GPU 七成时间在等数据：当内存成了 AI 最贵的零件，第三张闭门圆桌留给“存算一体”

9 月 18 日（周五）下午，“存算一体”闭门研讨沙龙，七场思辨；仅设 25 席、报名审核制，9 月 15 日中午 12:00 截止，欢迎产业一线的一手信息者。

先说前两场：一场辩了四个半小时，一场把答案追到了一只机械手

7 月 10 日，上海。「科技研究百人会」首场闭门研讨，公开报名逾百人，筛选后 40 余位硅光一线人士坐进同一间会议室，七场思辨从下午一点半一路辩到傍晚。每道议题先盲投、再交锋、辩后重新表决，被说服换边不丢人，恰恰是最有价值的数据。那场会最戏剧性的一幕是“硅光产能三年内会不会过剩”：会前线上投票一边倒，现场约八成人拒绝表态，一线人士的集体审慎本身就成了结论。

7 月 23 日，第二场。前道设备、后道封装、晶圆制造、陶瓷、机械手、传感器、精密加工、材料、检测、投资研究，一张桌子坐齐了设备产业链的上下游。讨论从“AI 资本开支最后会变成谁的订单”开始，四个多小时后收束成一句更朴素也更残酷的判断：设备已经不缺增长故事，真正稀缺的是交付能力。AI 的下一道瓶颈，可能会落到一名需要五年培养的火工、一只必须稳定运行十年的晶圆机械手、一滴无法逆向复制的材料添加剂上。十四条核心结论已整理成公开纪要，票型记录在案，三个月后逐条对答案。

第三场为什么是存算一体：从十二个字说起

8 月 15 日，长宁“上海硅巷”的算力产业链共创营上，一位从业近四十年的半导体老兵把“十五五”规划里的十二个字反复念了三遍：存算一体、三维集成、光电融合。他的解释只有一句：存储墙是真瓶颈，“GPU 有七成时间在等数据”。同一天下午的项目路演里，一支基于 22 纳米 MRAM 做存算一体的初创团队，把自己的逻辑压成了一句话：“问题已经不是算得动算不动，而是数据搬不搬得上去。”

硅光那场回答的是“光如何被焊进 AI 数据中心”，设备那场回答的是“资本开支如何变成一台台机器”。这一场，我们把问题往芯片内部推一层：当计算单元越来越快、而数据搬运越来越贵，把计算搬到数据旁边，究竟是一条产业路线，还是一个永远差三年的学术方向？

这个问题今年被三股力量同时推到了台前：政策把它写进了五年规划，市场把内存推成了 AI 机柜里最贵的零件，资本用 200 亿美元和一场 IPO 投了票。下文先把活动信息交代清楚，再把存算一体这件事从头讲起。

这一场：9 月 18 日下午，存算一体

（点击表格可放大查看）

扫描下方二维码即可报名

报名前，三件事请知悉：

1

查塔姆规则：观点可以带走，名字必须留下。纪要只记观点、不记发言人，前两期均由与会者逐人签署承诺书，本期照旧。

2

议题跟着报名走：报名表里有两道“选边题”——存算一体最先在哪个场景形成可持续的规模订单？你最看好哪条路线？会前票型将在现场揭晓，与举手表决对照。你在表里写下的“最想讨论的问题”，可能就是现场的一道辩题；你写下的“最想见到的企业”，我们会按需求去邀。

3

会后有交付：与前两期一样，讨论将整理成闭门观点纪要，参会者获内部版，公开渠道只发摘要。

存储墙：三个数字，和一本 2026 年算不过来的账

存算一体要解决的问题叫“存储墙”，它可以用三个数字讲清楚：

• 3.0 倍 vs 1.6 倍：过去二十年，硬件峰值算力大约每两年增长 3.0 倍，DRAM 带宽每两年只增长 1.6 倍，互连带宽 1.4 倍（学界长期追踪口径）。剪刀差每两年拉开一次，这就是存储墙的算术来源。

• 1,000 倍：从 DRAM 读一个字节的能耗约 60 皮焦，做一次乘加运算只要约 50 至 60 飞焦，搬数据比算数据贵三个数量级（学界估算口径）。推理时代按 token 收费，每一焦耳都是成本。

