【开源证券】电子行业点评报告：AI端侧之近存计算：CUBE有望助力端侧AI落地-250225（5页）.pdf

1、电子电子 请务必参阅正文后面的信息披露和法律声明 1/5 电子电子 2025 年 02 月 25 日 投资评级：投资评级：看好看好（维持维持）行业走势图行业走势图 数据来源：聚源 AI 端侧之声学：语音交互的硬件升级革命行业点评报告-2025.2.24 AI 系列报告存力：AI 浪潮下半场的关键行业点评报告-2025.2.23 阿里季报 Capex 超预期，未来将继续加大在 AI 战略中的投入，关注阿里算力链算力行业点评-2025.2.21 AI 端侧之近存计算：端侧之近存计算：CUBE 有望助力端侧有望助力端侧 AI 落地落地 行业点评报告行业点评报告 陈蓉芳（分析师）陈蓉芳（分析师）陈瑜熙

2、（分析师）陈瑜熙（分析师） 证书编号：S0790524120002 证书编号：S0790525020003 核心观点核心观点 随着 AI 算力需求的不断提升，冯诺依曼架构的存算性能失配问题日益显现，存算一体化技术应运而生。近存计算通过 2.5D 和 3D 堆叠技术有效融合计算与存储，提升内存带宽并降低访问延迟，成为提升芯片性能的主流方案。HBM 和CUBE 方案作为代表，能够广泛应用于高性能计算和边缘设备中，随着 AI 终端的普及和算力需求的加速，近存计算有望成为未来技术发展的关键趋势。算力需求提升导致冯诺依曼架构存算性能失配，近存计算将破局算力需求提升导致冯诺依曼架构存算性能失配，近存计算将

3、破局 冯氏架构以计算为中心，计算和存储分离，二者配合完成数据的存取与运算，在AI 时代随算力持续提升，存算之间性能失配问题凸显。近存计算利用先进的封装技术，将计算逻辑芯片和存储器封装到一起，通过减少内存和处理单元之间的路径，实现高 I/O 密度，进而实现高内存带宽以及较低的访问开销。我们认为未来近存计我们认为未来近存计算将成为算将成为 AI 时代芯片性能提升的主流方案。时代芯片性能提升的主流方案。HBM 历经多次迭代，已成为历经多次迭代，已成为高性能计算、数据中心主流近存计算架构高性能计算、数据中心主流近存计算架构 HBM 采用 TSV 技术堆叠 DRAM die 以大幅提升 I/O 数，再配

4、合 2.5D 先进封装制程，在维持较低内存频率的同时达到更显著的总通道宽度提升，兼具高带宽、高容量、低功耗。自 2016 年以来，HBM（高带宽内存）技术不断革新。HBM2(2018)采用 8层 DRAM，提供 256GB/s 带宽，2.4Gbps 传输速度，8GB 内存。HBM2E(2020):将传输速度提升至 3.6Gbps，内存增加至 16GB。HBM3(2022)将堆叠层数和管理通道增加，传输速度最高可达 819GB/s，16GB 内存。HBM3E 将传输速度高达 8Gbps，容量增至 24GB。目前 HBM 已广泛应用于高性能计算、数据中心等领域。AI 终端持续落地，终端持续落地，C

5、UBE 方案有望大放异彩方案有望大放异彩 CUBE 采用 2.5D 或 3D 封装，与主芯片 SoC 集成，通过高达 1024 个 I/O 实现超高带宽，可广泛适用于适用于可穿戴设备、边缘服务器设备、监控设备及协作机器人等高级应用。CUBE 容量相对较小，适用于边缘端应用。以 AI-ISP 为例，AI-ISP 中有很多灰色部分属于神经网络处理器（NPU），如果 AI-ISP 要实现大算力，就需要很大的带宽，或者是 SPRAM。但是在 AI-ISP 上使用 SPRAM 的成本非常高，使用LPDDR4 的话，因为需要 4-8 颗，因此成本亦较高。使用 CUBE 方案则可以缩小 L3缓存，放大 L4

6、 缓存，在降低芯片成本的同时提高带宽。未来随 AI 手机等AI 端侧设备以及机器人等新型 AI 终端发展，CUBE 有望成为端侧 AI 主流近存计算架构。受益标的：受益标的：北京君正、兆易创新、瑞芯微。北京君正、兆易创新、瑞芯微。风险提示：风险提示：下游需求不及预期，技术验证及迭代不及预期。-17%0%17%34%50%67%2024-022024-062024-10电子沪深300相关研究报告相关研究报告 行业研究行业研究 行业点评报告行业点评报告 开源证券开源证券 证券研究报告证券研究报告 行业点评报告行业点评报告 请务必参阅正文后面的信息披露和法律声明 2/5 附图附图 1：冯诺依曼架构示