复旦大学唐红雨&郭睿倩等前沿展望：面向后冯·诺依曼智能的感存算一体化前瞻

In Sensor Memory Computing for Post Von Neumann Intelligence: A Perspective

Hongyu Tang*, Ninghai Yu, Pengsheng Min, Ruiqian Guo*, Guoqi Zhang

Nano-Micro Letters (2026)18: 338

https://doi.org/10.1007/s40820-026-02191-y

本文亮点

1. 全面梳理了感存算一体(In Sensor Memory Computing, ISMC)在“材料-器件-架构-算法”全栈维度的关键技术突破与演进脉络。

2. 阐述了ISMC在实时自主系统、分布式群体智能、极端环境等场景下的超低功耗物联网节点以及超低延迟边缘计算特性，为拓展后摩尔时代智能应用边界提供有力的硬件支撑。

3. 展望了ISMC规模化商业化路径，提出建立全球性的产学研合作网络、制定以应用为中心的基准测试协议，并构建跨学科的生态系统，为ISMC的产业化落地提供了路线图建议。

研究背景

人工智能、泛在传感与边缘计算的飞速发展，让传统冯·诺依曼架构的底层缺陷彻底暴露：传感、存储、计算的物理分割导致大量数据迁移，引发内存墙、功耗墙、带宽墙三重瓶颈。后摩尔时代，晶体管微缩逼近物理极限，仅靠工艺升级已无法满足智能系统的性能需求。近传感计算、存内计算等方案虽能缓解部分问题，但仍未摆脱模数转换(ADC)高开销、模块分离的核心局限。如何在硬件层面实现感知-存储-计算的深度融合，打造高能效、低延迟的边缘智能硬件，成为后冯·诺依曼时代的核心科学与工程难题。

内容简介

针对传统计算架构的底层瓶颈，复旦大学唐红雨、郭睿倩团队联合荷兰代尔夫特理工大学张国旗教授，全面梳理了近年来ISMC在“材料-器件-架构-算法”全栈维度的关键技术突破与演进脉络。研究显示，新型功能材料与三维异质集成技术推动ISMC向多模态、高密度系统级架构升级，神经形态算法与硬件物理特性深度适配，大幅提升计算能效与实时性。文章系统阐述了ISMC在自主系统、智能基建、低功耗物联网与隐私保护型生物医疗等场景的应用价值，分析了全球产学研布局与专利态势，明确了产业化阶段。针对器件固有变异性、可靠性、规模化集成等难题，团队提出构建全球产学研合作、应用导向基准测试与跨学科生态体系，为ISMC产业化落地提供清晰路径。

图文导读

I ISMC核心技术体系

(一)架构演进与工作机理

ISMC的架构创新脉络如图1所示。ISMC是传统冯·诺依曼架构(VNA)近传感计算(NSC)、存内计算(IMC)和感内计算(ISC)的自然演进，通过3D异质集成将传感、存储、计算层垂直堆叠，能够缩短信号路径、摆脱ADC速度与能耗限制、集成功能特征以及实现数据本位处理，从而大幅降低数据迁移量与能耗。对比传统架构，ISMC将运算能效从100pJ/Op提升至10fJ/Op，实现数量级突破。

图1. 计算架构从VNA向ISMC的演变。

其工作机理深度借鉴生物系统，以人类视网膜为例，光感受器和神经层在信号传输至大脑皮层前完成并行预处理，减少冗余数据传输(图2)。ISMC早期以视觉感知为核心，现已扩展至多模态感官处理，可整合光、电、热、气体等多种物理刺激，实现跨模态信息的原位处理。

图2. 类脑视觉感知中a 生物视觉、b 传统传感与c ISMC架构的比较。

(二)工艺流程与硬件验证

ISMC常采用单片式三维集成(M3D-SAIL)芯片制造流程，以图3的铟镓锌氧化物(IGZO)基ISMC架构为例，其核心分为三层：第一层为硅基CMOS控制电路，第二层为基于单晶体管-单电阻(1T1R)、阻变随机存取存储器(RRAM)和IGZO晶体管的模拟存算阵列，第三层为光电传感阵列。通过通孔等层间互联方案完成垂直堆叠，实现感存算功能的硬件级融合。

图3. ISMC的3D集成制造工艺流程示意图。

基于忆阻器卷积神经网络(mCNN)的硬件实验验证了ISMC的技术优势(图4)。该网络依托忆阻器交叉阵列完成模拟乘累加(MAC)计算，输入电压转化为与器件导通度成正比的电流，源线电流求和直接输出运算结果，消除重复ADC与集中处理，在图像识别等任务中展现出高并行性、高能效的核心特征。

