会懂网AI资讯，9月26日，近日，SK海力士与三星计划在MICRO 2026体系结构会议上发布各自的近存计算架构，标志着存算一体从论文走向主流体系结构议题。这反映出人工智能技术正在从单点突破走向系统级能力的构建，企业与应用侧对此高度关注。在算力供给持续扩张与推理成本快速下行的背景下，这类进展对开发者和行业用户都意义重大。
具体来看，SK的NELSSA方案走CXL加存内处理路线，官方数据显示大语言模型解码阶段的Token吞吐最高提升5.5倍，这对推理成本敏感的场景意义明显。业内普遍认为，相关能力的成熟将直接拉动上下游生态的协同创新与商业落地速度。从产业节奏看，头部厂商正把模型能力转化为可直接调用的服务，竞争焦点已转向工程化与可用性。
从技术细节出发，三星的AMMA方案则尝试用HBM内的处理单元替代部分GPU计算晶粒，披露的延迟降至约十六分之一、能耗降至约七分之一。对用户而言，此类更新意味着更低的使用门槛与更稳定的体验，智能助手的实用价值持续提升。值得关注的是，开源与开放策略正在改变技术扩散的路径，中小团队也能借此快速构建应用。
在产业层面，两者思路不同但目标一致：把计算搬到数据旁边，减少搬运带来的延迟与功耗。在监管与合规要求趋严的环境下，厂商在能力扩张的同时也更强调安全与可控。多方数据显示，AI 应用的渗透率仍在快速提升，真实场景的反馈正反过来推动模型迭代。这类进展也折射出国内外在基础模型与智能体方向上的投入力度与路线差异。
对开发者与企业用户而言，AI推理的开销中有相当大一部分并非来自运算本身，而是来自数据在内存与计算单元之间的往返，近存架构正是针对这一痛点。从长远看，模型与算力、数据的协同优化，将决定下一阶段智能应用的上限。相关团队表示，后续还会围绕稳定性、成本与场景适配持续打磨，让能力真正可用好用。市场分析认为，谁先在大模型与Agent的工程化上建立优势，谁就更可能在下一轮竞争中占先。
展望后续，需要注意的是，这类架构要真正落地，还需要软件栈、编译器与编程模型的同步改造，否则硬件优势难以被应用层感知。相关进展将持续影响行业格局，值得长期跟踪。这反映出人工智能技术正在从单点突破走向系统级能力的构建，企业与应用侧对此高度关注。在算力供给持续扩张与推理成本快速下行的背景下，这类进展对开发者和行业用户都意义重大。
暂无评论内容