Chips&Media推出特征图压缩IP，缓解NPU内存带宽瓶颈，FP16压缩率达35.2%

韩国半导体知识产权（IP）供应商Chips&Media于2026年10月6日正式宣布推出新型数据压缩IP——Feature Map Compression IP（特征图压缩IP），旨在解决人工智能芯片中日益突出的内存带宽瓶颈问题。该技术并非面向视频编解码等传统场景，而是首次系统性拓展至AI推理基础设施领域，聚焦神经网络处理过程中产生的中间激活值（即特征图）的高效压缩与无损重建。

在典型的AI推理流程中，神经网络每层输出的特征图需频繁在片上SRAM与外部DRAM之间搬运。以ResNet、MobileNet或YOLO等主流模型为例，一次前向传播可能产生数GB甚至数十GB的中间数据流量。当外部存储带宽不足时，即便NPU（神经网络处理器）算力强劲，也会陷入“等待数据”的空闲状态，造成硬件资源浪费。据行业测算，当前高端AI加速芯片中，数据搬运能耗已占整机功耗的30%–50%，成为制约能效比提升的关键环节。

Chips&Media的解决方案是在数据通路中嵌入轻量级压缩模块：在特征图从NPU写入外部存储前进行实时压缩，读取时再即时解压还原。其核心算法基于C语言实现，符合ISO/IEC标准，可无缝集成至现有AXI总线架构中，部署于NPU与内存控制器之间的数据路径上。关键优势在于“无损压缩”——解压后数据与原始特征图完全一致，确保AI模型推理精度零损失，避免因量化误差导致的准确率下降。

实测数据显示，该IP在主流AI数据格式下表现优异：FP16格式压缩率达35.2%，BF16达45.7%，INT8则高达53.5%。这意味着在同等带宽条件下，系统可处理更多特征图数据；或在维持相同吞吐量前提下，显著降低对高带宽HBM或GDDR6X内存的依赖，从而压缩整机BOM成本。对于边缘端低功耗NPU而言，该技术还能有效减少数据搬运次数，直接降低动态功耗。

值得注意的是，Chips&Media此次布局标志着其业务重心从传统视频IP向AI基础设施的明确转型。该公司长期深耕视频编解码IP市场，产品广泛用于安防、车载与消费电子设备中的H.264/H.265/AV1编码器。此次推出的特征图压缩IP虽技术路径不同，但复用了其在高效算法设计与硬件加速协同优化方面的积累。公司强调，该IP已进入客户验证阶段，目标于2027年第一季度实现量产交付。

这一动向与当前AI芯片整体演进趋势高度契合。台积电在2026年OIP峰会上指出，AI硬件性能提升正从单一依赖晶体管微缩，转向“逻辑-存储-封装-互连-供电”全栈协同优化。其中，内存墙（Memory Wall）被列为三大瓶颈之一——计算能力每18个月翻倍，而DRAM带宽增速仅约10%。为突破此限制，业界正从多个维度发力：一是通过CoWoS等先进封装将HBM就近堆叠于逻辑芯片之上；二是采用存内计算（Computing-in-Memory）架构减少数据移动；三是如Chips&Media所走的“数据压缩”路径，在不改变物理接口的前提下提升有效带宽利用率。

相比之下，压缩方案具备部署灵活、兼容性强、成本可控等优势。它无需重构芯片物理布局，也不依赖新型存储介质，仅需在SoC设计阶段集成少量逻辑单元（估计面积开销小于0.5%），即可获得可观的带宽增益。尤其适用于中低端AI加速芯片、边缘推理设备及对成本敏感的终端产品。

行业观察显示，类似思路已在部分头部厂商内部探索。例如，英伟达在其Blackwell架构中引入了TensorRT-LLM的权重压缩与激活剪枝技术；谷歌TPU v5e也采用了定制化稀疏化与量化策略。但将压缩功能以标准化IP形式对外授权，Chips&Media属业内较早的商业化实践者。其潜在客户包括中国本土NPU厂商（如寒武纪、地平线）、欧洲汽车芯片企业以及东南亚新兴AI SoC设计公司。

与此同时，围绕AI算力基础设施的配套生态也在快速成型。蓝思科技近期披露，其已通过头部算力厂商认证的液冷散热模组、高速光互联组件正进入量产爬坡阶段；并与英特尔合作推进玻璃基板在先进封装中的应用。这些进展共同指向一个事实：AI硬件竞争已从“单芯片性能”转向“系统级能效与成本优化”。内存带宽不再是孤立参数，而是与散热、供电、互连紧密耦合的系统变量。

Socionext等封装方案商提出的“Predict→Choose→Release”方法论进一步印证了这一点：千安级供电、局部热点控制与封装翘曲（Warpage）等问题，必须在设计早期就与电气、热学、机械多学科联合仿真。在此背景下，Chips&Media的压缩IP恰好处在数据通路的关键节点上，成为系统级协同优化中可快速落地的一环。

尽管压缩技术无法彻底消除内存墙，但它提供了一种高性价比的“软件定义带宽”路径。随着大模型轻量化与稀疏化趋势加深，特征图本身的数据冗余度持续提高，压缩潜力仍有上升空间。未来，结合自适应压缩策略（如按层动态调整压缩比）与硬件感知训练（Hardware-Aware Training），此类IP有望进一步释放AI芯片的隐藏性能。

目前，Chips&Media未公开具体授权模式与定价策略，但业内普遍预期其将采用“一次性许可费+版税”组合方式，面向中大规模NPU设计项目开放。随着2027年AI推理芯片出货量持续增长，该IP有望成为新一代AI SoC的标准配置模块之一。