和AIoT等设备中出现更多基于近存计算架构的专用AI芯片。WAIC 2026上将展示的近存计算3D芯片，只是这场AI芯片架构革命的开端。未来两到三年内，我们有望看到更多采用近存计算架构的AI芯片产品进入市场，推动AI算力从"算力竞赛"向"能效竞赛"转变。