物理AI的記憶體需求將遠比人們預期的更大

$MU 曾表示，人形機器人搭載的記憶體內容是普通L2+車輛的10倍
現今一般車輛約有16GB的DRAM，而L4自動駕駛車輛可能需要超過300GB
人形機器人預計將使用與高端自動駕駛車輛相當的計算平台
既然如此，若物理AI擴展到1億台人形機器人，或同等計算能力的機器人，總DRAM需求將為：
- 1億 × 300GB = 30EB
這相當於2026年全球DRAM產能的約75%
我們已經可以從NVIDIA的Jetson Thor看到這點的證據。該產品針對物理AI應用場景，配備128GB的LPDDR5X和273GB/s的記憶體頻寬，記憶體容量是Jetson AGX Orin的兩倍
______________________
這些記憶體需求的原因是機器人並非運行單一的小型模型
它們需要處理多個攝影機、感測器、深度數據、音訊、觸覺輸入和本體感覺，同時運行感知、推理和即時控制迴圈
像NVIDIA的GR00T N1這樣的視覺-語言-動作模型也增加了記憶體壓力，因為它們結合了視覺理解、語言推理和動作策略生成
______________________
這個機會可能更大
物理AI需要世界模型、模擬、合成數據生成、策略訓練、車隊學習和持續重新訓練
NVIDIA的Cosmos平台就是一個例子，它利用大量影片數據集和世界基礎模型來訓練和評估物理AI系統
這不僅增加了對DRAM的需求，也爆炸性地增加了對NAND的需求