人工智能背景下_存算感连_发展新态势_16页_3mb

AI背景下“存算感连”发展态势

1. “存算感连”一体化推动AI产业升级

• 存储（存）、计算（算）、感知（感）、连接（连）技术融合，成为人工智能发展新动力。存储与计算结合解决“存储墙”问题，光互联技术显著提升数据传输效率，传感器技术向低功耗、自供电和集成化演进，连接技术实现高速、低延迟数据传输。

2. 存储与计算协同提升算力

• 存储技术（如HBM）迭代缓解AI芯片计算瓶颈，存算一体化成为未来方向。边缘计算和推理芯片需求增长，推动低功耗、高带宽存储器发展。先进封装技术（如CoWoS）助力存算协同效率提升。

3. 算力多样化推动硬件创新

• 计算芯片呈现算力持续增长、软硬结合、应用多样化三大特点。从GPU到XPU，硬件形态不断丰富。边缘算力需求和推理芯片市场快速增长。未来需关注功耗、能源效率及3D集成技术的提升。

4. 感知技术向低功耗和智能化演进

• 传感器融合多模态数据，向集成化、智能化方向发展。大量传感器接入可实时采集海量数据，但面临数据识别和安全性挑战。未来将结合AI算法实现本地化智能决策，减少对云端依赖。

5. 连接技术赋能AI融合

• 光互联技术显著降低延迟、提升训练效率，促进存算协同、实时感知和智能推理。LPO、CPO和硅光技术共同推动高带宽、低功耗和高集成度发展，支撑AI集群高效运行。

整体趋势

• “存算感连”一体化成为未来核心方向，驱动AI算力、效率和应用边界突破。传统单纯堆叠算力模式面临挑战，需关注存算协同、传感器智能化、连接效率及边缘计算等技术融合。