• 200 亿美元：2025 年 12 月 24 日，英伟达以 200 亿美元非独占授权 Groq 的 LPU 技术并吸纳其核心团队。LPU 的全部秘密就是把几百兆 SRAM 放在计算旁边、用静态调度换确定性延迟。当 GPU 之王为“离数据更近”付出这个价格，路线之争已经不是学术问题。

存储墙是一个讲了三十年的老词，2026 年它重新被严肃对待，不是因为技术突然成熟，而是因为账算不过来了。存储正处在有统计以来最陡的一轮涨价周期：WSTS 六月把 2026 年全球半导体销售额上修到 1.51 万亿美元，存储一项超过 8,000 亿美元、第一次占到全行业收入的半壁江山；SK 海力士二季度营业利润率做到 76%；美光的 HBM 排到 2027 年底售罄，管理层“看不到供给追上需求的时间点”；有测算称内存已占头部云厂资本开支的约三成、HBM 占到一台 AI 机柜成本的一半以上；据报道英伟达正在测试更低内存配置的 Rubin Ultra 以应对短缺（各机构与公司口径，详细数据见本会会前研判材料）。当一颗 GPU 身边的内存比 GPU 本身更难拿、更贵、更能决定出货时，“少搬数据、少配内存”就从一道技术题变成了一道财务题。这就是存算一体在 2026 年的市场基础。

存算一体是什么：一个词，三个层级，五种介质

“存算一体”是一顶很大的帽子。帽子底下的东西，在原理、精度、成熟度上相差一个产品周期。会前先把定义摊开，现场才辩得起来。

先说它反对的东西。冯·诺依曼架构把计算与存储分开，数据在两者之间来回搬运。过去半个世纪，这个分工靠“计算越来越快、存储越来越大”维持；AI 推理把它推到了极限，因为大模型每生成一个 token，都要把几十 GB 到几百 GB 的权重从内存搬进计算单元一次，算力再强也要等数据。存算一体的全部思路只有一句话：数据不动，或者少动，让计算去找数据。

按“计算离数据多近”，业内把它分成三个层级：

• 近存计算（NMC）：计算单元放在存储芯片的逻辑层或紧邻的 3D 堆叠里，存储介质本身不变。HBM4 起换成逻辑工艺的基底裸片、HBF 的基底裸片、微纳核芯的 3D-CIM，都属于这一层。它离量产最近，也最受原厂和 GPU 厂控制。

• 存内处理（PIM）：在存储器的外围电路里加计算单元，让内存自己做一部分乘加、压缩、编码。三星 2021 年的 HBM-PIM、2026 年商用的 LPDDR5X-PIM，SK 海力士的 GDDR6-AiM，是这一层的代表。它的门槛是 DRAM 工艺不擅长做逻辑、以及必须由存储原厂主导。

• 存内计算（CIM）：直接利用存储介质的物理特性做计算，计算发生在存储阵列内部，融合度最高。它又分两路：模拟存内计算把权重存成电导或电荷，输入以电压或脉冲加上去，靠基尔霍夫定律让电流在位线上自然求和完成乘加，再用模数转换器读出结果，能效最高，精度最难保证；数字存内计算在每个存储单元旁边嵌入数字乘法器和加法树，精度无损，代价是面积。

按介质分，至少有五条路，各自的强项和死穴完全不同：

（点击表格可放大查看）

一句话总结这张表：SRAM 路线在赚钱，Flash 路线在跑量，ReRAM 与 MRAM 在等产线，DRAM 路线在等原厂下决心。把这五条路混在一起谈“存算一体”，是这个赛道估值混乱的根源。

全球在做什么：从原厂到初创，谁在哪一层

存储原厂：三家，三种答案。三星是最坚定的“计算进存储”推手：2021 年发布基于 HBM2 的 HBM-PIM，2026 年 8 月 25 日在 Hot Chips 首次公布商用 LPDDR5X-PIM 的详细规格，面向手机与平板的端侧推理，宣称处理速度翻倍、token 吞吐三倍（厂商口径），并公开表态“HBM 是当下的事实标准，但随着 AI 从训练转向推理、走向小型设备，对更低功耗新型内存的需求正在增长”；它同时给出 HBM 基底裸片的三阶段路线，终点是把 HBM 直接堆在逻辑芯片之上。SK 海力士选了另一条路：2022 年发布 GDDR6-AiM、2023 年起以 AiMX 加速卡形态演示，但至今未商用，公司的主航道是把 HBM 做到极致（混合键合、内置散热）并与闪迪共推 HBF。美光则公开定调“HBM4E 是定制 HBM 时代的起点”，把力气放在产能与定制基底裸片上，既不谈 PIM 也未入 HBF 联盟。原厂的分歧本身就说明：存算一体在 DRAM 这一层，技术不是瓶颈，商业动机才是。涨价周期里，一家营业利润率 76% 的公司，有多大动力去革 HBM 的命？