图4. 基于忆阻器CBAs的卷积神经网络(CNN)硬件实现。

(三)核心技术优势

如图5所示，ISMC架构具有以下五大核心优势：通过感存算的物理融合消除模块间冗余数据搬移并大幅降低ADC能耗开销而具备的“超高能效”，采用原位计算模式绕开多级ADC与长距离数据传输链路以实现的“极致低延迟”，将感存算进行单一硬件基板集成并且摒弃分立组件面积冗余从而拥有的“高集成密度”，依托分布式并行阵列实现算力随阵列规模近线性增长而具备的“线性可扩展性”，以及数据在感知端完成原位处理与特征提取、仅传输精简结果并从硬件层面降低数据截获与篡改风险以实现的“原生数据安全性”。

图5. ISMC架构的核心技术优势

II 全球发展态势

(一)研究布局与论文分布

2015至2025年，全球ISMC相关学术出版物达3681项，研究热点集中于突触材料、多模态神经形态传感、异构集成芯片架构(图6)。从地域分布来看，中国以37.3%的占比位居全球首位，美国、欧洲、韩国、印度紧随其后，马来西亚、俄罗斯、瑞士等国也积极布局，ISMC已从学术探索进入多区域、多产业竞争阶段。

图6. 2015–2025年全球ISMC研究论文分布情况。

(二)ISMC系统的典型架构

图7展示了ISMC系统的发展历程与三类典型架构。其发展历经三个阶段：70年代至21世纪初的物理基础积累、2010—2020年的2D平面阵列集成，以及2021年以来的3D集成探索，实现了感存算从分立走向深度融合、从2D平面走向3D垂直扩展的转变。电学ISMC以忆阻器件为核心，迭代至3D异构集成，依托1T1R结构解决串扰，打破存储与计算分隔，具备高密度、低功耗并行计算优势；光学ISMC全程在光域完成传感与计算，仅需少量电光转换，凭借光子特性实现高速高能效；光电混合ISMC融合光、电优势，支持电气控制-光学读出与电光共调制模式，可适配CMOS系统与复杂神经形态计算场景。

图7. 电学、光学及光电混合ISMC系统的典型架构。

(三)ISMC材料发展历程

ISMC材料体系历经三个阶段迭代(图8)：2000年前为基础奠基阶段，以硅基、金属氧化物材料为主，完成单功能器件验证；2010-2020年进入低维集成阶段，0D量子点、1D纳米线、2D石墨烯等低维材料推动器件向多功能集成转变；2021年至今为多维度混合融合阶段，多维复合异质结构、有机半导体与生物兼容材料协同提升器件性能与集成密度，为3D异构集成与多模态感知提供关键材料支撑。

图8. ISMC材料和器件的演化路线。

(四)神经形态器件的发展历程

如图9所示，神经形态器件已从基础仿生走向硬件自主智能，整体分为三个阶段：2010–2022年为突触器件仿生探索阶段，重点验证基础突触可塑性，搭建神经形态计算基础单元；2018–2023年为系统级架构集成阶段，通过三维堆叠与多模态融合实现层级化系统，落地感算近存边缘计算；2023年后进入本征可重构智能阶段，依托材料本征特性实现材料内计算与原位自适应学习，完成从被动计算到主动认知的跨越。

图9. 神经形态器件的发展历程——从突触器件到内生智能器件。

(五)神经网络的发展历程

ISMC算法与硬件深度绑定，神经网络逐步实现全栈协同(图10)：2019年ANN搭建算法-硬件基础框架；2020年CNN与忆阻器阵列融合，SNN以事件驱动降低功耗；2021年储备池计算(RC)简化部署流程；2024年卷积-脉冲混合神经网络(CSNN)与跨模态感觉神经元问世，深化器件与计算的融合层级。

图10. 2019-2025年ISMC领域神经网络的演进历程。

III ISMC前沿应用场景

(一)传感接口物理信息过滤

ISMC作为“传感接口物理信息过滤器”，采用传感内压缩感知与原位特征提取，在前端完成数据预处理，仅传输高语义特征向量而非原始数据，从根本上缓解智慧基础设施的数据洪流与带宽瓶颈，大幅降低传输与后端计算开销，适配数据密集型边缘智能场景。

图11. 基于2D材料器件的片上神经形态计算途径。

(二)边缘智能与极端环境感知

在超低功耗边缘物联网领域，ISMC硬件可实现近零待机功耗，完成危险气体原位感知与分类，支撑偏远区域传感节点长期自主运行；在航空航天、核设施等极端环境中，自旋电子神经形态硬件凭借本征抗辐射、耐高温特性，在强辐射、高温条件下稳定工作，为严苛场景提供高可靠智能感知方案。

图12. ISMC技术在“超低功耗边缘物联网环境监测”与“航空航天极端环境智能感知”的典型应用。

(三)现实世界的动态变化计算

基于光子神经形态处理器的ISMC系统，可物理解耦混合视觉刺激，直接处理偏振、多光谱等传统RGB传感器无法捕捉的信息，仅计算动态变化、忽略静态背景，模拟生物视网膜功能，实现高速运动识别与轨迹跟踪，适用于表面缺陷检测、电晕放电监测等工业场景。

