物理AI不是给存储加容量，而是给存储改规矩。
10月16日，首尔江南COEX，韩国半导体展SEDEX 2026的专题论坛“驱动人形机器人的半导体”上，美光高管李哲说了一句分量不轻的话：“现有的DRAM与存储架构，已难以满足物理AI市场的严苛需求。”这不是一句普通的新品预告——全球存储三巨头里，第一个把“机器人”写进产品定义并给出量产时间表的就是美光：它正在研发面向物理AI的边缘推理内存EIM，业内预计2028年下半年量产。换句话说，存储行业的头部玩家已经开始为一种“会移动的算力”重新设计产品。
这不是一次简单的产品线扩充，而是存储行业第一次为一类不插电、会跑会摔的终端重新出题。过去几十年，存储的所有规矩——接口、带宽、功耗、形态——都是围绕三类“固定算力”制定的：桌面PC、手机、数据中心。机器人不一样：它靠电池干活，要在颠簸、震动、断网的物理现场实时决策。云端那套“带宽不够就堆HBM”的解题思路，搬到机器人身上未必成立——与高度依赖HBM的数据中心不同，依赖电池供电的机器人对能效比的要求更为严苛。说白了，数据中心是给算力盖楼，机器人是让算力流浪，流浪汉的行李必须重新设计。
需求端的账并不难算。当前主流服务型机器人的配置是12GB DRAM加256GB存储，跑的是10亿至20亿参数级的小模型；美光预计，未来的高性能人形机器人将需要约200GB DRAM和4TB存储空间——内存容量拉高16倍以上，存储容量拉高15倍以上。传感器是第一推动力：以特斯拉Optimus为例，全身传感器超过40个，环境感知、运动控制、语音交互产生的海量数据都必须就近存储、快速读取。带宽侧的瓶颈来得更急，李哲的判断是：现阶段1B至2B参数的模型对带宽要求有限，但随着视觉语言模型（VLM）上机，仅凭LPDDR将难以为继，人形机器人“必然会向HBM架构演进”。需求曲线也有第三方坐实：Counterpoint Research预计，全球人形机器人DRAM需求将从2026年的约8300 Tbit增至2030年的约17.2万Tbit，增长超过20倍。GGII的口径更直白：全球人形机器人销量将从2024年的1.19万台增至2030年的60.57万台，市场规模从10.17亿美元涨到151亿美元，年复合增速超过56%。
这样的剧本，存储行业其实演过两回。功能机时代，一颗NOR Flash几百MB就够用；2007年iPhone推开智能机时代的门，应用生态把手机DRAM从百MB级一路拉到GB级，LPDDR这个品类才真正成型，低功耗内存带宽至今仍是端侧跑大模型的物理先决条件。第二回是汽车：智能化把消费级颗粒拉进车规认证体系，车规eMMC、UFS硬生生做成了独立赛道。共同规律就一条——每一次计算平台迁移，存储都不是主角，却是格局松动最大的环节；这轮AI行情里SK海力士靠HBM翻身的历史，就是最近的注脚。存储的饭碗，从来是跟着算力平台走的。
让我们设想一下2030年的人形机器人产线：大脑端，英伟达Jetson Thor这类边缘SoC要在本地实时跑数十亿乃至数百亿参数的多模态模型；内存端，EIM这类“在逻辑芯片之上垂直堆叠低功耗DRAM”的新形态介于AI处理器与内存之间，专职压延迟、抬带宽。巨头已闻风而动，国内厂商的卡位也未必是看客：长鑫存储是中国首家量产LPDDR5的厂商，2025年已对手机、PC等AI边缘终端规模化供货；江波龙的车规级UFS 4.1已与全球知名机器人企业开展送样及导入，其自研HLC高级缓存技术可降低终端约40%的DRAM使用量；佰维存储的eMMC、UFS、BGA SSD、LPDDR4X/5/5X产品线也已在具身智能领域铺开。更值得警惕的是预期本身的分裂：Counterpoint沿着已商业化终端的增长路径线性外推，得出5年20倍；马斯克直接驳斥这一预测“荒谬”，放话机器人需要的内存容量将超过地球上其他所有设备的总和。两边说的根本不是同一时间尺度——分析师在算已上市产品的账，马斯克在从具身智能的终点倒推基础设施的上限。对存储厂而言，短期别被20倍冲昏头：人形机器人赛道尚处发展早期，江波龙自己也承认相关业务贡献占比偏低；真正的分水岭在能效比，电池供电的机器人容不下数据中心的功耗预算，谁能把“低功耗”与“高带宽”这对矛盾解到最优，谁才拿得到下一轮船票。
存储这门生意，从来不是被需求匀速养大的，而是被平台迁移重新定义的。一旦机器人有了双手，内存就有了新的度量衡；一旦有了新的度量衡，定价权就会重新洗牌；一旦定价权洗牌，存储格局就轮到敢提前押注的人改写。物理AI的考卷已经发下来，EIM只是美光写下的第一行答案——剩下的分数，要看谁的内存能跟着机器人跑起来。
