· 存算一体芯片 · Compute-in-Memory
什么是存算一体芯片？原理、三条技术路线与适用场景
存算一体芯片把乘加运算放进存储阵列，权重不再在内存与计算单元之间搬运。本文解释它解决的问题、MaskROM / SRAM CIM / 近存计算三条路线的区别，以及各自适合的端侧场景。
把端侧大模型的问题，一个一个讲清楚。
存算一体、端侧推理芯片选型、推理算力成本、FPGA 原型验证。写给正在为设备选推理方案的工程师与产品团队。
· 端侧推理芯片 · 边缘AI芯片
端侧推理芯片怎么选：从模型、功耗到更新方式的七个问题
为设备选端侧推理芯片时，真正决定成败的不是峰值算力，而是模型是否放得下、功耗是否撑得住、模型能不能更新。本文给出七个必须先回答的问题和一张选型清单。
· 推理算力 · 推理成本
推理算力成本怎么算：API、自建 GPU 与买断式芯片的三年账
推理算力的账要按三年算：API 按 token 计费、自建 GPU 按卡时摊销、专用芯片一次买断。本文给出三种方式的计算口径、一个可复算的例子，以及回本周期的估算方法。
· MaskROM · 掩膜存算一体
MaskROM 掩膜存算一体：把权重铸进硅片意味着什么
MaskROM 掩膜存算一体在流片的掩膜环节把模型权重物理写入硅片通孔阵列，运行时零权重搬运。本文解释它的工作方式、为什么功耗和边际成本最低、它的限制，以及适合的产品形态。
· 大模型 FPGA · 推理 IP
大模型 FPGA 原型验证：从推理 IP 授权到流片的路径
在流片之前用 FPGA 把大模型推理内核跑起来，能提前验证模型映射、接口与系统链路。本文说明推理 IP 授权的内容、FPGA 评估板在项目中的位置，以及从评估到 ASIC 的典型节奏。
· 内存墙 · 端侧大模型
内存墙：为什么端侧大模型跑不动，以及怎么绕过去
大模型推理在解码阶段是带宽受限的：每生成一个 token 都要读一遍全部权重。端侧设备的带宽与功耗预算撑不起这种搬运，这就是内存墙。本文用数字说明这堵墙有多高，以及存算一体与近存计算如何绕过它。
有具体项目要讨论？
发来目标模型、性能与功耗目标，我们回复适配路线与评估方案。