创始人王绍迪和郭昕婕二人，是夫妻亦是战友。

夫妇均毕业于北京大学信息科学技术学院微电子专业，本科毕业后二人选择共同赴美留学。

王绍迪进入加州大学洛杉矶分校攻读博士学位，研究新型存储器，而郭昕婕选择了加州大学圣塔芭芭拉分校，专注研究基于NOR Flash的存算一体芯片技术，并于2016年研发出了全球第一个多层神经网络的存算一体深度学习芯片技术，首次完成了存算一体的芯片验证。

“在传统冯·诺伊曼体系结构中，数据需要从处理单元外的存储器提取，处理完之后再写回存储器，速度慢、耗能高，这是低功耗和高性能之间的矛盾关键点，”王绍迪告诉创业邦：“而存算一体芯片是新型的计算架构，可以使存储器同时拥有计算和存储功能。”

举例来说，以前需要3~4个模块搭载在一起进行存储和计算，数据需要从处理单元外的存储器提取，而有了存算一体技术，一个芯片足以打通存算环节。由此，可以避免数据反复搬运，能大幅提升能效，降低设计难度。

创立之初，国内芯片市场的热点主要集中国产替代，新型应用芯片类似存算一体芯片十分小众，但王绍迪却始终看好该领域，王绍迪介绍，这背后的原因有二：

其一，2016年AI芯片市场规模约10亿美金，预计2025年将达到300~400亿美金规模，复合年均增长率大于50%，市场潜力巨大。

其二，由于存算一体芯片还处于市场空白阶段，并无头部巨头垄断趋势，较其他类型芯片生产周期更长，行业竞品普遍产品化能力较弱，而知存科技已经历六次流片，产品即将上市，具有明显的先发优势。

王绍迪坦言，在存算一体芯片研发中，“如何设计存储器，使其具备处理器的运算能力”是最重要也是最难的部分。这一过程不仅涉及到存储器和模拟电路的设计，还要求企业对芯片不断迭代、修改和优化。这是知存科技近两年做的事。

据透露，知存科技已于年初成功发布了全球首个MemCore001和MemCore001P 两款智能语音芯片样本，支持智能语音识别、语音降噪、声纹识别等多种智能语音应用。

该系列芯片算力是传统芯片的100倍，运行功耗小于300uA，待机功耗小于10uA，可大规模应用于电池供电的小型智能设备、可穿戴设备和有源供电的智能家电、智能控制等设备。

最新消息称，该系列芯片将于近三个月内实现量产，预计年产能可达500万片。

而谈及终端侧的应用问题，王绍迪表示，知存科技主要在高端手机、家电、手表等可穿戴电子科技场景布局。

同时，在战略层面，电子科技下游客户需求端的功能需求类似，主要关注功能升级和外观小型化程度等方面。对此，知存科技可重点在功能性满足等方面发力，助力企业客户强化竞争差异化和壁垒。

现阶段，知存科技已与国内消费电子领域的两家头部企业展开合作，通过芯片+定制优化合作配套服务的模式对外输出，预计一年内可实现规模化营收。

除此之外，知存科技还将在今年下半年推出应用于可穿戴和移动设备的MemCore101芯片，并于明年推出针对电池驱动设备所使用的智能视觉芯片MemCore201芯片。这两款芯片可在低功耗的情况下提高算力50倍，为电池驱动设备赋能强力AI运算，延长待机时间的同时增加智能化功能。

成立三年，知存科技团队已有70人规模，研发人员占比超过60%，其中50%以上拥有硕士和博士学位。核心成员大部分拥有10年以上产业经验，毕业于美国加州大学，洛桑理工、清华大学、北京大学、中国科学院大学、浙江大学、北京航空航天大学、哈尔滨工业大学、华中科大等国内外知名高校。

据悉，知存科技已于2017年、2018年先后获得由产业资本领投的三轮融资，资方包括中芯聚源、普华资本、科大讯飞、招商局创投、三峡鑫泰、启迪之星、名建致真等。

面向未来，知存科技会继续优化底层技术，尽快实现大规模落地，提高市场占比，在低功耗、高算力、实时性要求较高的领域推动技术发展。

文章图片来源于知存科技、图虫，经授权转载。本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系editor@cyzone.cn。

专注存算一体芯片研发，「知存科技」如何打破AI芯片困局？