减少搬运，让推理留在设备里。

把整个大模型，
铸进一块芯片。

GPU、NPU 把大部分时间和电，花在内存与计算单元之间反复搬运权重。燔石反其道而行：让权重住在存储阵列里，数据在原地完成计算。

硅片之内 / ARCHITECTURE STUDY03 / 03

让权重成为硅片的结构。

掩膜权重阵列金属互连层权重固定 · 激活流动

MaskROM · 结构剖面

每 token 外部权重搬运

0MB

运行时保留

就地计算 · 无外部权重搬运

0.8B · INT8 估算，非整机功耗

1. 01

   存算分离

   权重每个 token 都要搬一遍

   传统 NPU / GPU 里，存储和计算是两块硅。生成每一个 token，全部权重都要经过总线走一遍：带宽就是上限，能耗大多花在路上。

2. 02

   存算一体

   把权重放进存储阵列

   燔石把乘加电路做进存储阵列旁边：权重住在阵列里，激活流过去，结果流出来。总线上不再有权重。

3. 03

   MaskROM

   流片时铸进硅片，运行时不再搬运

   掩膜存算一体在流片环节把权重物理写入通孔阵列。芯片出厂时模型已经在里面，功耗与单次推理的边际成本降到最低。

同一个目标，
三条路线。

都是让权重少搬或不搬。区别在于权重放在哪里、模型还能不能改。第一个要回答的问题是：你的模型多久变一次。

延伸阅读

• 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。
• 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。
• 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。