后摩智能存算一体芯片系列：从鸿途H30到漫界M30的专业教程

本教程将详细介绍后摩智能推出的两款基于存算一体架构的AI芯片——后摩鸿途®️H30智驾芯片与后摩漫界™️M30边端大模型AI芯片，涵盖技术特点、性能表现、应用场景以及存算一体架构的核心优势，帮助读者全面理解这一前沿技术。

一、后摩智能与存算一体架构简介

后摩智能是一家专注于存算一体芯片技术的创新型企业，成立于2020年。公司基于先进的存算一体技术和存储工艺，致力于突破芯片的性能与功耗瓶颈。存算一体架构将存储和计算功能融合，比传统架构更接近人脑的计算方式，具备远高于传统方式的计算效率。

小提示： 存算一体架构的核心思想是“在存储中计算”，避免数据在存储器和处理器之间频繁搬运，从而大幅降低功耗和延迟。

二、第一款芯片：后摩鸿途®️H30——面向智能驾驶的存算一体芯片

2023年5月10日，后摩智能发布了其第一款芯片产品——后摩鸿途®️H30智驾芯片。该芯片专为智能驾驶设计，以下是其关键特性：

2.1 性能参数

• 最高物理算力：256TOPS（略高于英伟达Orin-X的254TOPS）
• AI核心IPU能效比：在Int8数据精度下高达15 Tops/W，是传统架构芯片的7倍以上
• 典型功耗：仅35W
• SoC能效比：7.3 Tops/W
• 安全认证：获得ASIL D级功能安全流程认证（车规最高等级）

2.2 架构特点

• 采用SRAM纯数字设计实现存内运算，在存储器内完全实现数据处理
• 基于自研IPU架构——天枢架构，通过多核、多硬件线程以及双环拓扑总线设计，保证计算资源利用效率，并可灵活扩展算力
• 支持外扩Memory，最高带宽128GB/s
• 支持16路FHD Encoder/Decoder和PCIe 4.0等多种接口

2.3 应用能力

• 支持运行点云网络、BEV网络等智能驾驶主流算法
• 能够支持L4级自动驾驶
• 已在无人配送车上完成路测，实现避让前方行人、识别红绿灯等功能
• 基于H30，后摩智能还推出了力驭®智能驾驶计算平台

常见问题Q1： 鸿途H30的256TOPS是物理算力还是有效算力？
A： 原文明确为“最高物理算力达到256TOPS”，指的是硬件设计的峰值算力。在实际应用中，有效算力取决于算法和数据精度，但存算一体架构能有效减少数据传输瓶颈，实际利用率较高。

三、第二款芯片：后摩漫界™️M30——边端大模型AI芯片

近期，后摩智能推出其第二款产品——后摩漫界™️M30边端大模型AI芯片。该芯片在边端设备的大模型部署中展现卓越的性能和能效比。

3.1 核心性能

• 最高算力：100TOPS
• 典型功耗：仅12W，实现高性能与低功耗的完美融合
• 大模型运行能力：支持ChatGLM、Llama2、通义千问等多种大模型；运行Qwen1.5-7B-Chat时，性能可达15-20 Tokens/s

3.2 配套产品

• 智算模组(SoM)：基于M30芯片，支持PCIe EP模式，体积小巧、性能强劲、功耗极低，适合小型化设备和功耗敏感嵌入式场景
• 力谋®️AI加速卡：标准半高半长PCIe加速卡，可在PC、一体机和服务器中快速部署；支持主动散热和被动散热两种模式

3.3 应用领域

后摩漫界™️M30可广泛应用于：

• AI PC
• 边缘AI一体机
• 智能座舱
• 商用显示
• 智能融合网关
• NAS（网络附加存储）等

小提示： M30的12W功耗在大模型推理场景中非常突出。传统GPU运行类似模型通常需要几十瓦甚至上百瓦，而M30凭借存算一体架构大幅降低了数据传输能耗。

常见问题Q2： M30能支持多大规模的模型？
A： 官方示例中运行Qwen1.5-7B-Chat（7B参数量）能达到15-20 Tokens/s，说明M30可以流畅运行7B级别的大语言模型。更大规模模型（如13B、70B）需要根据芯片100TOPS算力和显存带宽评估，但M30支持外扩Memory，具备扩展潜力。

四、存算一体架构在边端大模型AI芯片中的核心优势

随着AI大模型部署需求从云端迅速向端侧和边缘侧迁移，AI芯片的性能、功耗和响应速度面临前所未有的挑战。基于存算一体架构的后摩漫界™️M30芯片表现出显著优势：

4.1 性能提升

• 存储单元与计算单元集成在同一芯片上，实现紧密耦合，提高数据处理速度和效率
• 数据在芯片内部直接计算，避免传统架构中数据在存储器和处理器之间频繁传输产生的延迟，尤其适合实时性要求高的边端应用

4.2 功耗降低

• 减少数据传输的能量损耗，在保持高性能的同时显著降低功耗
• 采用非易失性存储介质（如ReRAM）的存算一体芯片，在无数据读写时可保持极低静态功耗，甚至为零功耗

4.3 数据处理效率

• 避免数据大量搬运，减少带宽需求，提高效率
• 支持更多并行计算任务，提升芯片整体处理能力和吞吐量

4.4 成本控制

• 可在不依赖先进制程的前提下，通过优化芯片设计和算法实现较高算力和能效比，降低生产成本
• 减少对外部存储器的依赖，降低系统整体成本

4.5 适用场景

• 特别适用于对算力、功耗和实时性有较高要求的边端设备，如智能手机、可穿戴设备、智能家居设备等
• 在大数据处理和AI推理等应用场景中，提供高效数据处理能力和低延迟响应速度

小提示： 存算一体芯片的“零静态功耗”特性在电池供电的物联网设备中尤为珍贵，可大幅延长待机时间。

五、总结与展望

从后摩鸿途®️H30到后摩漫界™️M30，后摩智能展示了存算一体架构在智能驾驶和边端大模型两个重要赛道上的强大潜力。M30以100TOPS算力、12W功耗、支持主流大模型的能力，为边端AI部署提供了高能效比的解决方案。随着AI大模型向边缘和端侧持续渗透，存算一体芯片将在未来智能终端、工业自动化、物联网等领域发挥越来越重要的作用。

常见问题Q3： 存算一体芯片与传统的冯·诺依曼架构芯片相比，最大的区别是什么？
A： 传统冯·诺依曼架构中，存储和计算是分离的，数据需要在存储器和处理器之间反复搬运，导致“存储墙”和功耗瓶颈。存算一体架构将计算单元集成在存储单元内部，直接在存储位置完成计算，避免了数据搬运，从而大幅提升能效比和响应速度。