美光研发边缘推理内存 EIM：人形机器人的下一场内存战争，2028 年开打

人形机器人走向量产的最后一公里，可能不在电机，也不在灵巧手，而在内存。

10 月 16 日，在首尔 COEX 举行的韩国半导体展 SEDEX 2026 上，美光高管李哲披露，公司正在研发面向物理 AI 的专用存储芯片——边缘推理内存（Edge Inference Memory，EIM），并已与核心客户展开联合开发。按照美光的说法，自动驾驶、人形机器人、AR 与 VR 正在把“物理 AI”推成一个独立市场，而现有存储架构并不能自然接住它。

一分钟速览

• EIM 在逻辑芯片之上垂直堆叠低功耗内存 LPDDR，物理位置介于 AI 处理器与内存之间，目标是降低推理延迟、提高系统带宽。
• 它与存内计算 PIM 不是同一路线：PIM 把计算单元放进存储器内部，EIM 的具体计算架构尚未公开。
• 美光正在推进把 EIM 集成进 LPDDR6，业内预计量产时间在 2028 年下半年。
• 美光判断，高性能人形机器人最终需要约 200GB DRAM 和 4TB 存储，而当前主流服务机器人通常只有 12GB DRAM 加 256GB 存储。

为什么机器人需要一块“专门的内存”

数据中心里的 AI 芯片可以插着电源、顶着风扇，用 HBM 把带宽堆到极限。机器人不行。它靠电池工作，对能效比极其敏感，因此现阶段普遍采用 LPDDR 这类低功耗内存，而不是 HBM。

问题在于，机器人要处理的信息比聊天机器人复杂得多。视觉、听觉、重量感知、触觉质感，多路传感器同时输入，模型还要在几十毫秒内完成感知、决策和控制。李哲提到，目前机器人所用的 AI 模型参数量多在 10 亿到 20 亿之间，对带宽的需求还算温和；但随着视觉语言模型进入机器人本体，仅靠传统 LPDDR 会越来越吃力。

EIM 的思路，是在不改变机器人低功耗前提的情况下，把“推理数据的高速通道”单独做出来。它堆叠在逻辑芯片上，靠近计算发生的地方，减少数据在处理器与内存之间来回搬运的次数。对于实时控制类任务，延迟每降低一点，机器人的动作就能更稳、更安全。

真正的信号：存储规格正在被机器人改写

更值得关注的不是 EIM 这一块芯片，而是美光给出的容量预期。200GB DRAM 加 4TB 存储，意味着未来一台高性能人形机器人，存储配置会接近一台小型工作站。作为对比，今天的服务机器人只有 12GB 和 256GB，两者之间不是渐进升级，而是数量级跳跃。

这背后是模型规模与传感器数量的双重膨胀。机器人不仅要“记住”当前环境，还要保留任务历史、地图、用户偏好和安全约束；端侧大模型、世界模型、多模态记忆都会争夺同一块存储预算。谁能把带宽、容量和功耗同时压进机器人的热与电预算里，谁就能拿到下一轮硬件定义权。

美光同时判断，机器人最终也会走向 HBM。这句话的含义是：物理 AI 的存储路线不会一步到位，而是先从 LPDDR 加 EIM 的过渡方案开始，再随着 VLM 规模上升，逐步引入更高带宽的堆叠内存。对存储厂商来说，这是一条可以提前卡位的新产品线；对机器人厂商来说，则意味着系统设计要更早把内存纳入考量，而不是等芯片选型完成后再补。

趋势洞察

过去两年，AI 硬件的叙事集中在 GPU 和 HBM。EIM 提醒我们，推理下沉到端侧之后，竞争会从“算力峰值”转向“数据搬运效率”。机器人、汽车、AR 眼镜都不会复制数据中心的形态，它们需要一套以功耗为硬约束的存储分层：近端用高速低功耗内存，远端用大容量闪存，中间用专用推理内存衔接。

2028 年听起来还远，但芯片的定义周期本来就在三年前开始。美光现在与机器人制造商、芯片方案商和云厂商一起做早期系统设计，抢的正是这个时间差。下一代人形机器人的竞争力，很可能不只在“大脑”有多聪明，还在“记忆”有多快、多省、多可靠。