Mercado de procesamiento en memoria (PIM) Tamaño y Compartir 2026-2035

Tamaño del mercado de procesamiento en memoria (PIM)

El mercado mundial de procesamiento en memoria (PIM) está valorado en 611,5 millones de USD en 2025 y se prevé que alcance 850 millones de USD en 2026 y 8,500 millones de USD en 2035, con una expansión a una tasa de crecimiento anual compuesta (TCAC) del 29,2 % durante 2026–2035.

La previsión refleja un cambio en la economía de la infraestructura de IA: transferir los pesos de los modelos y los datos intermedios entre los procesadores y la memoria está adquiriendo una importancia comparable a la capacidad de procesamiento aritmético, especialmente en sistemas de inferencia que atienden cargas de trabajo con contextos largos y lotes pequeños.

El PIM sitúa el procesamiento dentro de la matriz de memoria o inmediatamente junto a ella. Esto cambia el recurso limitante: pasa de ser el tráfico de memoria externa a ser el paralelismo local dentro de los bancos de memoria. Un estudio del Departamento de Energía describe el movimiento de datos como aproximadamente dos órdenes de magnitud más intensivo en energía que el procesamiento y documenta mejoras de rendimiento y eficiencia energética derivadas de los diseños PIM en cargas de trabajo de atención, bases de datos, computación de alto rendimiento (HPC) y grafos. En consecuencia, los proveedores comerciales de memoria han impulsado implementaciones que conservan las interfaces de memoria habituales y añaden procesamiento localizado. SK hynix informa de que su GDDR6-AiM funciona a 16 Gbps, reduce hasta un 80 % el consumo energético de la transferencia de datos y puede aumentar hasta 16 veces el rendimiento de cargas de trabajo específicas. Samsung informó de que HBM-PIM ofrecía más del doble de rendimiento y un consumo energético inferior en más de un 70 % en las cargas de trabajo de IA y HPC evaluadas. ^{[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}

El contexto de la demanda está cada vez más condicionado por el consumo energético. El consumo mundial de electricidad de los centros de datos fue de 415 TWh en 2024 y se espera que se aproxime a 945 TWh en 2030; la AIE identifica los servidores acelerados como una fuente importante de demanda adicional. El PIM no es un sustituto universal de las GPU, pero puede modificar la curva de costes de las capas limitadas por la memoria al mantener los mecanismos de atención, las operaciones vectoriales o los predicados de bases de datos cerca de los datos almacenados. ^{[2]International Energy Agency, Energy and AI, 2025, iea.org}

Por tanto, la tesis de crecimiento del mercado se basa en una tensión. El aumento de la demanda de electricidad hace que un menor consumo energético por inferencia útil tenga valor comercial, pero las arquitecturas más capaces de ofrecerlo deben demostrar una precisión predecible, una programación manejable y una economía aceptable en términos de densidad de memoria. Los proveedores que combinen la innovación en memoria con entornos de ejecución utilizables y validación de sistemas deberían captar más valor que aquellos que presenten métricas aisladas del silicio.

Principales impulsores

Cargas de trabajo de IA e IA generativa. La inferencia de transformers mueve repetidamente los pesos y los datos de la caché de valores clave a través de la jerarquía de memoria, lo que hace que la prestación de servicios con contextos largos sea desproporcionadamente sensible al ancho de banda y al consumo energético. Los aceleradores de atención PIM analizados en el estudio del DOE alcanzaron un rendimiento hasta 2,81 veces superior y una eficiencia energética 2,67 veces mejor que las referencias convencionales citadas. A medida que aumenta el consumo eléctrico de los servidores acelerados, los operadores tienen incentivos para evaluar el hardware en función de la energía y la latencia por token servido, en lugar de basarse únicamente en la capacidad de cómputo nominal.

