随着DeepSeek等开源大模型掀起算力竞赛，冯·诺依曼架构“存储墙”瓶颈日益凸显。忆阻器存算一体技术让AI计算直接在存储单元内完成，大幅降低数据搬移功耗，成为行业焦点。
在显示驱动领域，清华大学团队将忆阻器存储IP导入OLED显示驱动芯片（DDIC），替代传统SRAM与Flash双片方案，实测功耗降低33%、成本缩减20%，已完成工艺和产线验证并应用于主流屏厂。
面向大模型应用，忆阻器可在CMOS后段高密度集成，单芯片可实现超过1GB片上存储，为生成式人工智能提供高能效硬件支撑；其“片上学习”能力还能在保护用户隐私的前提下实现终端设备自适应学习。