2026年8月14日，北京3D存算一体芯片企业谦合益邦宣布完成超20亿元B轮融资，投资方涵盖国调基金、中国移动链长基金、山行资本、混沌投资等13家机构。这家由网易孵化、2024年1月正式成立的公司，为何能在两年多时间内获得超20亿元融资？其背后，是3D存算一体作为缓解“内存墙”问题的新型技术路径，正受到产业界与资本市场关注。本文将从融资事件、公司背景、技术路线、产业格局及商业化挑战等维度展开分析。

20亿元B轮融资落定

2026年8月14日，谦合益邦宣布完成超20亿元B轮融资，由木雁资本担任独家财务顾问。本轮投资方类型较为多元，包括国家级基金国调基金、具有产业资本属性的中国移动链长基金，以及山行资本、星连资本、石溪资本、木雁资本、金浦投资、南山资本、混沌投资、晨壹汇智、国策投资、国鑫创投、格致资本等机构。

国调基金等机构的参与，反映出国有资本对存算一体、三维集成等新型芯片架构的关注度提升。网易有道与中国移动链长基金是谦合益邦的长期股东，但网易有道并不在此次公开披露的13家本轮投资方名单中。

超20亿元的单轮融资，在近年来国内AI芯片初创企业融资中属于较大规模。据公司披露，本轮融资将用于加大研发投入，推动产品迭代与商业化进程，并继续开展三维集成原生芯片架构及3D存算一体芯片相关技术研发。

图表：谦合益邦B轮融资机构名单

网易孵化与团队技术积累

据公司披露，谦合益邦成立于2024年1月，由网易孵化，是国内较早专注于3D存算一体、三维集成原生芯片架构和云游戏应用加速的芯片企业之一。本轮融资前的公开企业信息显示，张祥建为公司第一大股东和实际控制人，网易有道为第二大股东，葛卫东通过混沌投资持股。

网易有道已在翻译笔、学习机等智能教育硬件领域形成产品布局，其作为谦合益邦的重要股东，为双方开展产业协同提供了基础。不过，目前公开信息尚未披露谦合益邦芯片在网易有道具体产品中的导入规模。

尽管公司成立时间不长，但其核心团队的技术积累可以追溯至2018年。据公司披露，核心团队自2018年起开展基于3D DRAM存算一体架构芯片的研发及产业化探索。公司将自身定位为“三维集成原生芯片架构和3D DRAM存算一体芯片的开拓者和领导者”。这种“老团队、新公司”模式使谦合益邦具备一定技术积累，但当前技术路线的量产能力和商业可行性仍有待进一步验证。

在产品层面，公司已形成G100高能效SoC芯片和C100云游戏芯片两条产品线。据公司官网介绍，G100采用12nm工艺，结合定制电路与可重构数据流架构，已在翻译笔、学习机等产品中逐步落地应用；C100则面向云游戏场景，通过专用硬件电路和软硬件协同设计，提供高清流媒体传输、低时延数据处理和智能画质优化等能力。此外，公司还对外提供芯片设计全流程服务。

需要指出的是，公司官网目前并未明确披露G100和C100是否采用3D DRAM存算一体架构。因此，公司现有产品线与其重点布局的3D存算一体技术之间，需要作出适当区分。

3D存算一体如何缓解“内存墙”

在传统冯·诺依曼架构下，计算单元与存储单元相互分离，数据需要频繁往返于处理器和存储器之间。长期以来，处理器算力增长速度显著快于内存带宽和访问性能提升速度，由此形成日益突出的“内存墙”问题。在部分数据密集型AI任务中，数据搬运会占用大量执行时间和系统能耗。

据2026年7月多家媒体转述的摩根士丹利研究，DDR5带宽提升速度明显落后于AI推理Token处理需求增长，存储器在云服务商资本开支中的重要性预计将继续提高。由于暂未获得相关报告全文，具体数据仍需结合其统计周期和口径理解。

存算一体通过在存储单元内部或附近执行部分计算，减少数据在计算与存储单元之间的频繁搬运，从而缓解传统架构下的带宽与能耗瓶颈。谦合益邦重点布局的3D DRAM存算一体路线，则尝试通过三维集成缩短计算与存储之间的数据路径，提升内部带宽和数据交换效率。