HBM y memoria avanzada. La HBM constituye un punto de entrada natural, ya que su densidad de ancho de banda ya está orientada a los aceleradores de IA. La HBM-PIM de Samsung mantuvo la compatibilidad con HBM2 PHY en su evaluación, reduciendo la discontinuidad de integración para los sistemas de aceleradores existentes. La GDDR6-AiM de SK hynix muestra una vía alternativa mediante dispositivos de la categoría de las memorias gráficas. El trabajo de ambas empresas en la normalización de LPDDR6 PIM indica que la oportunidad podría extenderse con el tiempo desde los centros de datos hasta la inferencia móvil con restricciones de potencia, aunque la normalización no debe confundirse con un despliegue a gran escala. ^{[3]Samsung Electronics, Samsung Develops Industry's First High Bandwidth Memory with AI Processing Power, February 2021, news.samsung.com}

Expansión de memoria mediante CXL. La memoria desagregada permite ampliar el mercado direccionable de PIM cuando la capacidad, y no el cómputo bruto, limita una carga de trabajo. El estudio del DOE identifica la comunicación mediada por la CPU como una limitación relevante en determinadas configuraciones DRAM-PIM y comunica mejoras sustanciales derivadas de diseños de procesamiento cercano a los datos que utilizan interfaces relacionadas con CXL. La implicación comercial no es que todos los dispositivos CXL se conviertan en dispositivos PIM; más bien, la expansión coherente de la memoria puede ofrecer una vía a nivel de sistema para conectar memoria especializada con capacidad de cómputo sin abandonar la arquitectura del sistema anfitrión.

Inversión pública en semiconductores. La financiación estadounidense de CHIPS for America asciende a 50,000 millones de USD, incluidos 39,000 millones de USD para incentivos a la fabricación y 11,000 millones de USD para investigación y desarrollo. La adjudicación del Departamento de Comercio a SK hynix incluye hasta 458 millones de USD en financiación directa y hasta 500 millones de USD en préstamos para una inversión de 3,870 millones de USD en Indiana, centrada en el encapsulado avanzado y en capacidades relacionadas con HBM. Estos programas reducen el riesgo de financiación y de la cadena de suministro asociado a la capacidad de memoria avanzada, pero no resuelven la preparación del software para PIM; el apoyo público a la fabricación y la habilitación de aplicaciones avanzarán con calendarios independientes. ^{[4]National Institute of Standards and Technology, CHIPS for America, 2024, nist.gov}

Computación energéticamente eficiente. El potencial de PIM resulta especialmente valioso cuando la disponibilidad de energía limita la capacidad de IA utilizable. El mecanismo es específico: la ejecución local evita una parte de las transferencias de datos fuera del chip, que consumen mucha energía, en lugar de limitarse a mejorar la utilización del cómputo convencional. El crecimiento previsto por la AIE de la demanda de electricidad de los centros de datos hace que esta característica sea relevante tanto para la selección de emplazamientos y la planificación de capacidad como para la adquisición de dispositivos.

Principales restricciones

Coste e integración del hardware. Añadir lógica a la DRAM puede imponer una penalización de densidad del 25–50 %, según la encuesta del DOE. Esta disyuntiva es importante porque la PIM no compite únicamente con las GPU, sino también con la memoria convencional de bajo coste. La prima del silicio se ve agravada por la validación de los controladores de memoria, los controladores de dispositivo, el diseño térmico y el software de servicio. Los enfoques compatibles con las interfaces, como HBM-PIM de Samsung, pueden reducir esta carga, pero la compatibilidad también limita la cantidad de lógica que puede añadirse a un dispositivo de memoria. Por tanto, la adopción inicial favorecerá las cargas de trabajo en las que el ahorro de energía, latencia o gasto en infraestructura pueda medirse frente a dicha prima.

Compatibilidad del software. La programación de PIM exige tomar decisiones sobre la ubicación de los datos, el paralelismo a nivel de banco, los kernels y la coordinación entre el host y el dispositivo, aspectos que los usuarios convencionales de GPU no suelen gestionar. La barrera es tanto comercial como técnica: una ventaja de hardware que requiere una partición específica del modelo puede ser difícil de implementar en un entorno de nube basado en pilas de servicio estandarizadas. El SDK CAMP de Mythic es compatible con ONNX, PyTorch, TensorFlow y TensorRT, lo que demuestra el valor de los puentes entre marcos de trabajo; sin embargo, dicha compatibilidad no hace transparente el comportamiento heterogéneo de la PIM en todos los modelos.

