电子发烧友网Elecfans公众号文章

美光官宣研发EIM存储器，专为物理AI边缘推理打造

电子发烧友网综合报道 近日，在首尔举行的韩国半导体展（SEDEX 2026）上，美光科技副总裁李哲向业界透露了

科技与互联网
电子发烧友网Elecfans

公众号 · 20 篇文章

查看主页 →
电子发烧友网综合报道 近日，在首尔举行的韩国半导体展（SEDEX 2026）上，美光科技副总裁李哲向业界透露了一项关键研发计划：公司正与核心客户紧密合作，开发专为物理AI打造的边缘推理存储器（EIM）。

这一消息不仅标志着存储技术路线的重大分野，更预示着人工智能产业正从云端大模型训练，加速迈向以自动驾驶、人形机器人为代表的物理世界交互新阶段。

所谓物理AI，是指能够感知、理解并与真实物理环境进行实时交互的智能系统。与在数据中心处理文本和图像的生成式AI不同，物理AI面临着极为严苛的约束条件。

一辆L4级自动驾驶汽车每秒需处理数TB的多模态传感器数据，并在毫秒级内做出安全决策；一个人形机器人需要在电池供电下完成复杂的运动规划与环境识别。这些场景对存储系统提出了相互矛盾的要求：既需要极高的数据吞吐带宽以支撑实时推理，又必须保持极低的功耗以适应移动平台的能源限制，同时还需具备超低延迟以确保安全性。

传统的存储架构在此显得左支右绌。高带宽存储器（HBM）虽能提供极致性能，但其高昂的功耗和成本使其难以部署于边缘设备；而常规的LPDDR内存虽然低功耗，但在面对物理AI庞大的模型权重和激活值时，带宽瓶颈导致的数据搬运延迟已成为制约推理效率的核心障碍。

业界亟需一种全新的存储范式，能够在功耗、带宽与延迟之间找到专属于边缘推理的最优解。EIM正是为此而生。

根据目前披露的信息，美光EIM采用了在逻辑裸片之上堆叠低功耗DRAM（目前基于LPDDR6）的先进封装架构。这一设计思路看似与存内计算（PIM）或高带宽存储有相似之处，但其内核逻辑截然不同。

HBM的设计哲学是以功耗换带宽，服务于云端训练和大规模推理的吞吐量优先原则；而EIM的设计哲学则是以架构换能效，服务于边缘设备的延迟与功耗优先原则。

通过将存储单元与推理逻辑在封装层面深度融合，EIM大幅缩短了数据在存储与计算单元之间的物理传输路径，从而在根源上降低了数据搬运带来的延迟与能耗。更重要的是，EIM并非追求通用计算能力，而是针对物理AI推理负载的特征进行了定制化优化。

这意味着它可能在数据预取策略、访存模式乃至内部总线协议上，都与传统DRAM有着本质区别。这种专用化正是其区别于现有存储产品的核心价值所在。

业内人士预计，美光EIM将于2028年下半年实现量产。这一时间节点颇具深意。当前，物理AI产业正处于从实验室验证走向规模化商用的关键窗口期，2028年恰好与多家头部车企的下一代自动驾驶平台及人形机器人的量产节奏相吻合。

美光选择此时推出EIM，表明其研发并非孤立的技术探索，而是深度嵌入了下游客户的芯片定义与系统架构设计之中。这也释放出一个重要的产业信号：存储厂商的角色正在从标准化的组件供应商，转变为系统级解决方案的共同定义者。

在物理AI时代，存储器不再仅仅是被动响应读写请求的仓库，而是主动参与计算流程、影响系统整体效能的协处理器。这种转变要求存储企业与AI芯片设计公司建立前所未有的紧密协作关系，而美光所强调的与核心客户紧密合作，正是这一趋势的直接体现。

图片

声明：本文由电子发烧友综合报道，转载请注明以上来源。如需入群交流，请添加微信elecfans999，投稿爆料采访需求，请发邮箱[email protected]。


更多热点文章阅读



点击关注 星标我们



将我们设为星标，不错过每一次更新！

图片喜欢就奖励一个“在看”吧！

前往微信阅读全文

内容来自公众号，可前往微信查看原文。

查看作者的更多文章 →订阅更新、RSS 与阅读指南 →