Markt für Processing-in-Memory (PIM) Größe und Anteil 2026-2035

Marktgröße für Processing-in-Memory (PIM)

Der globale Markt für Processing-in-Memory (PIM) wird 2025 auf 611,5 Millionen USD geschätzt und soll 2026 850 Millionen USD sowie bis 2035 8,5 Milliarden USD erreichen. Dies entspricht einer jährlichen Wachstumsrate (CAGR) von 29,2 % im Zeitraum 2026–2035.

Die Prognose spiegelt einen Wandel in der Wirtschaftlichkeit von KI-Infrastrukturen wider: Das Verschieben von Modellgewichten und Zwischen­daten zwischen Prozessoren und Speicher gewinnt zunehmend eine ebenso große Bedeutung wie der arithmetische Durchsatz, insbesondere bei Inferenzsystemen für Workloads mit langen Kontexten und kleinen Batches.

PIM verlagert die Berechnung in das Speicherarray oder unmittelbar an dessen Rand. Dadurch verschiebt sich die begrenzende Ressource vom externen Speicherverkehr zur lokalen Parallelität innerhalb der Speicherbänke. Eine Untersuchung des US-Energieministeriums beschreibt die Datenbewegung als ungefähr zwei Größenordnungen energieintensiver als Berechnungen und dokumentiert Leistungs- und Energiegewinne durch PIM-Designs bei Attention-, Datenbank-, HPC- und Graph-Workloads. Speicheranbieter haben daher Implementierungen verfolgt, die vertraute Speicherschnittstellen beibehalten und gleichzeitig lokale Rechenfunktionen hinzufügen. SK hynix berichtet, dass sein GDDR6-AiM mit 16 Gbit/s arbeitet, den Energieverbrauch für die Datenübertragung um bis zu 80 % senkt und den Durchsatz bei bestimmten Workloads um bis zu das 16-Fache steigern kann. Samsung berichtete, dass HBM-PIM bei den evaluierten KI- und HPC-Workloads eine mehr als doppelt so hohe Leistung und einen um über 70 % niedrigeren Energieverbrauch erzielte. ^{[1]U.S. Department of Energy, Office of Scientific and Technical Information, A Survey on the Expanding Scope and Interdisciplinary Opportunities for Processing-in-Memory Techniques, 2024, osti.gov}

Der Nachfragekontext ist zunehmend durch begrenzte Energiekapazitäten geprägt. Der weltweite Stromverbrauch von Rechenzentren belief sich 2024 auf 415 TWh und dürfte sich bis 2030 945 TWh annähern; die IEA nennt beschleunigte Server als eine wesentliche Quelle der zusätzlichen Nachfrage. PIM ist kein universeller Ersatz für GPUs, kann jedoch die Kostenkurve für speichergebundene Schichten verändern, indem Attention-, Vektoroperationen oder Datenbankprädikate nahe an den gespeicherten Daten ausgeführt werden. ^{[2]International Energy Agency, Energy and AI, 2025, iea.org}

Die Wachstumsthese des Marktes beruht daher auf einem Spannungsfeld. Der steigende Strombedarf macht einen geringeren Energieverbrauch pro nützlicher Inferenz wirtschaftlich wertvoll. Gleichzeitig müssen die Architekturen, die dies ermöglichen können, eine vorhersehbare Genauigkeit, eine beherrschbare Programmierung und eine akzeptable Wirtschaftlichkeit der Speicherdichte nachweisen. Anbieter, die Speicherinnovationen mit nutzbaren Laufzeitumgebungen und einer Systemvalidierung verbinden, dürften mehr Wert vereinnahmen als Anbieter, die isolierte Siliziumkennzahlen präsentieren.

Wichtigste Wachstumstreiber

KI- und generative-KI-Arbeitslasten. Die Transformer-Inferenz bewegt Gewichte und Key-Value-Cache-Daten wiederholt durch die Speicherhierarchie, wodurch die Bereitstellung langer Kontexte überproportional empfindlich auf Bandbreite und Energieverbrauch reagiert. Die in der DOE-Studie untersuchten PIM-Beschleuniger für Attention erreichten eine bis zu 2,81-fach höhere Leistung und eine um das 2,67-Fache bessere Energieeffizienz als die genannten konventionellen Referenzsysteme. Da der Stromverbrauch beschleunigter Server steigt, besteht für Betreiber ein Anreiz, Hardware anhand des Energieverbrauchs und der Latenz pro verarbeitetem Token statt ausschließlich anhand der nominalen Rechenleistung zu bewerten.