GPU 与算力巨头：不入盟，但全收编。英伟达没有加入任何存算一体或 HBF 的开放联盟，却用三步把每一条路线都收进了自己的生态：200 亿美元授权 Groq 的大 SRAM 确定性架构；推出自研定制基底裸片 NVHBM，宣称比商品化 HBM4E 带宽高 30%、功耗低 15%，且只向 NVLink Fusion 伙伴开放；把“先进 3D 堆叠”与“定制 HBM”写进 2028 年的 Feynman 路线图（各公开口径）。AMD 用 MI455X 的 432GB HBM4 容量暂时把问题往后推。谷歌一手用 TurboQuant 把 KV 缓存压到约 3.5 比特，一手成为 HBF 联盟创始成员。特斯拉的 Terafab 给出了存算一体的“制造版”解释：在同一座工厂里做逻辑、存储、封装与测试，首期 168 亿美元，目标 2028 年量产（据报道）。

新架构公司：三条路各有量产者。大 SRAM“以存代算”一路已经成了生意：Groq 3 LPX 机架 8 月 24 日宣布全面量产、三星 4 纳米代工，与英伟达 Rubin 做 FFN/Attention 分工；Cerebras 以 44GB 片上 SRAM 的晶圆级引擎拿下 OpenAI 750 兆瓦、200 亿美元以上的协议并于 2026 年上市（据报道）。SRAM 数字存内计算一路，d-Matrix 的 Corsair 6 月宣布全面量产，客户为头部云厂与前沿实验室，累计融资 4.5 亿美元；Etched 完成 3 亿美元 C 轮，SK 海力士参投（据报道），原厂开始用投资押注新架构。模拟存内计算一路，普林斯顿孵化的 EnCharge AI 用 EN100 做出 8.25 瓦、200 TOPS 以上的笔记本加速卡；荷兰的 Axelera 2026 年 2 月融资 2.5 亿美元以上，其数字存内计算芯粒 Titania 瞄准 2028 年交付；老牌模拟 Flash 路线的 Mythic 几经起伏仍在（各厂商口径）。

中国：介质最全，场景最散。这是全球存算一体版图里最热闹的一块，也是这场研讨的主角：

（点击表格可放大查看）

政策层面，“十五五”规划纲要在集成电路部分把存算一体与三维集成、光电融合并列为前沿架构方向；今年两会期间，有全国人大代表建议支持湖北建设存算一体产业基地（公开报道口径）。从 2022 年第一颗量产的存内计算 SoC，到 2026 年千万颗级出货、AI PC 上机、ISSCC 量级级收益和写进五年规划，中国存算一体用四年时间跨过了产业化门槛，但还没有跨过“规模订单”门槛。这正是报名表第一道选边题要问的。

全球各家怎么看：一张立场表

同一堵存储墙，各家的答案并不相同。下表按“存储原厂、算力巨头、云与模型公司、新架构公司、中国力量、学界”六组整理各方截至 9 月初的公开立场，重点是最后一列：它们对存算一体到底是什么态度。

（点击表格可放大查看）

把这张表读完，能看出三个阵营：把内存做得更近、更聪明的存储原厂（三星最激进，海力士与美光各有保留）；把 SRAM 堆到极限的算力新贵（Groq、Cerebras、d-Matrix，以及把它们收编或投资的英伟达与海力士）；把计算塞进介质本身的存内计算派（从模拟 Flash 到数字 SRAM 再到 ReRAM、MRAM 的一众创业公司）。真正耐人寻味的是两家 GPU 巨头的姿态：英伟达没有加入任何开放联盟，却把每一条路线都收进了自己的生态；AMD 用 432GB 的容量暂时把问题往后推。存算一体的方向没有人反对，分歧全在“由谁来做、在哪一层做、用谁的标准做”。