图13. 基于光子神经形态处理器的全集成多维光学传感。

(四)未来自主智能范式

ISMC正迈向系统级自主智能，形成三大未来范式(图14)：一是原位持续学习，硬件脱离云端重训练，自主适应环境变化；二是闭环生物混合接口，生物兼容阵列完成生理信号解码与治疗刺激输出，适配植入式医疗；三是去中心化群体感知，多智能体通过稀疏特征实现分布式协同，支撑无人系统、群体机器人应用。

图14. 面向系统级自主性的ISMC未来范式与实现路径。

IV 全球产学研生态与商业化路径 

(一)专利与研发布局

全球ISMC专利布局呈现跨行业融合特征(图15)：高通、IBM、英特尔等半导体企业主导基础硬件知识产权；三星、苹果、谷歌等消费电子企业聚焦边缘AI与系统应用。全球产学研合作(IAR)形成差异化格局：美国侧重商用化应用，欧洲深耕基础科学，中国推进垂直整合与产业落地，韩国依托供应链优势加速器件迭代。

图15. ISMC和神经形态计算领域的全球前15名企业专利持有者。

(二)ISMC领域的IAR策略格局

如图16所示，全球产学研(IAR)合作是推动ISMC发展的关键力量，形成了优势互补的多元生态。美国侧重商用应用与算法收敛，欧洲聚焦基础科学与器件可靠性，中国强调垂直整合与产业落地，韩国依托供应链与显示制造优势快速迭代器件。学界、国家实验室与企业深度协同，推动ISMC技术融入成熟半导体流程。全球协同整合区域优势，共同推动ISMC生态进入后冯・诺依曼智能发展新阶段。

图16. 全球ISMC中IAR策略格局。

(三)ISMC的技术成熟度和商业化路线

ISMC商业化分为四个阶段，技术成熟度(TRL)逐步提升(图17)：2024年前为技术攻关与原型验证期，市场规模2800万美元；2024-2027年进入量产爬坡期；2027-2029年实现大规模商用，规模达8.22亿美元；2029-2034年成为主导架构，市场规模突破83.2亿美元，迎来指数级增长。

图17. 2024年到2034年及以后ISMC技术成熟度和商业化路线图。

V ISMC的挑战与未来展望

ISMC规模化落地仍面临器件可靠性不足、规模化集成难度大、标准化体系缺失、产业化工艺壁垒等挑战。未来需通过三大路径突破：一是算法-硬件协同设计，补偿器件非理想特性；二是3D异构集成革新，提升系统集成度；三是构建应用导向基准体系，推动标准化建设。同时依托全球产学研协同，打通材料-器件-架构-应用全链条，加速商用落地。

图18. ISMC系统的挑战与未来展望。

VI 总结

本研究系统构建了ISMC完整技术体系，通过感知-存储-计算的深度融合，从根源破解后摩尔时代冯・诺依曼架构瓶颈。ISMC凭借高能效、低延迟、高集成度等核心优势，成为边缘智能、自主系统、生物医疗、极端环境感知等领域的核心硬件范式。研究明确了材料-器件-架构-算法全栈协同的技术演进路径，以及产学研协同、标准化基准测试、跨学科生态构建的商业化关键要素，为后冯・诺依曼智能硬件的发展提供纲领性指引。未来，ISMC将向多模态感知、原位持续学习、闭环生物集成、分布式群体智能方向演进，不仅支撑智能感知硬件升级，更有望延伸至通用计算领域，推动整个信息产业实现底层革新，成为后摩尔时代智能硬件的核心支撑。

作者简介

关于我们

Nano-Micro Letters《纳微快报(英文)》是上海交通大学主办、在Springer Nature开放获取(open-access)出版的学术期刊，主要报道纳米/微米尺度相关的高水平文章(research article, review, communication, perspective, highlight, etc)，包括微纳米材料与结构的合成表征与性能及其在能源、催化、环境、传感、电磁波吸收与屏蔽、生物医学等领域的应用研究。已被SCI、EI、PubMed、SCOPUS等数据库收录，2024 JCR IF=36.3，学科排名Q1区前2%，中国科学院期刊分区1区TOP期刊。多次荣获“中国最具国际影响力学术期刊”、“中国高校杰出科技期刊”、“上海市精品科技期刊”等荣誉，2021年荣获“中国出版政府奖期刊奖提名奖”。欢迎关注和投稿。

Web: https://springer.com/40820

E-mail: editor@nmlett.org

Tel: 021-34207624

如果文章对您有帮助，可以与别人分享！：Nano-Micro Letters » 复旦大学唐红雨&郭睿倩等前沿展望：面向后冯·诺依曼智能的感存算一体化前瞻