Esto hace que los estándares y las pruebas de implementación sean más importantes que el rendimiento de un único dispositivo en una prueba comparativa. Los proveedores de hardware que mantengan interfaces conocidas, publiquen procesos de integración reproducibles y demuestren el funcionamiento combinado de PIM y GPU pueden acortar los ciclos de homologación. Por el contrario, es probable que un dispositivo que requiera un nuevo modelo de programación sin una ventaja claramente delimitada para una carga de trabajo permanezca confinado a proyectos piloto técnicos, pese a sus atractivas métricas energéticas.

Análisis del segmento del mercado de procesamiento en memoria (PIM)

Por tecnología de memoria

La PIM basada en DRAM lidera el mercado, con 420,0 millones de USD, equivalentes al 68,7 % de los ingresos de 2025, y se prevé que crezca a una TCAC del 27,6 %. Su posición refleja la madurez de fabricación y la proximidad a las cadenas de suministro existentes de aceleradores HBM y GDDR. La ventaja comercial reside en la homologación: las arquitecturas que funcionan con interfaces de memoria consolidadas pueden integrarse en infraestructuras ya diseñadas en torno a la memoria de gran ancho de banda. Sin embargo, su crecimiento más lento que el de las tecnologías emergentes refleja una limitación diferente: la integración de lógica puede reducir la densidad utilizable. ^{[5]SK hynix, SK hynix Develops PIM, Next-Generation AI Accelerator, February 2022, news.skhynix.com}

La PIM basada en SRAM representa 91,7 millones de USD y el 15,0 % de los ingresos de 2025, con un crecimiento del 29,2 % en términos de TCAC. La SRAM favorece la inferencia digital determinista y de baja latencia. La plataforma Corsair de d-Matrix utiliza computación digital en memoria e informa de un ancho de banda DIMC interno de 150 TB/s, una capacidad de computación de 2.400 TFLOPs con precisión de 8 bits y cifras de rendimiento de inferencia de Llama 3 en hardware PCIe Gen5. Este perfil es relevante cuando la latencia de los tokens y el comportamiento numérico reproducible tienen mayor importancia que la capacidad de memoria. ^{[6]d-Matrix, d-Matrix Unveils Corsair, the World's Most Efficient AI Computing Platform for Inference in Datacenters, November 2024, d-matrix.ai}

Las tecnologías no volátiles representan la principal oportunidad de crecimiento. El PIM basado en MRAM, aunque solo alcanzó 37,6 millones de USD en 2025, registra la mayor TCAC entre las tecnologías de memoria, del 35,4 %; le siguen el PIM basado en ReRAM y el PIM basado en Flash, con un 34,3 % y un 33,7 %, respectivamente. Un macro de computación en memoria STT-MRAM de 40 nm registró entre 7,02 y 112,3 TOPS/W en configuraciones de 4 a 16 bits, una latencia de entre 7,4 y 29,6 ns, y alcanzó los objetivos de precisión comunicados para determinadas pruebas con ResNet y redes neuronales informadas por la física. La no volatilidad puede evitar los costes asociados a la actualización y la recarga de modelos, pero los resultados de los productos siguen dependiendo de la resistencia, la precisión y la coherencia de la producción, no solo de la eficiencia en laboratorio.

Por arquitectura de computación

El PIM digital es la arquitectura más grande, con 375,4 millones de USD y una cuota del 61,4 % en 2025, además de una TCAC del 30,1 %. Ofrece operaciones aritméticas deterministas y se ajusta a los requisitos de inferencia en producción, incluidos los formatos emergentes de precisión reducida. El PIM analógico alcanza 168,4 millones de USD y una cuota del 27,5 %, con un crecimiento del 28,4 %. Mythic comunica 120 TOPS/W y 17 fJ por MAC para su arquitectura analógica. Estas afirmaciones ponen de relieve la propuesta energética del PIM analógico, mientras que su reto comercial sigue siendo mantener estable la precisión ante las variaciones y las condiciones de implementación. El PIM de señal mixta, con 67,7 millones de USD y una cuota del 11,1 %, intercambia parte de la eficiencia analógica por el control digital de las interfaces y las operaciones no lineales.