HBM und fortschrittliche Speicher. HBM ist ein naheliegender Einstiegspunkt, da seine Bandbreitendichte bereits auf KI-Beschleuniger ausgerichtet ist. Samsung's HBM-PIM behielt in der Evaluierung die Kompatibilität mit der HBM2-PHY bei, wodurch die Integrationshürde für bestehende Beschleunigersysteme reduziert wurde. SK hynix's GDDR6-AiM zeigt einen alternativen Ansatz über Bauelemente der Klasse von Grafikspeichern. Die Arbeiten an der Standardisierung von LPDDR6-PIM deuten darauf hin, dass sich die Chance letztlich von Rechenzentren auf mobile Inferenz unter begrenzter Stromversorgung ausweiten könnte, wobei die Standardisierung nicht mit einer Produktion in großen Stückzahlen gleichgesetzt werden sollte. ^{[3]Samsung Electronics, Samsung Develops Industry's First High Bandwidth Memory with AI Processing Power, February 2021, news.samsung.com}

CXL-Speichererweiterung. Disaggregierter Speicher ermöglicht einen größeren adressierbaren PIM-Markt, wenn die Kapazität und nicht die reine Rechenleistung eine Arbeitslast begrenzt. Die DOE-Studie identifiziert die CPU-vermittelte Kommunikation als wesentliche Einschränkung bei bestimmten DRAM-PIM-Konfigurationen und berichtet über erhebliche Zugewinne durch Designs für die Verarbeitung nahe an den Daten, die CXL-bezogene Schnittstellen verwenden. Die kommerzielle Implikation besteht nicht darin, dass jedes CXL-Gerät zu einem PIM-Gerät wird. Vielmehr kann eine kohärente Speichererweiterung einen systemweiten Ansatz bieten, um spezialisierten Speicher mit Rechenfunktionen anzubinden, ohne die Host-Architektur aufzugeben.

Öffentliche Halbleiterinvestitionen. Die US-Fördermittel von CHIPS for America belaufen sich insgesamt auf 50 Milliarden USD, darunter 39 Milliarden USD für Fertigungsanreize und 11 Milliarden USD für Forschung und Entwicklung. Die Förderung des US-Handelsministeriums für SK hynix umfasst bis zu 458 Millionen USD an direkten Mitteln und bis zu 500 Millionen USD an Darlehen für eine Investition von 3,87 Milliarden USD in Indiana, die auf fortschrittliche Gehäusetechnologien und HBM-bezogene Kapazitäten ausgerichtet ist. Diese Programme senken die Finanzierungs- und Lieferkettenrisiken für Kapazitäten im Bereich fortschrittlicher Speicher, lösen jedoch nicht die Software-Bereitschaft für PIM. Die öffentliche Unterstützung der Fertigung und die Befähigung für Anwendungen werden sich nach unterschiedlichen Zeitplänen entwickeln. ^{[4]National Institute of Standards and Technology, CHIPS for America, 2024, nist.gov}

Energieeffizientes Computing. Das Potenzial von PIM ist dort besonders wertvoll, wo die verfügbare Leistung die nutzbare KI-Kapazität begrenzt. Der Mechanismus ist spezifisch: Die lokale Ausführung vermeidet einen Teil der energieintensiven Datenübertragungen außerhalb des Chips, anstatt lediglich die Auslastung konventioneller Rechenleistung zu verbessern. Das von der Internationalen Energieagentur (IEA) prognostizierte Wachstum der Stromnachfrage von Rechenzentren macht diese Eigenschaft sowohl für die Standortwahl und Kapazitätsplanung als auch für die Beschaffung von Bauelementen relevant.

