Deepseek等大模型的火爆，其背后的算力需求成指數級增長，如GPT-4的算力達到數萬億級，傳統的馮諾伊曼數據來回搬運形成功耗墻以及存儲墻，能效比低，存內計算架構的出現，在存儲器內完成計算的形式，延遲降低90%，能效較之傳統架構提升數10倍，成為AI智能時代變革的重要力量。在此背景下，知存科技聯動復旦大學，邀請華東地區高校教授以及知存企業精英共同打造存內計算系列課程，與國內知名開發者社區夢幻聯動，面向高校學生與國內外開發者，助力人才成長，推動技術進步。
本系列課程以“從電路架構到存儲工藝：存內計算全棧技術突破”為核心脈絡，系統性解析存內計算領域的前沿進展與落地實踐。課程由權威專家領銜，深度融合學術創新與產業需求，覆蓋電路設計、架構優化、軟硬件協同、存儲介質革新及先進工藝集成五大模塊，致力于為開發者、AI科技愛好者與行業工程師構建“理論-器件-系統-應用”的全景知識體系。
存內計算電路設計
存內計算的架構設計方案詳解與應用
存內計算的軟硬件協同設計
存內計算傳統與新型存儲介質
存內計算芯片工藝制程
涵蓋大模型推理、自動駕駛、邊緣AI、類腦芯片等熱點場景，直擊行業痛點
貫通材料介質、電路設計、體系架構與算法生態，構建系統性認知
結合知存科技行業前沿企業芯片原型、學術頂會（ISSCC/VLSI/DAC）突破性論文，解析技術落地路徑
本課程聚焦存內計算技術中的數字電路設計方法，通過將計算邏輯嵌入存儲器單元，突破傳統馮·諾依曼架構的存儲墻瓶頸。重點探討數字電路的高效邏輯門集成、低功耗設計，以及如何優化數據帶寬與延遲，適用于高精度AI推理和實時數據處理場景。
本課程聚焦存內計算技術中的數字電路設計方法，通過將計算邏輯嵌入存儲器單元，突破傳統馮·諾依曼架構的存儲墻瓶頸。重點探討數字電路的高效邏輯門集成、低功耗設計，以及如何優化數據帶寬與延遲，適用于高精度AI推理和實時數據處理場景。
課程圍繞存內計算的模擬電路實現，利用模擬信號處理的天然并行性，在存儲器內直接完成乘累加（MAC）等運算。內容涵蓋模擬電路的非線性補償、噪聲抑制及能效優化策略，適用于低功耗邊緣計算和神經網絡加速。
課程圍繞存內計算的模擬電路實現，利用模擬信號處理的天然并行性，在存儲器內直接完成乘累加（MAC）等運算。內容涵蓋模擬電路的非線性補償、噪聲抑制及能效優化策略，適用于低功耗邊緣計算和神經網絡加速。
從系統級視角解析存內計算的硬件架構創新，包括并行計算范式、數據流動態調度、FP/INT混合計算架構及異構加速技術。通過優化片上資源分配與任務映射，顯著提升深度學習等數據密集型任務的吞吐量。
從系統級視角解析存內計算的硬件架構創新，包括并行計算范式、數據流動態調度、FP/INT混合計算架構及異構加速技術。通過優化片上資源分配與任務映射，顯著提升深度學習等數據密集型任務的吞吐量。
課程以“算法-電路共進化”為核心，探索指令集架構革新（如存內計算專用指令擴展）、算子硬件適配優化，以及EDA工具鏈的定制開發策略。通過軟硬件深度融合，最大化存內計算的能效比與靈活性。
課程以“算法-電路共進化”為核心，探索指令集架構革新（如存內計算專用指令擴展）、算子硬件適配優化，以及EDA工具鏈的定制開發策略。通過軟硬件深度融合，最大化存內計算的能效比與靈活性。
系統解析SRAM、DRAM和閃存等傳統存儲器的存內計算實現方案，對比其速度、密度與功耗特性，并探討基于電荷存儲機制的電路設計挑戰，例如DRAM存內邏輯的刷新策略優化。
系統解析SRAM、DRAM和閃存等傳統存儲器的存內計算實現方案，對比其速度、密度與功耗特性，并探討基于電荷存儲機制的電路設計挑戰，例如DRAM存內邏輯的刷新策略優化。
聚焦阻變存儲器（RRAM）、相變存儲器（PCRAM）等新型非易失存儲技術，結合神經形態器件特性，實現類腦計算與脈沖神經網絡加速，推動高能效仿生智能硬件的落地。
聚焦阻變存儲器（RRAM）、相變存儲器（PCRAM）等新型非易失存儲技術，結合神經形態器件特性，實現類腦計算與脈沖神經網絡加速，推動高能效仿生智能硬件的落地。
深入探討超薄ITO薄膜、氧化物半導體（如IGZO）等新材料在存內計算芯片中的應用，分析其超低漏電、高遷移率特性對三維集成與柔性電子器件的賦能潛力，覆蓋工藝制程創新與原型芯片案例。
深入探討超薄ITO薄膜、氧化物半導體（如IGZO）等新材料在存內計算芯片中的應用，分析其超低漏電、高遷移率特性對三維集成與柔性電子器件的賦能潛力，覆蓋工藝制程創新與原型芯片案例。
聚焦存內計算芯片工藝制程的核心驅動力——前沿材料研發，深入解析如何通過材料科學革新突破傳統硅基器件的物理極限，賦能高密度、高能效存算一體芯片的規模化落地。從原子級材料設計到晶圓級工藝集成，揭示新材料如何重構“存儲-計算-通信”范式，為后摩爾時代算力革命提供底層支撐。
聚焦存內計算芯片工藝制程的核心驅動力——前沿材料研發，深入解析如何通過材料科學革新突破傳統硅基器件的物理極限，賦能高密度、高能效存算一體芯片的規模化落地。從原子級材料設計到晶圓級工藝集成，揭示新材料如何重構“存儲-計算-通信”范式，為后摩爾時代算力革命提供底層支撐。
知存科技是全球領先的存內計算芯片企業。公司針對AI應用場景，在全球率先商業化量產基于存內計算技術的神經網絡芯片。憑借顛覆性的技術創新，知存科技突破傳統計算架構局限，利用存儲與計算的物理融合大幅減少數據搬運，在相同工藝條件下將AI計算效率提升2個數量級，充分滿足快速發展的神經網絡模型指數級增長的算力需求。2022年，知存科技推出全球首顆大規模量產的存內計算芯片WTM2101。該芯片已被多家國際知名企業用于智能語音、AI健康監測等場景，相比傳統芯片在算力和功耗上優勢顯著，賦能行業用戶實現端側AI能力的提升和應用的推廣。
目前，知存科技自主研發的邊緣側算力芯片WTM-8系列即將量產。該系列芯片能夠提供高達48Tops算力，而功耗僅為市場同類方案的5%，將助力移動設備實現更高性能的圖像處理和空間計算。
知存科技自2017年成立以來，獲得多家科技領軍企業和頂級財務投資機構的持續支持。未來，知存科技將進一步提升AI算力，完善生態體系，為AI技術的普及應用提供強大的基礎設施。