存内处理（PIM）市场 尺寸和份额 2026-2035

内存内处理（PIM）市场规模

2025年，全球内存内处理（PIM）市场规模为 6.115 亿美元，预计2026年将达到 8.5 亿美元，并在2035年前达到 85 亿美元；2026～2035年期间的年均复合增长率（CAGR）为 29.2%。

这一预测反映了人工智能基础设施经济学的转变：在长上下文和低批量工作负载的推理系统中，在处理器与内存之间传输模型权重和中间数据，其重要性正日益接近算术吞吐量。

PIM 将计算置于内存阵列内部或紧邻内存阵列的位置。这使限制性资源从外部内存流量转变为内存组内部的本地并行性。美国能源部的一项调查指出，数据移动的能耗约为计算的两个数量级，并记录了 PIM 设计在注意力机制、数据库、高性能计算（HPC）和图工作负载中的性能与能效提升。因此，商业内存供应商纷纷推进相关实现，在保留熟悉内存接口的同时增加本地化计算。SK hynix 报告称，其 GDDR6-AiM 的运行速率达到 16 Gbps，可将数据传输功耗降低最高 80%，并使目标工作负载的吞吐量提升最高 16 倍。Samsung 报告称，在其评估的人工智能和高性能计算工作负载中，HBM-PIM 的性能提升超过两倍，能耗降低超过 70%。 ^{[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}

市场需求日益受到电力供应约束。2024年，全球数据中心用电量为 415 TWh，预计到2030年将接近 945 TWh；国际能源署（IEA）指出，加速服务器是新增需求的主要来源之一。PIM 并非通用型 GPU 替代方案，但通过将注意力机制、向量运算或数据库谓词运算置于已存储数据附近，它能够改变内存受限层的成本曲线。 ^{[2]International Energy Agency, Energy and AI, 2025, iea.org}

因此，市场增长逻辑建立在一种矛盾之上。不断增长的电力需求使每次有效推理的较低能耗具有商业价值，但最有能力实现这一目标的架构必须证明其准确性可预测、编程易于管理，并且内存密度经济性可以接受。将内存创新与可用运行时和系统验证相结合的供应商，应比仅展示孤立芯片指标的供应商获取更多价值。

主要驱动因素

AI 和生成式 AI 工作负载。Transformer 推理会反复在内存层级中移动权重和键值缓存数据，因此长上下文服务对带宽和能耗的敏感度明显更高。DOE 调查所研究的 PIM 注意力加速器，相较于其中引用的传统基线，性能最高提升至 2.81 倍，能效最高提升至 2.67 倍。随着加速服务器的用电量不断上升，运营商有必要按照每个已服务令牌的能耗和延迟来评估硬件，而不仅仅依据名义计算能力。

HBM 和先进内存。HBM 是一个自然的切入点，因为其带宽密度本身就面向 AI 加速器。Samsung 的 HBM-PIM 在评估中保留了 HBM2 PHY 兼容性，从而降低了现有加速器系统的集成障碍。SK hynix 的 GDDR6-AiM 展示了通过图形内存级器件实现这一目标的另一条路径。SK hynix 在 LPDDR6 PIM 标准化方面的工作表明，这一机遇最终可能从数据中心延伸至功耗受限的移动端推理，但不应将标准化与批量部署混为一谈。 ^{[3]Samsung Electronics, Samsung Develops Industry's First High Bandwidth Memory with AI Processing Power, February 2021, news.samsung.com}

CXL 内存扩展。当工作负载受内存容量而非原始计算能力限制时，内存解耦将扩大 PIM 的潜在市场。DOE 调查指出，在某些 DRAM-PIM 配置中，由 CPU 介导的通信是一个重要限制因素，并报告称，采用 CXL 相关接口的近数据处理设计能够带来显著提升。其商业意义并不在于每个 CXL 器件都会成为 PIM 器件；相反，一致性内存扩展可以提供一种系统级路径，在不放弃主机架构的情况下连接专用内存计算资源。