Wichtigste Markthemmnisse

Hardwarekosten und Integration. Das Hinzufügen von Logik zu DRAM kann laut der DOE-Umfrage zu einer Dichteeinbuße von 25–50 % führen. Dieser Zielkonflikt ist relevant, weil PIM nicht nur mit GPUs, sondern auch mit kostengünstigem konventionellem Speicher konkurriert. Der Aufpreis für das Silizium wird durch die Validierung über Speichercontroller, Treiber, Wärmedesign und Bereitstellungssoftware hinweg zusätzlich erhöht. Schnittstellenkompatible Ansätze wie Samsungs HBM-PIM können diesen Aufwand reduzieren, doch die Kompatibilität begrenzt zugleich, wie viel Logik einem Speicherbaustein hinzugefügt werden kann. Die frühe Einführung wird daher Anwendungen begünstigen, bei denen sich eingesparte Energie, Latenz oder Infrastrukturausgaben dem Aufpreis gegenüberstellen lassen.

Softwarekompatibilität. Die PIM-Programmierung erfordert Entscheidungen hinsichtlich Datenplatzierung, Parallelität auf Bankebene, Kernels und der Koordination zwischen Host und Gerät, die herkömmliche GPU-Nutzer nicht routinemäßig verwalten müssen. Die Hürde ist ebenso kommerzieller wie technischer Natur: Ein Hardwarevorteil, der eine maßgeschneiderte Modellpartitionierung erfordert, kann in einer Cloud-Umgebung, die auf standardisierten Bereitstellungs-Stacks basiert, schwierig umzusetzen sein. Das CAMP SDK von Mythic unterstützt ONNX-, PyTorch-, TensorFlow- und TensorRT-Pfade und verdeutlicht damit den Wert von Framework-Brücken. Eine solche Unterstützung macht das heterogene PIM-Verhalten jedoch nicht über alle Modelle hinweg transparent.

Dadurch gewinnen Standards und Nachweise aus dem Praxiseinsatz gegenüber einem einzelnen Gerätebenchmark an Bedeutung. Hardwareanbieter, die vertraute Schnittstellen beibehalten, reproduzierbare Integrationspfade veröffentlichen und den gemischten PIM-GPU-Betrieb demonstrieren, können Qualifizierungszyklen verkürzen. Umgekehrt wird ein Gerät, das ohne einen klar abgegrenzten Anwendungsvorteil ein neues Programmiermodell erfordert, trotz attraktiver Energiewerte wahrscheinlich auf technische Pilotprojekte beschränkt bleiben.

Segmentanalyse des Marktes für Processing-in-Memory (PIM)

Nach Speichertechnologie

Auf DRAM basierendes PIM führt mit einem Umsatz von 420,0 Millionen USD beziehungsweise 68,7 % des Umsatzes im Jahr 2025 und wird voraussichtlich mit einer CAGR von 27,6 % wachsen. Diese Position spiegelt die Fertigungsreife und die Nähe zu den bestehenden Lieferketten für HBM- und GDDR-Beschleuniger wider. Der kommerzielle Vorteil liegt in der Qualifizierung: Architekturen, die mit etablierten Speicherschnittstellen funktionieren, können in Infrastrukturen integriert werden, die bereits auf Speicher mit hoher Bandbreite ausgelegt sind. Das langsamere Wachstum im Vergleich zu aufkommenden Technologien ist jedoch auf eine andere Einschränkung zurückzuführen: Die Integration von Logik kann die nutzbare Dichte verringern. ^{[5]SK hynix, SK hynix Develops PIM, Next-Generation AI Accelerator, February 2022, news.skhynix.com}

Auf SRAM basierendes PIM entfällt mit 91,7 Millionen USD auf 15,0 % des Umsatzes im Jahr 2025 und wächst mit einer CAGR von 29,2 %. SRAM eignet sich für deterministische digitale Inferenz mit niedriger Latenz. Die Corsair-Plattform von d-Matrix nutzt digitale In-Memory-Verarbeitung und gibt eine interne DIMC-Bandbreite von 150 TB/s, eine Rechenleistung von 2.400 TFLOPs bei 8-Bit-Berechnungen sowie Leistungsdaten zur Llama-3-Inferenz auf PCIe-Gen5-Hardware an. Dieses Profil ist relevant, wenn die Token-Latenz und ein reproduzierbares numerisches Verhalten wichtiger sind als die Speicherkapazität. ^{[6]d-Matrix, d-Matrix Unveils Corsair, the World's Most Efficient AI Computing Platform for Inference in Datacenters, November 2024, d-matrix.ai}

