全球大模型迭代速度持续加快，算力规模指数级扩张，海量数据带动存储需求的爆发。算力与内存供需错配形成的“存储墙”，已成为制约AI规模化落地的核心瓶颈。传统存算分离的硬件架构难以适配全域大模型推理场景，行业亟需存算协同、软硬一体的全新解决方案。

　　算力规模持续扩容，中小企业深陷算力成本鸿沟　　

　　全球算力保持高速增长，截至2025年6月，全球总算力规模达 4495EFlops。国内算力总量位居全球第二，但算力结构呈现严重分化：基础算力过剩，高性能智能算力供给短缺。高端显卡、DDR内存价格长期高位震荡，RTX5090等旗舰显卡价格较原价涨幅超100%，DDR5内存价格较2024年上涨3至4倍，给中小企业带来硬件采购、后期运维的双重成本压力。自建算力属于重资产投入模式，硬件扩容周期冗长；公有云方案则存在网络延迟、数据属地管控等约束。大量企业仅存在项目攻坚、短期研发等阶段性算力需求，既无力承担自建高昂投入，又难以完全依赖公有云，硬件成本、运维能力、数据安全三重限制构筑起算力鸿沟，导致多数中小企业的 AI 业务止步于概念验证阶段。

　　AI重构存储逻辑，打造全域智能数据底座

　　AI产业迎来存储超级景气周期，2025年全球存储市场规模突破2231 亿美元，行业由单一“存数据”转向高效“用数据”。传统存储只追求容量与跑分，而AI存储核心聚焦数据供给时效、流动效率、系统协同、能耗可靠性四大能力。企业依托三层业务布局，以标准化存储产品覆盖手机、汽车、数据中心全场景，搭配晶圆级先进封测、高密度异构集成技术，缩短数据、互联、处理链路距离。依托SP主控平台、ePOP小型化方案与全流程固件适配能力，输出面向端、边、云的场景化存储解决方案，依靠先进封装缩短芯片互联路径，通过堆叠、存算合封优化整机体积与系统能效，成为AI全链路不可或缺的数据底座。

　　端侧推理迎来变革，垂直堆叠打通内存瓶颈

　　词元循环经济正加速端侧本地推理规模化落地，2030年AI终端设备普及率将突破90%。传统2D内存架构存在带宽上限低、功耗损耗大的先天短板，无法承载本地大模型稳定运行。基于3D-PIM近存架构打造的LPU芯片，采用存储垂直堆叠方案，芯片互连延迟压缩至5ns 以内，峰值带宽可达600GBps，综合能效大幅领先传统GPU与通用NPU。产品矩阵覆盖手机、PC、工业机器人等全类终端，可适配2B至120B 不同参数规模大模型，最低工作功耗仅2W，单芯片硬件成本控制在千元区间。现阶段该芯片已完成FPGA原型验证与正式流片规划，原生兼容GLM、Llama等主流开源大模型，同步配套龙虾系列消费终端、具身机械臂全套落地硬件，完整补齐端侧大模型推理的硬件供给短板。

　　算力内存失衡，存算技术正在分阶演进

　　大模型推理场景中，超六成算力资源消耗在数据读取环节，算力与内存供给长期错配，形成行业结构性缺口，这一供需失衡局面预计将持续至2028年。目前业内已形成三条主流技术路线：一是近存计算通过2.5D、3D堆叠缩短数据传输链路，能够在2026-2028年快速缓解带宽不足问题；二是存内处理在存储单元内部嵌入基础运算模块，更适配标准化批量计算任务；三是存内计算依托存储物理特性直接完成矩阵运算，是行业长期演进的终极方向。短期来看，3D堆叠、CXL互联是落地性最强的主流方案，2029年后，存算一体技术逐步成熟，有望从底层重构芯片整体架构，不过器件量产良率、配套软件生态、通用计算适配等难题，仍是当前规模化商用的核心阻碍。

　　打通软硬件协同链路，共建普惠可持续智算产业生态

　　单一硬件产品或单一算力服务，都难以匹配 AI 企业全周期业务需求，产业链亟需算力、存储、芯片厂商深度协同，搭建一体化智算生态。算力租赁服务商推出本地驻场交付模式，提供硬件设备搭配全程运维的打包轻服务，兼顾数据本地留存与弹性按需调度；存储企业深耕晶圆级先进封测工艺，面向不同行业输出稳定、场景化硬件交付方案；端侧芯片厂商开放完整开发套件与智能体适配框架，覆盖办公、医疗、工业机器人等多元落地场景。依托行业专委会搭建标准共建、联合实训共享平台，串联芯片、服务器、终端全上下游资源，面向中小企业推出低成本、轻量化存算一体化整体方案，推动产业链各环节互利共生，充分释放AI产业规模化增长潜力。