公共半导体投资。美国《芯片法案》总额为 500 亿美元，其中包括 390 亿美元的制造激励资金和 110 亿美元的研究与开发资金。美国商务部向 SK hynix 提供的奖励包括最高 4.58 亿美元的直接资金和最高 5 亿美元的贷款，用于支持其在印第安纳州投资 38.7 亿美元建设以先进封装和 HBM 相关能力为核心的项目。这些计划降低了先进内存产能的融资和供应链风险，但无法解决 PIM 软件准备度问题；公共制造支持和应用赋能将按照不同进度推进。 ^{[4]National Institute of Standards and Technology, CHIPS for America, 2024, nist.gov}

能效计算。当电力供应限制可用 AI 容量时，PIM 的潜在价值最为突出。其作用机制具有明确针对性：本地执行可避免部分高能耗的片外数据传输，而不仅仅是提高传统计算资源的利用率。IEA 预计数据中心用电需求将持续增长，这一特性不仅与设备采购相关，也会影响数据中心选址和容量规划。

主要制约因素

硬件成本与集成。根据 DOE 调查，将逻辑单元添加到 DRAM 中可能导致 25～50% 的密度损失。这一权衡十分重要，因为 PIM 不仅要与 GPU 竞争，还要与价格低廉的传统存储器竞争。跨存储器控制器、驱动程序、热设计和服务软件进行验证，会进一步加剧硅片成本溢价。Samsung 的 HBM-PIM 等接口兼容型方案可以减轻这一负担，但兼容性也会限制能够添加到存储器器件中的逻辑单元数量。因此，早期采用将优先集中于能够以节省的功耗、降低的延迟或基础设施支出量化对比成本溢价的工作负载。

软件兼容性。PIM 编程需要处理数据放置、存储体级并行、内核以及主机与设备协同等问题，而传统 GPU 用户通常无需管理这些事项。这一障碍不仅是技术层面的，也是商业层面的：如果硬件优势需要定制化的模型分区，那么在围绕标准化服务栈构建的云环境中可能难以部署。Mythic 的 CAMP SDK 支持 ONNX、PyTorch、TensorFlow 和 TensorRT 路径，体现了框架桥接的重要价值，但这类支持并不能让异构 PIM 行为在所有模型中都实现透明化。

因此，相比单一器件基准测试，标准和部署证据更加重要。能够保留熟悉接口、发布可重复的集成路径并展示 PIM 与 GPU 混合运行能力的硬件供应商，可以缩短验证周期。相反，如果某款器件需要采用全新的编程模型，却无法在明确界定的工作负载中展现显著优势，那么即使能效指标颇具吸引力，也很可能仍局限于技术试点。

存内处理（PIM）市场细分分析

按存储器技术

基于 DRAM 的 PIM 处于领先地位，2025 年收入为 4.2 亿美元，占比 68.7%，预计年均复合增长率（CAGR）为 27.6%。这一地位反映了其制造工艺的成熟度，以及与现有 HBM 和 GDDR 加速器供应链的紧密联系。其商业优势在于验证导入：采用成熟存储器接口的架构可以进入已经围绕高带宽存储器设计的基础设施。另一方面，与新兴技术相比，其增长速度较慢，这源于不同的制约因素：集成逻辑可能降低可用密度。 ^{[5]SK hynix, SK hynix Develops PIM, Next-Generation AI Accelerator, February 2022, news.skhynix.com}

基于 SRAM 的 PIM 规模为 9,170 万美元，占 2025 年收入的 15.0%，年均复合增长率（CAGR）为 29.2%。SRAM 适用于确定性强、低延迟的数字推理。d-Matrix 的 Corsair 平台采用数字存内计算，并报告称其内部 DIMC 带宽达到 150 TB/s，8 位计算性能达到 2,400 TFLOPs，同时公布了基于 PCIe Gen5 硬件的 Llama 3 推理性能数据。当令牌延迟和可复现的数值行为优先于存储容量时，这一特性尤为重要。 ^{[6]d-Matrix, d-Matrix Unveils Corsair, the World's Most Efficient AI Computing Platform for Inference in Datacenters, November 2024, d-matrix.ai}