卡在哪里：四道坎，一把尺

存算一体讲了十年，为什么到 2026 年才刚过产业化门槛？把各家踩过的坑摆在一起，是四道坎。

第一道坎：精度与可靠性。模拟存内计算靠电流求和做乘加，权重存在电导里，温度漂移、器件老化、工艺偏差都会直接变成计算误差；模数转换器的面积与功耗又会吃掉一部分能效收益。大模型对精度、可复现性的容忍度正在收窄，这是模拟路线在数据中心迟迟上不了量、而在端侧语音与视觉先跑通的根本原因。数字存内计算解决了精度，代价是面积和成本。

第二道坎：密度与产线。SRAM 每比特最贵、6T 单元在 3 纳米之后几乎停止微缩，靠 SRAM 装下百亿参数意味着堆芯片、堆机架；新型存储密度高，但 ReRAM、MRAM 全球能量产的代工平台屈指可数，国内更是只有个位数。一支创业团队的芯片能不能量产，往往不取决于设计，取决于有没有一条愿意为它开工艺的产线。

第三道坎：通用性与软件生态。CUDA 的引力仍然巨大。存算一体芯片的算子覆盖、编译器、模型迁移成本，是客户问的第一个问题。行业里出现了三种解法：在指令集层面兼容 Triton 与 CUDA（亿铸）；以 IP 形式嵌进 GPU 生态、不做整芯片（MRAM 团队的云端策略）；以及 Groq 与 Rubin 的分工模式，不替代 GPU，只接管 GPU 最不擅长的那几层。哪一种能走通，决定了这个赛道是“替代”还是“配套”。

第四道坎：主动权。近存与存内处理这两层，入口是基底裸片和 DRAM 外围电路，今天由存储原厂、代工厂与 GPU 厂三方绑定把守，独立设计公司很难进入；华为的 FLINT 论文证明了“用户”也可以定义基底裸片，但那是华为。设计公司真正的窗口在两处：SRAM 存内计算与端侧专用芯片，以及尚未被锁定的 HBF 与国产存储的基底裸片。

还有一把尺的问题。这个市场到底多大，三家机构给出三把相差百倍的尺子：一家称 2023 年全球存算一体市场只有 1.12 亿美元、到 2030 年将达 732.7 亿美元；一家称 2022 年已有 152 亿美元、2030 年 526 亿美元；还有媒体转引“2025 年突破 120 亿美元、中国占三成”（均为机构预测或转引口径）。定义不同，估值逻辑就不同；投资人在给存算一体公司估值时，先得回答自己用的是哪把尺。

我们的初步判断：存算一体不是一款产品，是一条正在收敛的光谱

以下五条是本会周会与系列报告沉淀下来的初步判断，带到现场，等着被推翻。

判断一：存储墙已经从教科书走进了财务报表。当 HBM 占到机柜成本一半以上、内存占到云厂资本开支三成、原厂营业利润率做到 76%、GPU 厂为了内存削减配置，“少搬数据”的每一个百分点都直接对应资本开支。存算一体在 2026 年重新升温，与其说是技术成熟了，不如说是账算不过来了。

判断二：计算正沿着三个入口进入存储，而不是一个。第一个入口是 SRAM，Groq、Cerebras、d-Matrix 和后摩走的都是它，最成熟也最贵；第二个入口是基底裸片，HBM4 起换成逻辑工艺，三星三阶段、英伟达 NVHBM、华为 FLINT 都在争这块“免费地皮”；第三个入口是介质本身，Flash、ReRAM、MRAM 的存内计算，天花板最高、量产平台最少。三个入口的成熟度相差一个产品周期。

判断三：分层不是替代，每一层都会长出一个“计算入口”。推理时代的存储金字塔正在从三层变成五层：片上 SRAM、HBM、HBF、LPDDR 与 CXL 池化内存、企业级 SSD。MoE 模型“大总参、小激活”的结构让容量层有了杀手应用，也让 HBM 的角色从“装下全部权重”收缩为“活跃工作集”。存算一体不会消灭任何一层，它会在每一层的边界上各长出一块带计算的基底裸片或控制器。

判断四：主动权之争，才是这个赛道的真正战场。基底裸片这道门今天由三方绑定把守；设计公司的窗口在 SRAM 存内计算、端侧专用芯片，以及尚未被锁定的 HBF 与国产存储的基底裸片。对中国，长鑫、长存的上市和华为的 FLINT 级设计能力，意味着“自己定义基底裸片”第一次从口号变成了可选项。