Por aplicación y usuario final

La IA y el aprendizaje automático (ML) constituyen la mayor aplicación, con 318,0 millones de USD, equivalentes al 52,0 %, en 2025. La informática de alto rendimiento (HPC) y la computación científica (112,9 millones de USD), así como el análisis de datos y el procesamiento de bases de datos (74,8 millones de USD), ofrecen cargas de trabajo adicionales limitadas por la memoria; la encuesta del DOE comunica mejoras del PIM en la modelización climática y en pruebas OLTP/OLAP. La visión por computador y el procesamiento del lenguaje natural (NLP), que crecen un 34,7 % y un 35,6 %, respectivamente, se benefician de la inferencia localizada de bajo consumo, especialmente cuando los modelos deben permanecer activos en el extremo de la red. Los servicios informáticos y en la nube lideran la demanda de los usuarios finales; la electrónica de consumo, la automoción, las telecomunicaciones, la industria, la sanidad, la industria aeroespacial y la defensa responden a distintos requisitos de potencia, latencia y cualificación. La ausencia de valores de mercado por usuario final implica que las comparaciones entre sectores deben interpretarse como condiciones de adopción, no como clasificaciones de ingresos.

El crecimiento por aplicación refuerza esta división. El procesamiento del lenguaje natural y la visión crecen más rápido que el mercado agregado porque cada vez requieren más inferencia cerca del dispositivo o de la fuente de datos. Sin embargo, la oportunidad abordable está condicionada: los diseños analógicos y no volátiles deben convertir las ventajas energéticas en una precisión reproducible y unas herramientas de desarrollo gestionables. La arquitectura ganadora variará en función del coste de trasladar los datos, del intervalo de precisión aceptado y de si el cliente puede cualificar un entorno de ejecución especializado.

Análisis regional del mercado de procesamiento en memoria (PIM)

América del Norte

América del Norte lidera el mercado con 255,0 millones de USD en 2025, lo que representa una cuota del 41,7%, y se prevé que alcance 3,462,8 millones de USD en 2035, con una TCAC del 28,9%. Estados Unidos contribuye con 234,0 millones de USD en 2025, mientras que Canadá contribuye con 21,0 millones de USD. La región combina una elevada demanda de inferencia a hiperescala con una concentración de empresas especializadas, entre ellas EnCharge AI, MemryX, GSI Technology, d-Matrix y Mythic AI. Los incentivos de CHIPS para la memoria y el encapsulado avanzados añaden una dimensión relacionada con la cadena de suministro a un mercado impulsado principalmente por la demanda. ^{[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}

Asia-Pacífico

Asia-Pacífico se sitúa cerca, con 241,4 millones de USD y una cuota del 39,5% en 2025, y se prevé que se convierta en la región más grande, con 3,777,6 millones de USD en 2035 y una TCAC del 30,7%. China pasa de 72,3 millones de USD a 1,314,6 millones de USD; Corea del Sur, de 60,7 millones de USD a 868,9 millones de USD; Japón, de 42,0 millones de USD a 521,3 millones de USD; India, de 20,2 millones de USD a 491,1 millones de USD; y Australia, de 10,0 millones de USD a 113,3 millones de USD. Corea del Sur desempeña un papel central en el segmento de suministro de memoria avanzada a través de SK hynix y Samsung. La región también incluye a Syntiant, PIMIC, TetraMem, Witmem (Zhicun Technology), HOUMO.AI y Pimchip, lo que crea una base competitiva más amplia en aplicaciones en la nube, móviles y de edge.

Europa

Europa representa 69,1 millones de USD en 2025 y se prevé que alcance 765,7 millones de USD en 2035, con una TCAC del 26,2%. Alemania aumenta de 19,6 millones de USD a 252,7 millones de USD, por delante del Reino Unido, Francia, Italia y España. La IA industrial, la automoción y la visión en el edge generan una combinación de demanda diferente de la correspondiente al despliegue en la nube de América del Norte. Axelera AI es el competidor europeo autorizado, y su orientación hacia el edge ilustra el potencial de la región en inferencia específica para aplicaciones, en lugar del suministro de HBM a gran escala.

América Latina

América Latina crece de 23,2 millones de USD a 263,8 millones de USD, con una TCAC del 26,6%. La adopción de PIM en la región está vinculada principalmente a la disponibilidad de servicios en la nube y al despliegue de IA por parte de las empresas, más que a una base nacional de fabricación de memoria avanzada. Oriente Medio y África crecen de 24,5 millones de USD a 238,2 millones de USD, con una TCAC del 25,5%. Arabia Saudí, los EAU y Sudáfrica son los principales mercados identificados y aumentan de 6,4 millones de USD, 4,9 millones de USD y 6,6 millones de USD en 2025 a 77,4 millones de USD, 46,5 millones de USD y 58,4 millones de USD, respectivamente. Es probable que la demanda siga la inversión en centros de datos e infraestructuras públicas de IA, lo que convierte la disponibilidad de productos y la capacidad de integración de sistemas en factores decisivos.