非易失性技术代表了主要的增长机会。基于 MRAM 的存内计算（PIM）在 2025 年的规模仅为 3,760 万美元，但其年均复合增长率（CAGR）为 35.4%，在各类存储器技术中最高；基于 ReRAM 和 Flash 的 PIM 紧随其后，CAGR 分别为 34.3% 和 33.7%。一款采用 40 nm STT-MRAM 的存内计算宏单元在 4～16 位配置下报告了 7.02～112.3 TOPS/W 的性能、7.4～29.6 ns 的延迟，并在选定的 ResNet 和物理信息神经网络测试中达到报告的准确率目标。非易失性能够避免刷新和模型重新加载开销，但产品表现仍取决于耐久性、精度和生产一致性，而不仅仅是实验室环境中的效率。

按计算架构

数字 PIM 是最大的计算架构，2025 年市场规模为 3.754 亿美元，市场份额为 61.4%，CAGR 为 30.1%。该架构能够提供确定性算术运算，并符合生产级推理需求，包括新兴的低精度格式。模拟 PIM 的市场规模为 1.684 亿美元，市场份额为 27.5%，增长率为 28.4%。Mythic 报告称，其模拟架构可实现 120 TOPS/W 的性能和每次 MAC 运算 17 fJ 的能耗。这些数据凸显了模拟 PIM 在能源效率方面的优势，但其商业化挑战仍在于如何在不同变化因素和部署条件下保持稳定的精度。混合信号 PIM 的市场规模为 6,770 万美元，市场份额为 11.1%；该架构以部分模拟效率为代价，换取了对接口和非线性运算的数字控制。

按应用领域和最终用户

人工智能与机器学习是最大的应用领域，2025 年市场规模为 3.18 亿美元，占比为 52.0%。高性能计算与科学计算（市场规模为 1.129 亿美元）以及数据分析与数据库处理（市场规模为 7,480 万美元）提供了其他受内存带宽限制的工作负载；美国能源部的调查显示，PIM 在气候建模以及 OLTP/OLAP 测试中均可带来性能提升。计算机视觉和自然语言处理（NLP）的增长率分别为 34.7% 和 35.6%，这两类应用越来越受益于低功耗的本地化推理，尤其是在模型必须持续运行于边缘设备的场景中。IT 和云服务引领最终用户需求；消费电子、汽车、电信、工业、医疗保健、航空航天与国防等领域则分别面临不同的功耗、延迟和认证要求。由于缺乏最终用户市场规模数据，各垂直领域之间的比较应被理解为采用条件的差异，而非收入排名。

应用领域的增长进一步强化了这一分化趋势。自然语言处理和计算机视觉的增长速度快于整体市场，因为这两类应用越来越需要在靠近设备或数据源的位置执行推理。然而，可寻址机会取决于若干条件：模拟和非易失性设计必须将能源优势转化为可重复的精度和易于管理的开发者工具链。最终胜出的架构将取决于数据移动成本、可接受的精度范围，以及客户能否完成专用运行时环境的认证。

存内计算（PIM）市场区域分析

北美

北美地区引领市场，2025年市场规模为 2.55亿美元，市场份额为 41.7%；预计到2035年将达到 34.628亿美元，年均复合增长率（CAGR）为 28.9%。美国2025年的市场规模为 2.34亿美元，加拿大为 2,100万美元。该地区将超大规模推理需求与 EnCharge AI、MemryX、GSI Technology、d-Matrix 和 Mythic AI 等专业化企业集群结合起来。针对先进内存和封装的 CHIPS 激励措施，为这一总体由需求主导的市场增加了供应链层面的影响因素。 ^{[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}

亚太地区

亚太地区紧随其后，2025年市场规模为 2.414亿美元，市场份额为 39.5%；预计到2035年将以 37.776亿美元的市场规模成为最大的区域，年均复合增长率为 30.7%。中国市场规模将从 7,230万美元增至 13.146亿美元，韩国将从 6,070万美元增至 8.689亿美元，日本将从 4,200万美元增至 5.213亿美元，印度将从 2,020万美元增至 4.911亿美元，澳大利亚将从 1,000万美元增至 1.133亿美元。韩国通过 SK hynix 和 Samsung 在先进内存供应端发挥核心作用。该地区还包括 Syntiant、PIMIC、TetraMem、Witmem（Zhicun Technology）、HOUMO.AI 和 Pimchip，围绕云端、移动端和边缘应用场景形成更广泛的竞争基础。