判断五：中国的路径大概率是“系统级”而非“单点对标”。“十五五”把存算一体与三维集成、光电融合并列，不是三个独立方向，而是同一条系统路线的三个抓手：先进制程受限时，用三维集成换密度、用存算一体换效率、用光电融合换带宽。长存 Xtacking 与 HBF 的工艺同源、混合键合的专利先手、HBF 暂不在管制清单，让这条路线在 2027 至 2028 年有一个现实窗口。窗口有多大、谁能抓住，是 9 月 18 日下午要辩的事。

半年之内，这条赛道发生了什么

（点击表格可放大查看）

九个月，十余件事，横跨美国、韩国、中国与欧洲，横跨初创、巨头、原厂与政策。这条赛道十年来第一次同时具备了客户、资本、原厂与标准四重推力。但推力不等于订单，这正是需要闭门辩一辩的地方。

七场思辨，辩题先亮出来

议题一｜场景之辩：第一批可持续的规模订单，会落在端侧、云端还是车上？端侧已经跑出千万颗量级，但单价以美元计；云端推理卡进入头部云厂，但 GPU 生态的引力依然巨大；车规芯片过了认证，却要面对最长的定点周期；三星把商用 PIM 的第一站选在了手机。报名表里的第一道选边题就是它，会前票型现场揭晓。

议题二｜介质之辩：SRAM、Flash、ReRAM、MRAM、DRAM，谁能穿越一个完整的产品周期？SRAM 最成熟却最贵、最漏电，且在 3 纳米之后几乎停止微缩；Flash 最便宜却难微缩，HBF 又给了它新的位置；ReRAM 与 MRAM 密度和非易失性俱佳，却受制于全球屈指可数的量产平台；DRAM 存算是原厂的主场，却轮不到设计公司做主。这是报名表的第二道选边题。

议题三｜精度之辩：模拟还是数字？模拟存内计算的能效领先一个数量级，但大模型对精度、可复现性和温漂的容忍度正在收窄；数字方案牺牲部分能效换来确定性，代价是面积。分界线到底画在多少比特、多少参数上？

议题四｜主动权之辩：基底裸片这道门，钥匙在原厂、代工厂、GPU 厂，还是设计公司手里？三星把逻辑放进基底裸片、海力士坚持 HBM 增强、美光押定制化、英伟达用 NVHBM 把接口层收进自家生态、华为用 FLINT 证明基底裸片可以由“用户”来定义。HBM 的门已经被三方绑定锁住，HBF 的门还开着。国内的存储厂与设计公司，在这张牌桌上分别拿着什么牌？

议题五｜生态之辩：没有 CUDA 的存算一体，靠什么被采用？有公司在指令集层面兼容 Triton 与 CUDA，有团队选择以 IP 形式嵌进 GPU 生态，也有人赌编译器能把模型拆到异构硬件上；Groq 与 Rubin 的分工模式给出了第四种答案：不替代 GPU，只接管 GPU 最不擅长的那几层。英伟达把 Groq 收进来，是这条路线的胜利，还是它被收编的开始？

议题六｜尺子之辩：这个市场到底多大，以及“存算一体”会不会作为一个赛道消失？三把相差百倍的尺子之外，更尖锐的追问是：当 HBM 和 HBF 的基底裸片都开始“带计算”，存算一体会像“低功耗设计”一样，最终从一个赛道变成所有芯片的通用技巧吗？如果会，投资该投什么？

