据韩媒报道，美光科技副总裁Lee Cheol近日透露，该司正在研发面向物理AI（Physical AI）的专用存储芯片——边缘推理内存（Edge Inference Memory，EIM），并已就适配自动驾驶、人形机器人、AR/VR等新兴市场的产品方案与核心客户展开讨论。

EIM：介于AI芯片与内存之间的高速通道

EIM的核心架构是在负责AI计算的逻辑芯片（Logic Die）之上堆叠LPDDR，以高速处理AI推理所需数据。其目标是缩短AI半导体与内存之间的数据处理延迟，同时提升系统带宽。

EIM与存内计算（PIM）并非同一路线。PIM是在存储器内部嵌入运算单元，而EIM部署在AI芯片与内存之间，两者的共同点是都围绕AI主芯片提升数据处理效率。目前，EIM的具体计算架构和目标性能指标尚未公开。

美光正在推进将EIM集成至LPDDR6的方案，预计其量产时间为2028年下半年。

为什么需要EIM：机器人正在从“低功耗优先”走向“带宽优先”

与传统工业机器人按预设动作重复执行不同，人形机器人需要主动感知环境并自主决策，涉及视觉、听觉、重量、触觉等多路传感器数据的实时采集与控制。由于依赖电池供电，能效比至关重要，因此现阶段人形机器人普遍采用LPDDR等低功耗内存，而非数据中心常用的HBM。

但问题在于，随着AI模型参数规模持续扩大，传统LPDDR的带宽已逐渐难以满足需求。Lee Cheol表示，当前机器人AI模型参数量多在10亿至20亿之间，带宽需求尚不突出；但随着视觉语言模型（VLM）等更先进模型引入，仅靠LPDDR将难以为继，未来人形机器人也可能会逐步过渡到HBM架构。

容量需求激增：高性能人形机器人或需200GB DRAM + 4TB存储

美光预测，未来高性能人形机器人将需要约200GB DRAM和4TB存储空间；而当前主流服务型机器人通常仅配置12GB DRAM和256GB存储。

Lee Cheol称，现有DRAM和存储架构已难以满足物理AI市场的需求，美光正从早期系统设计阶段与机器人制造商、芯片方案商以及超大规模云服务商展开合作。

市场意义

EIM并非面向传统服务器市场，而是针对端侧、电池供电、低延迟、高带宽的物理AI场景。若2028年下半年如期量产，它可能成为LPDDR向高带宽推理场景延伸的重要尝试，也可能进一步推高人形机器人、自动驾驶和AR/VR终端对存储容量与带宽的需求预期。