从技术演进方向看，三维集成存算一体AI芯片有望成为后摩尔时代延续算力密度和能效提升的重要技术路径之一。部分SRAM存算一体项目披露，其特定架构在22nm工艺下可达到传统7nm NPU或GPU的相当算力密度。不过，这类结果具有特定的架构、工艺和测试条件，不能直接套用于所有存算一体芯片。

理论上，3D集成可以通过缩短互连距离、增加并行数据通道提升芯片内部带宽，部分方案提出带宽提升一个至两个数量级的目标。但其实际效果仍取决于堆叠方式、接口设计、制造工艺、软件适配及应用负载。

当前存算一体技术可以按照存储介质，大致分为SRAM、DRAM、NOR Flash以及ReRAM、MRAM等路线。

SRAM数字存算一体方面，后摩智能推出的鸿途H30采用12nm工艺，最高物理算力为256TOPS，典型功耗为35W；恒烁股份也在推进基于SRAM的数字存算一体方案研发。

NOR Flash路线的国内参与者包括知存科技和恒烁股份。其中，知存科技已有相关芯片实现商业应用；恒烁股份的“恒芯2号”已经回片并进入测试阶段。

ReRAM等新型存储路线方面，亿铸科技采用全数字存算一体架构，其AI芯片已完成流片验证。据亿铸科技披露，经其测试验证，该方案与主流云端GPU相比，可以实现约2倍性能、约1/5功耗等表现。上述数据属于企业测试结果，具体表现仍取决于测试场景、工作负载和系统配置。

3D DRAM路线方面，谦合益邦是国内较早布局的企业之一。该公司通过三维集成缩短计算与存储之间的数据路径，探索缓解内存带宽和数据搬运瓶颈。3D DRAM及相关三维集成方案有望提升存储带宽与容量，为AI芯片、高性能计算芯片以及云游戏等对带宽和时延敏感的应用提供新的架构选择。

图表：存算一体芯片主要技术路线对比

存算一体赛道关注度提升

2026年发布的“十五五”规划纲要明确提出，推进存算一体、三维集成、光电融合等技术突破应用，进一步提升了相关技术的政策关注度。在美国持续收紧先进计算芯片及相关技术出口管制，并将处理性能、DRAM带宽等纳入审核指标的背景下，国内厂商也在加快自主芯片架构和存储技术路线的探索。

目前，存算一体产业正由技术验证逐步向产品化和商业化探索阶段推进。不同研究机构对存算一体市场的定义和预测差异较大，部分统计仅涵盖存算一体芯片，另一些则纳入相关IP、软件和系统方案，因此目前尚难形成统一的市场规模口径。总体来看，多家机构均预计AI推理和边缘计算需求将推动该市场增长，但具体规模仍存在较大不确定性。

AI大模型快速发展，是存算一体技术受到关注的重要驱动力。HBM已经成为当前AI加速器缓解内存带宽瓶颈的重要高带宽存储方案，但普通HBM本身并不负责计算，数据仍需在存储器与计算单元之间传输，并不等同于严格意义上的存算一体。三星等厂商推出的HBM-PIM，则进一步在HBM内部引入处理能力，探索存储与计算更深层次的融合。

从潜在应用与演进方向看，存算一体技术可以应用于AI与大数据计算，并进一步向感存算融合、类脑计算等方向拓展。其发展主要受到新型存储器技术进步、应用侧算力需求增长以及产业链协同等多重因素驱动。

图表：全球存算一体芯片市场规模预测（2025-2032年）

国内外存算一体企业加速竞逐

国内存算一体赛道已经形成多家企业竞速的格局。

3D DRAM路线方面，谦合益邦是国内较早布局的企业之一。公司重点探索3D DRAM存算一体及三维集成原生芯片架构，应用方向涉及智能终端、云游戏和AI计算等领域。

三维存算融合架构方面，微纳核芯提出3D-CIM架构，将3D近存、存内计算与RISC-V异构计算相结合。据公司披露，其已经完成B轮系列融资，其中包括兆易创新参与的B2轮战略融资及后续B3、B4轮融资，B轮系列融资总额超过10亿元。

