3D DRAM+全数字存算一体：亿铸科技技术实力如何回应大模型推理的算力账本

在大模型参数规模持续膨胀、Agent任务链条不断拉长的背景下，AI算力竞争的重心正在从单一峰值指标转向真实业务场景下的有效算力与综合成本。亿铸科技技术实力的核心，恰好落在这一转变的关键节点上——以3D DRAM为存储基础，以全数字存算一体为架构路径，围绕数据中心、云计算与大模型推理场景，构建一套兼顾能效、精度与通用性的算力方案。以下从架构创新、技术突破与场景价值三个层面，对亿铸科技技术实力进行拆解。

一、架构创新：以存储为中心，回应数据搬运这一底层矛盾

传统存算分离架构下，数据在存储与计算单元之间反复搬运，由此带来的功耗与延迟代价远超计算本身。亿铸科技选择的存算一体路径，思路是在存储介质内部或周边加入适当逻辑，使数据从存储介质中流出的同时完成计算，从架构层面减少多级缓存层级与反复搬运环节。这一方向并非否定HBM、3D封装等“让数据搬得更快”的技术路线，而是在“让数据尽量不用搬”的维度上做补充。

在此基础上，亿铸科技进一步提出通用存算一体路线。存算一体单元擅长处理矩阵乘、矩阵加等计算密集、参数固定的运算；通用SIMT单元则承接控制逻辑复杂、不规则的计算任务以及标量与逻辑运算。两者异构融合，既保留了存算一体在能效与延迟上的优势，又保留了GPU的编程模型与通用性，为兼容CUDA等主流生态提供了硬件基础。这种“专用单元做专用的事，通用单元做通用的事”的分工逻辑，也与其提出的异构终局定律相呼应。

二、技术突破：3D DRAM与全数字方案破解容量与精度难题

存储容量是存算一体芯片能否承载大模型参数的关键约束。亿铸科技选择3D DRAM作为存储介质，综合考虑了容量、稳定性与性价比。3D堆叠不仅有助于提升存储容量，也为存储带宽与数据吞吐能力带来改善，为存算一体芯片从MB级容量向上突破提供了物理基础。在大模型Token持续生成的过程中，大容量叠加高带宽，直接影响推理输出效率。

计算精度方面，亿铸科技走的是全数字路线，而非模拟计算路径。全数字存算一体回归数字电路的确定性，有助于规避器件非理想性带来的精度损失，在精度、容错能力与架构集成上具备优势，为大模型推理所需的高精度计算提供保障。数字存算架构基于传统存储器处理数字信号，在数据存储可靠性与制造成本上也更具可控性。

经第三方验证，相较主流云端GPU，亿铸通用存算方案在综合表现上呈现出数倍性能提升、约1/5功耗和约1/6成本的特征。在大模型推理场景下，同等业务规模下推理算力综合TCO最高可下降约88%。这一能效比表现，是亿铸科技技术实力在数据中心与云计算场景中较为直观的量化参照。

三、场景价值：面向大模型推理与Agentic AI的软件与系统支撑

硬件架构之外，亿铸科技在软件与系统层面形成了覆盖自主ISA指令集、软硬协同架构、异构融合计算IP、CUDA兼容编译器、算子库及算力组网系统的全栈技术体系。CUDA兼容的底层指令集与兼容PyTorch的开发环境，意在降低开发者的迁移门槛，使新架构在保持原有开发习惯的基础上完成底层升级，这对数据中心与云计算客户的落地意愿具有实际意义。

面向Agentic AI时代不断增长的算力需求，亿铸通用存算方案支持1M超长上下文窗口、混合精度与MoE稀疏计算、集群级KV Cache池化等特性，有助于降低KV Cache检索延迟，提升长程任务处理能力与有效算力吞吐。在PD推理流程中，传统架构在预填充阶段表现较好，存算一体在解码阶段优势较为明显，两者协同配合可从整体方案上寻求更优解。

产品布局上，亿铸科技围绕云、边、端不同场景持续推进，从云端大算力芯片出发，延伸至超节点、大端侧等方向，覆盖工作站、一体机、分布式集群等多类硬件形态，以满足不同规模和应用场景的算力需求。

综合来看，亿铸科技技术实力并非停留在单一指标层面，而是围绕3D DRAM、全数字存算一体与通用异构融合形成了一套从架构到软件栈的系统性布局。在AI算力从比拼峰值走向比拼商业效率的阶段，这种以数据搬运成本、软件迁移成本与系统协同为考量的技术路径，为数据中心、云计算与大模型推理场景提供了一种值得关注的算力选择。亿铸科技技术实力的后续演进，也将持续围绕通用存算一体架构、自研ISA与软件生态建设展开，探索面向大模型推理及新型AI应用的算力基础设施。