欧洲

欧洲2025年的市场规模为 6,910万美元，预计到2035年将达到 7.657亿美元，年均复合增长率为 26.2%。德国市场规模将从 1,960万美元增至 2.527亿美元，领先于英国、法国、意大利和西班牙。工业人工智能、汽车和边缘视觉形成了不同于北美云端部署的需求结构。Axelera AI 是获得认可的欧洲竞争企业，其边缘计算定位体现了该地区在面向特定应用的推理领域，而非大规模 HBM 供应领域的潜力。

拉丁美洲

拉丁美洲市场规模将从 2,320万美元增至 2.638亿美元，年均复合增长率为 26.6%。该地区的 PIM 应用主要与云服务可用性和企业人工智能部署相关，而不是依托本土先进内存制造基础。中东和非洲市场规模将从 2,450万美元增至 2.382亿美元，年均复合增长率为 25.5%。沙特阿拉伯、阿联酋和南非是已确定的主要市场，市场规模分别从2025年的 640万美元、490万美元和 660万美元增至 7,740万美元、4,650万美元和 5,840万美元。需求可能将随着数据中心和公共人工智能基础设施投资而增长，因此产品供应能力和系统集成能力将成为决定性因素。

欧洲的发展路径更加面向具体应用，尤其集中于工业、汽车和边缘推理领域。拉丁美洲以及中东和非洲不太可能主导内存技术路线图，但在新建数据中心容量能够绕过传统基础设施的情况下，这些地区的增长可能具有重要意义。

存内处理（PIM）市场份额与竞争格局

SK hynix 以 29% 的份额领先 2025 年市场，Samsung Electronics 以 11% 的份额紧随其后；Syntiant 占 5%，Mythic AI 占 4%，d-Matrix 占 4%，其他供应商合计占 47%。这一市场结构由两类企业构成：一类是能够将计算集成到大批量存储器产品中的存储器行业巨头，另一类是针对特定推理条件进行优化的专业厂商。

SK hynix 的 GDDR6-AiM 和 AiMX 项目使其聚焦于异构数据中心推理。其 2025 年 AiMX 演示在采用 vLLM 的 Supermicro 环境中，将受内存带宽限制的注意力层部署在 AiMX 卡上，并将受计算能力限制的投影层部署在 H100 GPU 上。Samsung 的 HBM-PIM 通过位于 HBM 存储体中的存内 AI 引擎，以及与既有 HBM2 信号传输的兼容性实现差异化。如果 PIM 被纳入存储器接口标准，两家行业巨头均有望受益，但其核心挑战在于将技术兼容性转化为广泛的软件支持。 ^{[8]SK hynix, AI Infra Summit 2025: SK hynix Showcases Innovative AiM Solution for Accelerating AI, September 2025, news.skhynix.com}

Syntiant 专注于低功耗、始终在线的边缘推理。Mythic AI 聚焦模拟存内处理，并报告称其性能达到 120 TOPS/W，同时通过 CAMP 提供广泛的框架接口。d-Matrix 通过 Corsair 数字存内计算面向数据中心推理；该公司报告了 PCIe Gen5 实现方案、150 TB/s 的 DIMC 带宽，并重点采用 OCP Micro-scaling 规格。EnCharge AI、MemryX、GSI Technology、PIMIC、TetraMem、Witmem、HOUMO.AI、Pimchip、Axelera AI 和 XCENA 处于区域性、利基型或颠覆者定位。它们的差异化将取决于存储器基底、工作负载专业化、软件可访问性和渠道覆盖的具体组合，而不是某一套通用的 PIM 功能。 ^{[9]Mythic AI, Mythic to Challenge AI's GPU Pantheon with 100x Energy Advantage and Oversubscribed USD 125M Raise, December 2025, mythic.ai}

近期行业发展动态

2025 年 9 月，SK hynix 在 AI Infra Summit 上展示了基于 AiMX 的异构推理配置：在一台 Supermicro 服务器中使用四张 AiMX 卡和两块 H100 GPU，并运行 vLLM。

2025 年 12 月，Mythic AI 宣布完成一轮由 DCVC 牵头、获超额认购的 1.25 亿美元融资，Honda Motors 和 Lockheed Martin 被确定为战略参与方。该公司将融资公告与其模拟 PIM 效率及软件平台定位结合起来。