SRAM数字存算一体方面，后摩智能推出鸿途H30，最高物理算力为256TOPS，典型功耗为35W，主要面向智能驾驶及泛机器人等边缘计算场景。

端侧存算一体方面，光羽芯辰聚焦端侧AI芯片，并已完成新一轮数亿元融资。其产品路线主要面向端侧大模型等应用，但目前公开信息不足以将其简单归入单一存储介质路线。

NOR Flash路线方面，知存科技已有相关芯片实现商业应用；恒烁股份的“恒芯2号”已经回片并进入测试阶段，同时还在推进基于SRAM的数字存算一体方案研发。

ReRAM路线方面，亿铸科技采用全数字存算一体架构，其AI芯片已完成流片验证，主要面向数据中心、云计算等大算力场景。

与部分聚焦AI推理或智能驾驶的企业相比，谦合益邦同时布局教育终端与云游戏两类场景。前者更加关注功耗、成本和启动速度，后者则对带宽、时延和流媒体处理能力提出较高要求。3D存算一体架构在理论上具备降低数据搬运能耗和提升带宽的潜力，但能否同时满足两类场景的实际需求，仍需经过具体产品验证。

网易有道的教育硬件生态，以及中国移动的网络和云游戏业务，为谦合益邦探索相关应用场景提供了潜在协同基础。“产业股东+自研芯片”的模式有望缩短产品验证和场景导入周期，但目前公开信息尚未显示公司已在相关股东业务中形成规模化供货。

从全球产业进展来看，三星、SK海力士、台积电及多家初创企业均已围绕存内计算、近存计算和新型存储介质展开探索。三星展示了基于HBM2-PIM的存内计算方案，SK海力士推出了GDDR6-AiM样品，台积电则围绕SRAM、ReRAM、PCM和STT-MRAM等多种器件开展存内计算研究。

美国Mythic采用基于Flash的模拟存内计算方案，其M1076模拟矩阵处理器最高算力为25TOPS。此外，Groq、Graphcore、Tenstorrent等公司虽然并非严格意义上的存算一体企业，但也在通过不同的数据流架构、并行计算方式和软硬件协同方案，探索缓解计算系统中的存储与数据传输瓶颈。

从融资到量产仍面临多重挑战

尽管3D存算一体具有一定技术潜力，但从研发走向规模量产仍面临多重挑战。

首先是制造工艺和良率。3D DRAM堆叠需要先进的三维封装和混合键合（Hybrid Bonding）等技术。堆叠层数增加后，芯片的互连密度、散热、晶圆平整度、已知良芯筛选及整体良率控制难度都会上升。国内先进封装产业虽然持续投入，但部分高密度三维集成工艺与国际领先水平相比仍存在差距。

其次是软件生态。存算一体芯片需要适配自身架构的软件栈、编译器、算子库和开发工具链。只有在硬件性能提升的同时降低开发和迁移成本，才能吸引更多客户和开发者使用。对于初创企业而言，软件生态建设往往需要长期投入。

再次是商业化场景。谦合益邦G100已经在部分翻译笔、学习机等产品中逐步落地，但实际出货规模尚未公开；C100云游戏芯片能否进入大规模部署阶段，还取决于客户验证、云游戏市场需求、网络基础设施和用户付费意愿等因素。

与此同时，微纳核芯、光羽芯辰、亿铸科技等企业近期均获得融资，后摩智能、知存科技等企业也在推进产品商业化，存算一体赛道参与者持续增加。不同存储介质和架构路线各有优势，最终哪条路线能够率先形成规模化市场，仍存在较大不确定性。

展望未来，随着AI大模型加速向端侧和云端渗透，算力系统对高带宽、大容量、低功耗存储的需求将持续增长，存算一体有望成为缓解“内存墙”和能耗瓶颈的重要技术方向。从产业发展阶段看，存算一体仍处于多种技术路线并行探索、由原型验证向产品化和商业化推进的阶段。未来，3D DRAM、SRAM、NOR Flash及ReRAM等不同路线将围绕性能、功耗、成本、精度和量产能力展开竞争。