物理AI的内存需求将比人们预期的要大得多

$MU 曾表示，人形机器人携带的内存容量是普通L2+级别车辆的10倍
如今普通汽车大约拥有16GB的DRAM，而L4级自动驾驶汽车可能需要超过300GB
人形机器人预计将使用与高端自动驾驶汽车相当的计算平台
鉴于这一点，如果物理AI扩展到1亿台人形机器人，或计算能力相当的机器人，那么总的DRAM需求将是：
- 1亿 x 300GB = 30EB
这相当于2026年全球DRAM产能的约75%
我们已经在NVIDIA的Jetson Thor上看到了这一点的证据。它面向物理AI应用场景，配备了128GB的LPDDR5X和273GB/s的内存带宽，内存容量是Jetson AGX Orin的两倍
______________________
这些内存需求的原因在于，机器人并不是在运行单个小型模型
它们需要在运行感知、推理和实时控制循环的同时，处理多个摄像头、传感器、深度数据、音频、触觉输入和本体感觉
像NVIDIA的GR00T N1这样的视觉-语言-动作模型也增加了内存压力，因为它们结合了视觉理解、语言推理和运动策略生成
______________________
机遇可能更大
物理AI需要世界模型、仿真、合成数据生成、策略训练、车队学习和持续再训练
NVIDIA的Cosmos平台就是一个例子，它利用海量视频数据集和世界基础模型来训练和评估物理AI系统
这不仅增加了对DRAM的需求，也引爆了对NAND的需求