当芯片厂商争相为机器人造「大脑」时，内存厂商也在为它造「神经」。据韩国媒体THE ELEC报道，美光正在准备一款专门面向物理AI的内存产品——边缘推理内存（EIM, Edge Inference Memory），目前正与主要客户讨论方案设计。
先把技术路线讲清楚。EIM的思路是把低功耗DRAM（LPDDR）直接堆叠在逻辑芯片之上，让AI推理所需的数据在内存内部高速完成处理，而不必在内存与计算单元之间来回搬运。熟悉半导体行业的人会问：这与存内计算（PIM）有何区别？报道特别指出，两者不是一回事——PIM是把计算单元做进内存颗粒里，EIM则侧重于通过堆叠与封装方式缩短数据路径、提高带宽、降低延迟，本质上是「为推理优化的内存子系统」。对机器人这类端侧设备而言，数据搬运的能耗常常超过计算本身，缩短搬运距离是性价比最高的节能路径。
需求侧的数字更有想象力。据披露，美光测算目前机器人所用的AI模型大约在10亿至20亿参数量级，现有LPDDR已经吃紧；而面向未来的高性能人形机器人，可能需要200GB DRAM搭配4TB存储——作为对照，一台旗舰手机的DRAM不过十几GB。换言之，一台高端人形机器人的内存需求约等于十几台手机，而且要求低功耗、高带宽与实时响应。美光已联合机器人、芯片与云厂商开展前期方案设计。
量产时间表需要谨慎对待：业界预计EIM可能在2028年下半年量产，并可能与下一代LPDDR标准结合——但THE ELEC明确指出，这只是产业界预测，并非美光的正式承诺。芯片产品的研发延期是常态，尤其这是一条全新的产品线。
把这条新闻放进本周的版图里看，脉络就清晰了。本周英特尔预告2028年推出面向物理AI、平台算力700 TOPS的Razor Lake AX处理器；Agility Robotics为Digit 5选定超快充电池方案；加上美光的专用内存——算力、内存、电池，物理AI的三大硬件瓶颈正被逐一专项攻坚。这说明行业判断已经一致：具身智能不是消费电子的附属市场，而是需要从晶圆厂重新设计的独立品类。
从产业观察的角度看，EIM若落地，其意义不亚于当年HBM之于AI训练：HBM解决了数据中心GPU的带宽瓶颈，EIM瞄准的是机器人端侧的延迟与功耗瓶颈。谁先做出机器人专用内存的量产标准，谁就能在物理AI供应链中卡住一个高壁垒位置。
需要说明的是，EIM的最终规格、客户名单与量产时间均以美光正式发布为准。但可以确定的是：机器人的「身体」还在打磨，「神经系统」的军备竞赛已经开始了。