Nichtflüchtige Technologien stellen die wichtigste Wachstumsoption dar. MRAM-basiertes PIM belief sich 2025 zwar nur auf 37,6 Mio. USD, weist mit 35,4 % jedoch die höchste jährliche Wachstumsrate (CAGR) unter den Speichertechnologien auf; ReRAM-basiertes und Flash-basiertes PIM folgen mit 34,3 % bzw. 33,7 %. Ein 40-nm-STT-MRAM-Makro für die In-Memory-Verarbeitung erreichte über Konfigurationen mit 4 bis 16 Bit hinweg 7,02–112,3 TOPS/W bei einer Latenz von 7,4–29,6 ns und erfüllte die gemeldeten Genauigkeitsziele für ausgewählte ResNet- und physik-informierte neuronale Netzwerktests. Die Nichtflüchtigkeit kann den Aufwand für Auffrischung und erneutes Laden von Modellen vermeiden. Die Produktergebnisse hängen jedoch weiterhin von Ausdauer, Präzision und Produktionskonsistenz ab und nicht allein von der Effizienz im Labor.

Nach Rechenarchitektur

Digitales PIM ist mit 375,4 Mio. USD und einem Anteil von 61,4 % im Jahr 2025 die größte Architektur und verzeichnet eine CAGR von 30,1 %. Es ermöglicht deterministische Rechenoperationen und entspricht den Anforderungen der Inferenz in der Produktion, einschließlich neu entstehender Formate mit reduzierter Präzision. Analoges PIM beläuft sich auf 168,4 Mio. USD und einen Anteil von 27,5 % und wächst mit einer CAGR von 28,4 %. Mythic gibt für seine analoge Architektur 120 TOPS/W und 17 fJ pro MAC an. Diese Angaben unterstreichen das Energiepotenzial des analogen PIM, während die kommerzielle Herausforderung weiterhin darin besteht, die Genauigkeit über Schwankungen und Einsatzbedingungen hinweg stabil zu halten. Mixed-Signal-PIM, das 67,7 Mio. USD und einen Anteil von 11,1 % erreicht, tauscht einen Teil der analogen Effizienz gegen eine digitale Steuerung von Schnittstellen und nichtlinearen Operationen ein.

Nach Anwendung und Endnutzer

KI und maschinelles Lernen (ML) sind mit 318,0 Mio. USD bzw. 52,0 % im Jahr 2025 die größte Anwendung. Hochleistungsrechnen (HPC) und wissenschaftliches Rechnen (112,9 Mio. USD) sowie Datenanalyse und Datenbankverarbeitung (74,8 Mio. USD) bieten zusätzliche speichergebundene Arbeitslasten; die DOE-Erhebung berichtet über PIM-Verbesserungen bei Klimamodellierungen sowie in OLTP-/OLAP-Tests. Computer Vision und die Verarbeitung natürlicher Sprache (NLP), die mit 34,7 % bzw. 35,6 % wachsen, profitieren von einer energiesparenden, lokalisierten Inferenz, insbesondere wenn Modelle am Edge aktiv bleiben müssen. IT- und Cloud-Dienste führen bei der Nachfrage der Endnutzer; Unterhaltungselektronik, Automobilindustrie, Telekommunikation, Industrie, Gesundheitswesen, Luft- und Raumfahrt sowie Verteidigung stellen unterschiedliche Anforderungen an Energieverbrauch, Latenz und Qualifizierung. Da keine Marktwerte für die Endnutzer vorliegen, sollten Vergleiche zwischen den vertikalen Märkten eher als Adoptionsbedingungen denn als Umsatzrangfolge verstanden werden.

Das Anwendungswachstum verstärkt diese Aufteilung. NLP und Computer Vision wachsen schneller als der Gesamtmarkt, da sie zunehmend eine Inferenz in unmittelbarer Nähe des Geräts oder der Datenquelle erfordern. Das adressierbare Potenzial ist jedoch an Bedingungen geknüpft: Analoge und nichtflüchtige Designs müssen ihre Energievorteile in eine reproduzierbare Genauigkeit und handhabbare Entwicklungswerkzeuge übertragen. Die führende Architektur wird je nach Kosten der Datenbewegung, akzeptiertem Präzisionsbereich und der Frage variieren, ob der Kunde eine spezialisierte Laufzeitumgebung qualifizieren kann.

