是的，IT资讯报道会涉及存内计算（Processing-in-Memory, PIM），尤其是近两三年，随着AI大模型和数据处理需求的爆发，存内计算作为一个突破“冯·诺依曼瓶颈”的关键技术,获得了不少专业媒体和行业分析机构的关注。
虽然它不像GPU、CPU或英伟达的新闻那样频繁出现在大众科技头条，但在半导体、芯片设计、高性能计算（HPC）和AI硬件领域的专业资讯中，存内计算是一个重要的报道方向,报道通常集中在以下几个方面：
技术与产品发布
- 三星的HBM-PIM和高带宽内存：三星是存内计算的积极推动者，其将AI处理单元直接集成到高带宽内存（HBM）中的产品（如HBM-PIM，Processing-in-Memory），经常被报道，三星在2021-2024年间多次发布相关研究成果和量产计划，并展示其如何在数据中心中降低功耗、提高速度和延迟。
- SK海力士的AiM和GDDR6-AiM：SK海力士也在发展自己的存内计算方案，特别是针对GDDR6内存的AiM（Accelerator-in-Memory）技术,用于加速AI推理和数据处理。
- 初创公司进展：许多专注于存内计算的初创公司（如美国的Mythic, Upmem，以及国内的知存科技、苹芯科技、后摩智能等）的融资、芯片流片、量产里程碑,是IT资讯报道的热点。
- 新架构与材料：学术界和实验室层面的突破，比如基于SRAM、DRAM、闪存（如RRAM/MRAM等新型非易失性存储器）的存内计算设计，也经常被新闻报道，2024-2025年间，不少关于基于铁电晶体管（FeFET）或忆阻器（Memristor）的存内计算芯片进展被报道。
应用与案例
- AI边缘计算与物联网：存内计算在端侧设备（如智能音箱、手机、传感器、可穿戴设备）上用于低功耗、低延迟的AI推理，是报道的常见场景，报道会对比其与传统方案（如NPU/TPU）在能效比上的优势。
- 数据中心与大模型：随着大模型（如GPT、Llama系列）对显存和带宽要求极高，如何用存内计算缓解“内存墙”问题（计算单元等待数据传输而闲置）成为关注点,资讯会讨论PIM如何帮助训练或推理加速。
- 数据库与数据分析：针对内存数据库（如Redis、Memcached）或大数据处理（如MapReduce、SQL查询加速）的存内计算方案，例如UPMEM公司提供的商业产品,其案例也会被报道。
产业与市场分析
- 市场预测：研究机构（如Yole、Omdia）会发布存内计算市场规模、增长率和未来趋势的预测报告,这些常被IT资讯引用。
- 技术路线图对比：报道会分析存内计算与存算一体（Compute-in-Memory, CIM）、存内处理（Processing-in-Memory）等概念的区别，以及与其他加速技术（如近存计算、CXL互连）的比较。
- 商业模式与挑战：讨论存内计算的商业化难点（如芯片设计复杂度、软件开发工具链不成熟、与现有生态兼容性），以及大厂（三星、SK海力士、台积电、英伟达）的布局策略。
重大会议与论文
- 顶级会议：ISSCC（国际固态电路会议）、IEDM（国际电子器件会议）、HPCA、ISCA等芯片和体系结构会议上的存内计算相关论文和演示,会转化为新闻报道。
- 科研突破：例如斯坦福、MIT、清华大学、中科院计算所等机构在存内计算新器件或算法上的成果。
在哪里可以找到这些报道？
- 专业科技媒体：EETimes（电子工程专辑）、AnandTech、Semiconductor Engineering、EEJournal，中文媒体如电子工程专辑、半导体行业观察、36氪、机器之心、量子位等。
- 厂商新闻稿：三星、SK海力士、Mythic、UPMEM、知存科技等公司的官网和PR。
- 学术与产业研究报告：Yole Group、Omdia、IDC等。
是的，IT资讯会报道存内计算，但目前它更多是作为一项前沿技术出现在专业领域内，而不是像消费级产品那样的日常热点，如果你关注AI硬件、芯片设计、未来内存技术，你会经常看到相关报道，如果你只是关注日常数码产品,可能接触较少。
