CHIPSMORE架构重塑大模型推理：异构存算一体化芯片的范式革命

新加坡国立大学研究团队近期发布的CHIPSMORE技术架构，标志着大模型推理加速领域的一场深刻变革。该研究通过引入“互联即计算”（Compute-in-Interconnect）与“存内计算”（CIM）的异构芯片组（Chiplets）方案，精准解决了当前LLM推理面临的内存墙与能效瓶颈。CHIPSMORE的核心创新在于其高度灵活的多模态处理能力，能够同时支持基础模型推理与低秩适应（LoRA）微调任务，这在多请求并发场景下展现出了极高的吞吐量与极低的延迟。 从行业影响角度看，该技术有望彻底打破传统冯·诺依曼架构在处理海量参数模型时的桎梏。通过将计算单元直接嵌入内存及互联链路中，该方案显著减少了数据搬运带来的功耗与时间损耗。对于追求高能效比的边缘计算及高性能服务器市场而言，这一方案提供了极具吸引力的路径。在供应链层面，CHIPSMORE的推出将推动半导体制造产业链向先进封装（Advanced Packaging）方向进一步演进。由于其采用了小芯片（Chiplet）设计理念，这要求代工厂和封测厂商在混合键合（Hybrid Bonding）和高速互联接口技术上具备更强的协同能力，或将促使台积电、日月光等厂商进一步加大对异构集成平台的投入。 展望未来，CHIPSMORE架构的落地将加速大模型应用从云端向端侧渗透。随着硬件厂商开始尝试将此类异构存算架构商业化，推理成本有望进一步下探，进而催生出更多实时、个性化的AI交互体验。然而，该技术的规模化应用仍需克服逻辑电路与存内计算单元在工艺制程协同上的复杂性挑战。总体而言，CHIPSMORE为后摩尔时代提供了一个清晰的演进方向，即通过架构创新与异构集成的双重驱动，实现人工智能计算能效的指数级提升，这将重塑全球AI算力基础设施的竞争格局。