Regionale Analyse des Processing-in-Memory-(PIM)-Marktes

Nordamerika

Nordamerika führt den Markt mit 255,0 Millionen USD im Jahr 2025 beziehungsweise einem Marktanteil von 41,7 % an und wird voraussichtlich bis 2035 bei einer jährlichen Wachstumsrate (CAGR) von 28,9 % 3,4628 Milliarden USD erreichen. Die Vereinigten Staaten tragen 2025 mit 234,0 Millionen USD bei, während Kanada 21,0 Millionen USD beisteuert. Die Region vereint eine hohe Nachfrage nach Inferenzlösungen im Hyperscale-Bereich mit einer Konzentration spezialisierter Unternehmen, darunter EnCharge AI, MemryX, GSI Technology, d-Matrix und Mythic AI. CHIPS-Anreize für fortschrittliche Speichertechnologien und Packaging erweitern den Fokus eines ansonsten nachfragegetriebenen Marktes um eine Lieferkettenkomponente. ^{[7]U.S. Department of Commerce, Biden-Harris Administration Announces CHIPS Incentives Award with SK hynix to Advance U.S. Technological Leadership and Expand Capacity of Chips Crucial to the AI Supply Chain, December 2024, commerce.gov}

Asien-Pazifik

Asien-Pazifik liegt 2025 mit 241,4 Millionen USD und einem Marktanteil von 39,5 % knapp dahinter und wird voraussichtlich bis 2035 mit 3,7776 Milliarden USD und einer CAGR von 30,7 % zur größten Region aufsteigen. China wächst von 72,3 Millionen USD auf 1,3146 Milliarden USD, Südkorea von 60,7 Millionen USD auf 868,9 Millionen USD, Japan von 42,0 Millionen USD auf 521,3 Millionen USD, Indien von 20,2 Millionen USD auf 491,1 Millionen USD und Australien von 10,0 Millionen USD auf 113,3 Millionen USD. Südkorea nimmt durch SK hynix und Samsung eine zentrale Stellung auf der Angebotsseite fortschrittlicher Speichertechnologien ein. Die Region umfasst zudem Syntiant, PIMIC, TetraMem, Witmem (Zhicun Technology), HOUMO.AI und Pimchip und schafft damit eine breitere Wettbewerbsbasis für Cloud-, mobile und Edge-Anwendungsfälle.

Europa

Europa verzeichnet 2025 ein Marktvolumen von 69,1 Millionen USD und wird voraussichtlich bis 2035 bei einer CAGR von 26,2 % 765,7 Millionen USD erreichen. Deutschland wächst von 19,6 Millionen USD auf 252,7 Millionen USD und liegt damit vor dem Vereinigten Königreich, Frankreich, Italien und Spanien. Industrielle KI, Automobilanwendungen und Edge Vision sorgen für eine andere Nachfragestruktur als Cloud-Implementierungen in Nordamerika. Axelera AI ist der zugelassene europäische Wettbewerber; die Ausrichtung auf Edge-Anwendungen verdeutlicht das Potenzial der Region für anwendungsspezifische Inferenz statt für die mengenorientierte HBM-Versorgung.

Lateinamerika

Lateinamerika wächst von 23,2 Millionen USD auf 263,8 Millionen USD bei einer CAGR von 26,6 %. Die Einführung von PIM in der Region ist hauptsächlich an die Verfügbarkeit von Cloud-Diensten und den Einsatz von KI durch Unternehmen gebunden und weniger an eine inländische Basis für die Herstellung fortschrittlicher Speichertechnologien. Der Nahe Osten und Afrika wachsen von 24,5 Millionen USD auf 238,2 Millionen USD bei einer CAGR von 25,5 %. Saudi-Arabien, die Vereinigten Arabischen Emirate und Südafrika sind die wichtigsten identifizierten Märkte und steigen 2025 von 6,4 Millionen USD, 4,9 Millionen USD beziehungsweise 6,6 Millionen USD auf 77,4 Millionen USD, 46,5 Millionen USD beziehungsweise 58,4 Millionen USD. Die Nachfrage dürfte den Investitionen in Rechenzentren und öffentliche KI-Infrastrukturen folgen, wodurch die Produktverfügbarkeit und die Kapazität zur Systemintegration entscheidend werden.