La estrategia de Europa es más específica para determinadas aplicaciones, especialmente las industriales, de automoción y de inferencia en el edge. Es menos probable que América Latina y Oriente Medio y África definan las hojas de ruta de la tecnología de memoria, pero su crecimiento puede ser significativo cuando la nueva capacidad de los centros de datos evite las infraestructuras heredadas.

Para los proveedores de PIM, esto significa que los modelos de comercialización deben diferir: codesarrollo de sistemas y homologación por parte de proveedores de hiperescala en Norteamérica; asociaciones en la cadena de suministro y el ecosistema en Asia-Pacífico; y soluciones centradas en las cargas de trabajo en Europa y las regiones emergentes.

Cuota de mercado y panorama competitivo del procesamiento en memoria (PIM)

SK hynix lidera el mercado en 2025 con una cuota del 29%, seguida de Samsung Electronics con el 11%; Syntiant registra el 5%, Mythic AI el 4%, d-Matrix el 4% y el resto de los proveedores, en conjunto, el 47%. Esta estructura combina a los actores consolidados del sector de la memoria, capaces de integrar capacidad de procesamiento en productos de memoria de gran volumen, con especialistas optimizados para condiciones de inferencia específicas.

Los programas GDDR6-AiM y AiMX de SK hynix la posicionan en torno a la inferencia heterogénea en centros de datos. En su demostración de AiMX de 2025, SK hynix situó la atención limitada por la memoria en tarjetas AiMX y las capas de proyección limitadas por la capacidad de procesamiento en GPU H100, dentro de un entorno de Supermicro que utilizaba vLLM. Samsung diferencia su HBM-PIM mediante motores de inteligencia artificial en memoria ubicados en los bancos HBM y su compatibilidad con la señalización HBM2 establecida. Ambos actores consolidados están posicionados para beneficiarse si el PIM se incorpora a los estándares de interfaces de memoria, pero su principal reto consiste en convertir la compatibilidad técnica en una amplia compatibilidad de software. ^{[8]SK hynix, AI Infra Summit 2025: SK hynix Showcases Innovative AiM Solution for Accelerating AI, September 2025, news.skhynix.com}

Syntiant aborda la inferencia periférica de bajo consumo y funcionamiento permanente. Mythic AI se centra en el PIM analógico e informa de un rendimiento de 120 TOPS/W y de amplias interfaces de marcos de trabajo a través de CAMP. d-Matrix se dirige a la inferencia en centros de datos mediante la computación digital en memoria de Corsair; informa de una implementación PCIe Gen5, un ancho de banda DIMC de 150 TB/s y un enfoque en el formato OCP Micro-scaling. EnCharge AI, MemryX, GSI Technology, PIMIC, TetraMem, Witmem, HOUMO.AI, Pimchip, Axelera AI y XCENA ocupan posiciones regionales, de nicho o de empresas disruptoras. Su diferenciación dependerá de una combinación específica de sustrato de memoria, especialización de las cargas de trabajo, accesibilidad del software y acceso a los canales, más que de un conjunto común de funcionalidades de PIM. ^{[9]Mythic AI, Mythic to Challenge AI's GPU Pantheon with 100x Energy Advantage and Oversubscribed USD 125M Raise, December 2025, mythic.ai}

Novedades recientes del sector

En septiembre de 2025, SK hynix mostró una configuración de inferencia heterogénea basada en AiMX en AI Infra Summit, utilizando cuatro tarjetas AiMX con dos GPU H100 en un servidor de Supermicro y vLLM.

En diciembre de 2025, Mythic AI anunció una financiación de 125 millones de USD con una sobresuscripción, liderada por DCVC, en la que Honda Motors y Lockheed Martin fueron identificadas como participantes estratégicos. La empresa acompañó el anuncio de financiación con su posicionamiento en materia de eficiencia del PIM analógico y de plataforma de software.