中国日报5月27日电（记者 程钰）芯片产业最残酷的地方在于，它从不奖励短期热闹，只奖励长期积累。

一个更深层的行业转折正在发生。AI大模型把算力需求推向新的极限，摩尔定律放缓、内存墙逼近、数据搬运成本攀升，正在迫使全球芯片产业重新寻找底层架构的答案。5月，华为正式发表韬(τ)定律，释放了中国芯片产业寻找性能突破新路径的重要信号。

在这样的周期（883436）里，研发投入不再只是企业财报中的成本项，而是判断一家芯片公司能否活过技术长跑、穿越产业波动、最终建立护城河的核心指标。尤其对于国产高端芯片企业而言，真正的竞争从来不是一时的融资规模、发布会声量或概念热度，而是谁能持续把钱、人才和时间投入到最难、最慢、也最关键的底层技术中。

知存科技最新披露的《2023-2025年度发展与竞争力系列报告》，正提供了这样一个观察样本：过去三年，这家存算一体芯片企业研发总投入超过15亿元，2025年研发投入同比增长414%，而2026年研发预算将超过过去三年总和。

研发投入不是“烧钱”，而是构建技术复利

存算一体被视为突破“内存墙”的关键路径。其核心逻辑，是让存储与计算更加接近，减少数据搬运带来的功耗与延迟，在AI推理、端侧智能和大模型应用场景中具备天然优势。

但这类底层架构创新并不容易。它不是单纯堆参数、堆算力，而是涉及器件、工艺、架构、算法、软件工具链和应用适配的跨层协同。换言之，真正的门槛不在概念，而在长期投入后的工程化兑现。

知存科技过去三年的研发曲线，正体现出硬科技企业典型的“前重后实”特征：前期持续投入，后期通过产品落地和客户导入形成技术复利。报告显示，知存科技自2023年起持续实现客户交付，2024年营收首次破亿，2026年营收预计创历史新高。这意味着，其研发投入并非脱离商业现实的单向消耗，而是在业务增长中持续反哺技术创新。

对于国产芯片产业而言，这种模式具有更强的样本意义。高强度研发投入如果不能转化为产品、客户和量产能力，容易陷入“实验室创新”；但如果企业能够在收入增长、研发扩张和产品迭代之间形成闭环，就可能从技术追赶走向体系化竞争。

从流片到客户，技术成熟度进入验证期

研发能否真正转化为产业竞争力，最终要看产品能否走出实验室、进入客户场景。

过去三年，知存科技累计流片产品超过10款，累计服务客户超过30家。其中，一个客户定制产品从芯片定义到量产仅耗时1年10个月。这一周期（883436）对于需要深度定制、反复验证的芯片产品而言，反映出企业在设计、流片、封装、测试和量产协同上的工程化能力。

更值得关注的是应用结构的变化。报告显示，2025年，大语言模型应用客户开始导入知存科技产品。公司预计，到2027年，面向大语言模型应用场景的芯片产品出货量将占总产品出货量的80%。

这意味着，知存科技正在从早期更偏端侧、边缘侧的存算一体应用，向大语言模型推理等更高增长、更高价值的场景延伸。随着AI应用从云端训练向端侧推理、多场景部署扩散，低功耗、高能效、低延迟的芯片架构将获得更大的市场窗口。

高端人才密度，决定长期创新后劲

芯片产业的底层竞争，本质上是人才竞争。

报告显示，截至2025年，知存科技研发团队规模突破400人，较2023年增长约141%。其中，博士占比从2023年的5%提升至10%，硕士占比从55%提升至59%，硕博员工人数接近300人。研发团队中，18%来自QS世界大学排名前100高校。

这组数据背后，是国产高端芯片企业人才结构的一个趋势：高学历、年轻化、跨学科团队正在成为底层技术攻关的标配。

知存科技研发团队中，40岁以下员工占比连续三年维持在83%以上，30岁以下员工占比连续三年保持在39%以上。团队成员覆盖材料、物理、微电子、计算机等多个领域，正好对应存算一体技术所需的跨学科特征。

2024年，知存科技发布“天才博士计划”，面向全球招募硕博人才。到2025年，公司入选《麻省理工科技评论》“50家聪明公司TR50”榜单。对于一家硬科技企业来说，人才不是短期扩张工具，而是技术路线能否持续迭代的基础设施。

过去几年，国产芯片行业经历过资本热潮，也经历过估值回调。行业逐渐形成共识：真正能够留下来的企业，不是最会讲故事的企业，而是能在长周期（883436）研发、工程化落地和商业化验证之间持续平衡的企业。

知存科技的样本价值正在于此。它所呈现的不是单一指标的高增长，而是研发投入、产品流片、客户导入、专利沉淀和人才梯队之间的系统联动。