基于Chiplet的图神经网络加速器：高带宽内存与近存计算单元的同构异构集成.docxVIP

基于Chiplet的图神经网络加速器：高带宽内存与近存计算单元的同构异构集成.docx

PAGE2

基于Chiplet的图神经网络加速器：高带宽内存与近存计算单元的同构/异构集成趋势预测报告

摘要

本报告聚焦于采用Chiplet（芯粒）技术构建图神经网络（GNN）专用加速器这一前沿方向，研究周期为2024年至2029年。

核心判断是：为应对图数据极度稀疏且不规则的内存访问模式，以高带宽内存（HBM）与近存计算（Processing-in-Memory,PIM）单元的同构/异构集成为特征的Chiplet方案，将成为突破GNN算力瓶颈的关键路径。

报告预测，至2027年，基于Chiplet的GNN加速器在金融风控与药物发现领域的渗透率将从不足5%跃升至约25%，带动相关AI芯片细分市场规模达到约18亿美元。

全文遵循“环境—现状—趋势—演进—预测—影响—建议”逻辑，首先分析宏观技术与产业驱动因素，再审视AI芯片与GNN加速器行业现状，随后系统研判高确定性趋势与不确定性变量，并构建时间线与三场景量化预测，最后评估对产业链与应用的影响，提出战略建议。读者仅凭本摘要即可把握全文要点与核心结论。

第一章报告概述

1.1研究背景与目标

人工智能芯片正从通用GPU主导的粗放增长阶段，迈向领域专用架构（DSA）精细化设计的新阶段。

图神经网络因能天然处理非欧几里得空间的关系数据，在金融风控的反欺诈、信用评分，以及药物发现的分子性质预测、靶点识别中展现出巨大潜力。