议题七｜机会之辩：存算一体赛道还有哪些新机会？尤其是上游材料与设备。前六道题辩的都是“谁做芯片、做哪种芯片”，这一道往上游看：不管哪条路线胜出，都要有人先把材料和设备做出来。新型介质这一侧，ReRAM 的阻变氧化物、MRAM 的磁隧道结多层膜、相变存储的硫系材料、铁电存储的掺杂氧化铪，材料的一致性直接决定存内计算的精度上限，而国内 28 纳米 ReRAM、22 纳米 MRAM 的量产能力刚起步，配套材料的国产化率更低；设备这一侧，MRAM 的磁性多层膜要靠原子层级厚度控制的磁控溅射，磁隧道结刻蚀依赖离子束刻蚀，ReRAM 与铁电薄膜依赖原子层沉积，这几类设备被少数海外厂商把持，是设备国产化最窄、最深的洼地之一。近存与 DRAM 存算这一侧，全部建立在 TSV、减薄、混合键合之上：HBM5 预计 2029 年前后引入混合键合，HBF 用的 CBA 晶圆键合在 NAND 界已经量产，第二期设备论坛的两条结论“混合键合方向确定、节奏由工程决定”“量检测是复杂工艺的放大器”在这里直接适用。还有三块常被忽略的地方：存内计算阵列的模拟精度与器件一致性需要新的晶圆级测试方法，8·15 路演的那支 MRAM 团队第一件事就是建 12 英寸全自动测试平台；把计算放进内存堆栈等于把热带进最怕热的地方，KAIST 已把微通道散热排进 HBM5，近封装的硅电容与供电去耦同样是新需求；HBF 需要 SLC 化、带“幻影平面”的推理专用 NAND 新品类，HBM 与 HBF 的基底裸片则带来 12 纳米级逻辑设计与推理专用闪存控制器 IP 的生意。真正要辩的是：这些机会里，哪些是“跟着 HBM 走”的确定性机会，哪些是“跟着新型介质走”的期权机会？国产替代的窗口在哪一环先打开？投资该先押材料、设备，还是押产线？

会前先把上游机会清单铺开，供现场逐项加减（初步梳理，公开口径）：

（点击表格可放大查看）

七场之辩，每一场现场举手表决、票型记录在案，与前两期一样，下一场对答案。

谁应该坐上这张圆桌

• 存储原厂、IDM 与新型存储器件公司里，负责新架构、新介质与基底裸片定义的负责人；

• NAND 与闪存控制器、HBF 与企业级 SSD 方向上，正在评估“闪存上牌桌”的技术与产品负责人；

• SRAM、Flash、ReRAM、MRAM、DRAM 任何一条路线上的存算一体芯片创业者与技术负责人；

• GPU、NPU、AI ASIC 公司的架构师，尤其是正在评估近存、存内方案与 HBM/HBF 分层的团队；

• 手机、PC、眼镜、机器人等终端品牌，以及云厂推理平台里管选型、管 TCO 的人；

• 混合键合、TSV、3D 堆叠、ReRAM/MRAM 工艺与代工环节手握一手良率数据的一线负责人；

• 内存模组、CXL 池化与推理存储系统的产品负责人；

• 编译器、软件栈与模型压缩方向的工程负责人；

• 新型存储材料、磁性与阻变薄膜、键合与 TSV 材料，以及磁控溅射、离子束刻蚀、原子层沉积、混合键合、晶圆级测试设备的厂商与工艺负责人；

• 以及长期跟踪这条赛道、手里有真实调研数据的研究者。

与前两期一样，这张桌子欢迎的是产业一线、手里有一手信息的人。如果你正在为“该押哪种介质、该先做端侧还是云端、该不该等原厂的 PIM、要不要提前布局 HBF、上游该押材料还是设备”上游该押材料还是设备这样的问题失眠，9 月 18 日下午，属于你。

25 个席位，先到先审。9 月 15 日中午 12:00 截止，9 月 16 日统一发送参会确认。

关于「科技研究百人会」

「科技研究百人会」由中国科技发展基金会携手旗下青科创联（青年科学家产学研创新联合体）共同发起，半导体行业观察等产业平台协办，是一座全域 AI 产业链的“产研投一体化”智库，也是打通“技术—人才—市场—资本”闭环的资源对接枢纽。专家委员会已汇聚 60 余位 AI 产业链上下游专家，普遍拥有 20 年以上从业经验，覆盖算力、硅光、先进封装、载板、光芯片、光电材料等赛道。

我们的工作方式是三件事的循环：每周一期产业研判周会，让一线专家把最新变化摆上桌；系列深度报告，把研判沉淀成可核对的数据与判断，本文涉及的 GPU 存储架构、Groq 与 HBF/HBM 融合架构、HBF 双论文精读、基底裸片产能测算等均已成稿；闭门研讨，让判断在交锋中被验证或被推翻，并以季度为周期逐条对答案。硅光、设备两场已经开过，存算一体是第三场，这个系列会一场一场开下去。

我们信奉的一句话：先看见，再让别人看见。

「科技研究百人会」往期回顾

(本文封面由AI生成)

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4523期内容，欢迎关注。

加星标⭐️第一时间看推送~

求推荐