Der Entwicklungspfad Europas ist stärker anwendungsspezifisch ausgerichtet, insbesondere in den Bereichen Industrie, Automobil und Edge-Inferenz. Lateinamerika sowie der Nahe Osten und Afrika werden die Fahrpläne der Speichertechnologie voraussichtlich weniger stark bestimmen, doch ihr Wachstum kann dort erheblich sein, wo neue Rechenzentrumskapazitäten die bestehende Infrastruktur umgehen.Für PIM-Anbieter bedeutet dies, dass sich die Go-to-Market-Modelle unterscheiden sollten: System-Co-Design und Qualifizierung durch Hyperscaler in Nordamerika, Partnerschaften in Lieferkette und Ökosystem im asiatisch-pazifischen Raum sowie workload-orientierte Lösungen in Europa und aufstrebenden Regionen.

Marktanteil und Wettbewerbslandschaft des Processing-in-Memory-(PIM)-Marktes

SK hynix führt den Markt 2025 mit einem Anteil von 29 % an, gefolgt von Samsung Electronics mit 11 %. Auf Syntiant entfallen 5 %, auf Mythic AI 4 %, auf d-Matrix 4 % und auf die übrigen Anbieter zusammen 47 %. Die Struktur vereint etablierte Speicheranbieter, die Rechenfunktionen in hochvolumige Speicherprodukte integrieren können, mit Spezialisten, die für bestimmte Inferenzbedingungen optimiert sind.

Die GDDR6-AiM- und AiMX-Programme von SK hynix positionieren das Unternehmen im Bereich der heterogenen Inferenz in Rechenzentren. Bei der AiMX-Demonstration 2025 wurde die speichergebundene Attention auf AiMX-Karten und die rechengebundenen Projektionsschichten auf H100-GPUs in einer Supermicro-Umgebung mit vLLM ausgeführt. Samsung hebt sich mit HBM-PIM durch integrierte KI-Engines in den HBM-Bänken und die Kompatibilität mit der etablierten HBM2-Signalisierung ab. Beide etablierten Anbieter dürften davon profitieren, wenn PIM in Speicher-Interface-Standards aufgenommen wird. Ihre zentrale Herausforderung besteht jedoch darin, technische Kompatibilität in eine umfassende Softwareunterstützung zu überführen. ^{[8]SK hynix, AI Infra Summit 2025: SK hynix Showcases Innovative AiM Solution for Accelerating AI, September 2025, news.skhynix.com}

Syntiant adressiert stromsparende, dauerhaft verfügbare Edge-Inferenz. Mythic AI konzentriert sich auf analoges PIM und berichtet von 120 TOPS/W sowie umfassenden Framework-Schnittstellen über CAMP. d-Matrix zielt mit Corsairs digitalem In-Memory-Computing auf die Inferenz in Rechenzentren ab. Das Unternehmen berichtet von einer Implementierung mit PCIe Gen5, einer DIMC-Bandbreite von 150 TB/s und einem Fokus auf das OCP-Micro-Scaling-Format. EnCharge AI, MemryX, GSI Technology, PIMIC, TetraMem, Witmem, HOUMO.AI, Pimchip, Axelera AI und XCENA nehmen regionale, Nischen- oder Herausfordererpositionen ein. Ihre Differenzierung wird von einer spezifischen Kombination aus Speichersubstrat, Workload-Spezialisierung, Softwarezugänglichkeit und Vertriebskanalzugang abhängen und nicht von einem einheitlichen PIM-Merkmalsumfang. ^{[9]Mythic AI, Mythic to Challenge AI's GPU Pantheon with 100x Energy Advantage and Oversubscribed USD 125M Raise, December 2025, mythic.ai}

Aktuelle Branchenentwicklungen

Im September 2025 präsentierte SK hynix auf dem AI Infra Summit eine heterogene, auf AiMX basierende Inferenzkonfiguration mit vier AiMX-Karten, zwei H100-GPUs in einem Supermicro-Server und vLLM.

Im Dezember 2025 gab Mythic AI eine überzeichnete Finanzierung in Höhe von 125 Millionen USD bekannt, die von DCVC angeführt wurde. Honda Motors und Lockheed Martin wurden als strategische Teilnehmer genannt. Das Unternehmen verband die Finanzierungsbekanntgabe mit seiner Positionierung hinsichtlich der Effizienz des analogen PIM und seiner Softwareplattform.