2025年端侧AI与存算一体技术研究报告：市场规模与未来趋势

本篇文章的部分核心观点、图表及数据，出自中邮证券于2025年2月21日发布的报告《电子：端侧大模型近存计算，定制化存储研究框架》，如需获得原文，请前往文末下载。

随着人工智能技术的飞速发展，端侧AI和存算一体技术正逐渐成为行业关注的焦点。端侧AI通过将大型语言模型（LLMs）部署在边缘设备上，解决了传统云端部署带来的网络延迟、数据安全和隐私问题，同时为用户提供了更个性化、更即时的体验。存算一体技术则通过将存储与计算深度融合，突破了传统冯·诺依曼架构的瓶颈，极大地提升了计算效率和能效。本文将深入探讨端侧AI和存算一体技术的现状、市场规模、未来趋势以及相关产业链的发展前景。

关键词：端侧AI、存算一体、近存计算、NPU、异构计算、市场趋势、技术发展

一、端侧AI的市场规模与增长趋势

端侧AI市场正在经历快速增长，预计从2022年的152亿美元增长到2032年的1436亿美元，这一近十倍的增长反映了市场对边缘AI解决方案的迫切需求。端侧AI的应用场景广泛，涵盖制造、汽车、消费品等多个行业，其核心优势在于能够提供更快的响应速度和更高的数据安全性。

端侧AI的增长主要得益于技术的不断进步，尤其是存算一体技术的成熟。存算一体技术通过将存储与计算深度融合，克服了传统架构的瓶颈，显著提升了计算效率。例如，近存计算（PNM）通过将计算单元靠近内存单元，减少了数据传输路径，提升了访存带宽和效率，适合大规模并行处理和优化内存带宽的应用场景。此外，存内处理（PIM）和存内计算（CIM）技术也在不断演进，为端侧AI提供了更强大的支持。

在硬件方面，NPU（神经网络处理器）的广泛应用也为端侧AI的发展提供了有力支持。NPU专为AI计算任务设计，能够高效处理标量、向量和张量数学运算，显著提升了AI应用的性能和能效。随着AI技术的不断发展，NPU的设计也在不断优化，以满足多样化的AI用例需求。

端侧AI市场的快速增长还体现在设备出货量上。根据预测，AI手机的市场份额将从2024年的16%增长到2028年的54%，年均复合增长率（CAGR）达到63%。AI PC的出货量也在迅速增长，预计到2025年，AI PC的出货量将达到1.14亿台，占PC总出货量的43%。这一趋势表明，端侧AI技术正在逐渐普及，并将成为未来智能设备的核心功能之一。

二、存算一体技术的分类与应用

存算一体技术是端侧AI发展的关键技术之一，其核心在于将存储与计算深度融合，从而实现计算能效的数量级提升。存算一体技术主要分为近存计算（PNM）、存内处理（PIM）和存内计算（CIM）三种类型，每种技术都有其独特的应用场景和优势。

近存计算通过将计算单元靠近内存单元，减少数据传输路径，从而提升访存带宽和效率。这种技术适合需要大规模并行处理和优化内存带宽的应用场景，例如数据中心和高性能计算。近存计算的典型实现包括基于HBM（高带宽内存）的2.5D封装技术，以及华邦电子开发的CUBE（定制化超高带宽元件）技术。CUBE技术通过3D堆叠和异质键合技术，提供了高带宽、低功耗、紧凑尺寸的存储解决方案，特别适合边缘AI设备。

存内处理则是在存储芯片内部嵌入计算单元，使存储器本身具备一定的计算能力。这种技术适合数据密集型任务，能够显著提升数据处理效率和能效比。存内处理的典型应用包括语音识别、数据库索引搜索和基因匹配等。例如，基于DRAM的存内处理技术通过在DRAM芯片内部集成处理单元，实现了大吞吐量、低延迟的片上处理能力。

存内计算则是将存储单元和计算单元深度融合，使存储单元直接参与数据处理。这种技术适合高并行性计算和定制化硬件优化，能够消除数据访存延迟。存内计算在AI算法中具有显著优势，例如在卷积神经网络（CNN）和循环神经网络（RNN）中提供了向量矩阵乘的加速能力。

随着技术的不断进步，存算一体技术正在逐渐成熟，并在多个领域得到了广泛应用。例如，华邦电子的CUBE技术通过3D堆叠和异质键合技术，提供了高带宽、低功耗、紧凑尺寸的存储解决方案，特别适合边缘AI设备。CUBE技术的出现，不仅满足了端侧AI对高性能、低功耗的需求，还为模组制造商和SoC厂商提供了极具成本效益的解决方案。

三、端侧AI与存算一体技术的未来趋势

端侧AI和存算一体技术的未来发展将围绕更高性能、更低功耗和更广泛的应用场景展开。随着技术的不断进步，端侧AI将在更多领域实现突破，例如智能汽车、智能安防、物联网等。存算一体技术也将不断演进，以满足端侧AI对计算效率和能效的更高要求。

在硬件方面，NPU的设计将更加多样化，以满足不同应用场景的需求。例如，针对边缘设备的NPU将更加注重低功耗和高能效，而针对数据中心的NPU则将更加注重高性能和大规模并行处理能力。此外，异构计算架构将得到更广泛的应用，通过将CPU、GPU、NPU等多种处理器集成在一起，实现最佳的性能和能效平衡。

在存储技术方面，DRAM技术将继续朝着更高密度、更低功耗和更高带宽的方向发展。例如，3D DRAM架构通过垂直堆叠存储单元，显著提高了存储密度和性能。此外，新型材料和工艺的应用，如IGZO（氧化铟镓锌）、高k介电材料和极紫外光刻（EUV）技术，也将为DRAM技术的发展提供支持。

在应用方面，端侧AI将逐渐从单一的语音和图像识别扩展到多模态交互，例如结合文本、图像、语音等多种模态的输入和输出。这种多模态交互将为用户提供更加自然、更加智能的体验。此外，端侧AI还将与物联网、5G等技术深度融合，实现更加广泛的智能化应用。

四、产业链发展与竞争格局

端侧AI和存算一体技术的发展涉及多个产业链环节，包括芯片设计、制造、封装测试、系统集成和应用开发等。在芯片设计领域，NPU和存算一体技术的开发需要强大的研发能力和技术支持。例如，华邦电子通过与联电、智原等合作伙伴的紧密合作，成功开发了CUBE技术，并将其应用于边缘AI设备。

在制造领域，先进的封装技术是实现存算一体和异构计算的关键。例如，TSV（硅通孔）技术和3D堆叠技术的应用，使得芯片能够在更小的尺寸内实现更高的性能和更低的功耗。此外，封装测试环节也在不断创新，以满足端侧AI设备对可靠性和成本效益的要求。

在系统集成和应用开发方面，端侧AI和存算一体技术的应用场景不断拓展，涵盖了从消费电子到工业自动化、从智能汽车到智慧城市等多个领域。例如，智能汽车中的自动驾驶系统、智能安防中的视频监控系统以及物联网中的智能传感器网络等，都对端侧AI和存算一体技术提出了更高的要求。

竞争格局方面，端侧AI和存算一体技术的市场竞争日益激烈。在芯片设计领域，寒武纪、瑞芯微、国科微等企业通过不断推出高性能的NPU产品，占据了市场份额。在存储领域，华邦电子的CUBE技术凭借其高带宽、低功耗和紧凑尺寸的优势，赢得了市场的认可。在封装测试领域，长电科技、通富微电、华天科技等企业通过技术创新和产能扩张，提升了市场竞争力。