電子發燒友網報道（文 / 吳子鵬）作為全球集成電路設計領域的頂級盛會，ISSCC 自 1953 年創辦以來，一直是世界最前沿固態電路技術的首發陣地，被譽為 “芯片設計國際奧林匹克會議”。ISSCC 2026 上，清華大學、華為與字節跳動聯合團隊在會上發布論文《HYDAR: A Hybrid In-Memory Computing Framework for Efficient Recommendation System Acceleration》（HYDAR：面向高效推薦系統加速的混合存內計算框架），首次提出基于 28nm 工藝的混合存內計算（Compute-in-Memory, CiM）芯片，為 AI 推薦系統（RecSys）的能效瓶頸帶來革命性突破。

這款芯片的核心突破在于，通過創新架構設計，將推薦系統核心運算的效率和能效提升 1–2 個數量級（QPS 提升 66 倍，QPS/W 提升 181 倍），為打破困擾行業多年的 “存儲墻” 提供了全新路徑。

?

痛點攻堅：推薦系統硬件困局亟待破局

在數字經濟時代，推薦系統已成為連接用戶與內容、產品的核心樞紐。無論是短視頻分發、電商推薦還是智能搜索，背后都依賴海量用戶行為數據的實時分析與精準匹配，而這一過程的核心運算單元是相似向量檢索（SVS）—— 通過計算查詢向量與大規模向量庫之間的距離，檢索出 Top-K 最鄰近向量，進而實現個性化推薦。

然而，SVS 運算長期面臨 “高耗低效” 的行業痛點。據聯合團隊論文披露，傳統基于 CPU 或 GPU 的架構中，數據需要在處理器和內存之間頻繁搬運，SVS 占據了推薦系統絕大部分的計算時間與功耗。核心癥結在于外部存儲器訪問（EMA）的高昂開銷：采用混合鍵合技術的 DRAM 加速器成本居高不下，難以大規模普及；基于 NAND TCAM 的加速器則存在讀取延遲高、數據與距離表示精度有限等問題，無法滿足實時推薦需求。

SVS 的現有困境，為新型計算架構的誕生留下了空間。

HYDAR 框架：三大創新協同破局

HYDAR 芯片的創新之處，在于采用基于電阻式隨機存儲器（RRAM）的混合模數存內計算架構。與傳統計算架構 “數據存儲與計算分離” 不同，基于 RRAM 的存內計算（Compute-in-RRAM, CiR）將計算單元與存儲單元深度融合，能最大限度減少數據移動，具備存儲密度高、并行度極大的優勢，被公認為深度學習加速極具前景的技術路線。

不過，在此之前將 CiR 應用于 SVS 仍面臨多重挑戰：隨著向量庫規模擴大，能耗與延遲會急劇增加，同時會降低處理單元（PE）利用率與吞吐量，還可能導致檢索精度下降。如何解決這些矛盾，成為全球芯片設計領域的研究熱點。

針對上述痛點，清華、華為、字節跳動聯合團隊提出的 HYDAR 框架，通過 “硬件架構 + 數據流調度 + 檢索策略” 三維協同優化，成功實現了 CiR 技術在推薦系統加速器中的高效應用。基于該框架，團隊采用 28nm 工藝流片實現了一款 CiR 原型芯片，包含 36M RRAM 單元，分為 16 個并行 PE，每個 PE 包含一個 288×4096 陣列。

根據論文，HYDAR 芯片集成三大核心技術以應對實際應用挑戰：
動態延遲模數轉換器（DL-ADC）：實現非 Top-K 計算的早期終止。在向量檢索過程中，芯片能提前將計算出的距離與閾值比較，直接跳過不可能成為最優結果的向量，大幅降低不必要的計算延遲與功耗。

基于預測的預取調度流水線（PPSP）數據流：針對推薦系統中常見的非規則、動態變化的工作負載，該技術能智能預測數據訪問模式、優化調度，顯著提升系統吞吐量。

由粗到精（Coarse-to-Fine）檢索架構：該設計在保證系統召回精度的前提下，實現檢索任務的高效分層處理，使得系統能夠輕松擴展至百萬甚至更大規模的向量庫，滿足商業級推薦系統需求。

?


據聯合團隊在 ISSCC 2026 上披露的實測數據，這款基于 HYDAR 框架的 28nm CiR 芯片表現亮眼：單芯片可實現 390K QPS 的吞吐率與 1574K QPS/W 的能效比，其構建的多芯片系統可支撐百萬級實時端到端推薦系統。在實際推薦系統任務中，當芯片擴展至 576M 規模的多芯片系統時，QPS 較傳統方案提升 66 倍，QPS/W 提升 181 倍，而檢索準確率與 CPU 方案相當，實現 “高效、節能、精準” 三重目標。

HYDAR 芯片的成功驗證，不僅為推薦系統這一特定場景帶來革命性的能效提升，其混合模數存內計算的設計思路更具普適意義。隨著大模型向端側部署、邊緣計算需求爆發，對高能效、低延遲 AI 計算硬件的需求日益迫切。HYDAR 芯片能夠以極低功耗，支撐電商、內容平臺等所需的百萬級實時端到端推薦系統，有望將相關數據中心的算力成本降低一個數量級。

未來展望：從存內計算到存內智能

此次清華、華為、字節跳動的聯合突破，不僅為推薦系統硬件加速提供全新路徑，更對我國集成電路產業與 AI 生態發展具有深遠意義。從技術層面看，該成果填補了存內計算技術在推薦系統專用加速器領域的空白，驗證了 28nm 工藝下 CiR 技術的商業化可行性 ——28nm 工藝兼具性能與成本優勢，相較于先進制程更易實現規模化量產，為后續技術落地奠定基礎。

對于產業而言，HYDAR 框架的成功，為存內計算技術在特定應用領域的深化應用指明方向。未來發展趨勢可能包括：

·技術路徑分化與融合：存內計算領域存在基于 SRAM 的極速能效路徑與基于新興存儲（RRAM）的大容量端側路徑。HYDAR 代表了后者，未來兩條路徑可能在不同應用場景中各自發展，也可能出現融合架構。

·從存內計算到存內智能：隨著技術成熟，計算可能不再是 “存內計算”，而是 “存內智能”—— 存儲器不僅是計算單元，更是智能決策單元。HYDAR 中的預測調度、自適應閾值等技術，已經展現出這種 “存內智能” 的雛形。

·生態系統構建：技術突破需要配套的軟件棧、開發工具和標準支持。未來可能出現針對存內計算架構優化的編程模型、算法庫和開發框架，降低開發者使用門檻。

·新材料新器件探索：RRAM 作為新型存儲器件，其非線性等特性曾是應用障礙，HYDAR 通過補償算法等克服了這些挑戰。未來可能出現更適合存內計算的新材料新器件，進一步提升性能。

多位行業專家分析認為，隨著存內計算技術不斷成熟，其有望成為下一代 AI 硬件的核心架構之一。