物理AI機器人革命來了？傳美光祕密武器EIM破解HBM耗電痛點
美光研發的EIM技術是什麼？為何對AI機器人很重要？
美光正研發一項名為「邊緣推理記憶體」（EIM）的次世代記憶體技術，旨在結合高頻寬記憶體（HBM）的高頻寬優勢與低功耗記憶體（LPDDR）的低功耗特性。這項技術將低功耗的LPDDR記憶體直接堆疊在邏輯晶片上方，有望在兼顧能源效率的情況下，提高記憶體頻寬並降低資料傳輸延遲。EIM技術被視為支援未來人形機器人自主決策能力的重要硬體發展方向，因為先進AI機器人可能需要高達200GB的記憶體來處理即時影像與語言資訊，並做出複雜的行動決策。
隨著生成式人工智慧（AI）的應用逐步延伸至「物理人工智慧」（Physical AI），全球半導體與記憶體產業正迎來全新賽道。傳統高頻寬記憶體（HBM）雖然具備高頻寬優勢，但其較高的功耗與散熱需求，一直是電池供電及部分非資料中心裝置需要克服的技術挑戰。
根據南韓科技媒體《The Elec》最新披露，全球記憶體巨頭美光（Micron）正研發一項名為「邊緣推理記憶體」（Edge Inference Memory，簡稱 EIM）的次世代記憶體技術，旨在結合 HBM 的高頻寬與 LPDDR 的低功耗特性。業界預估這項技術最快有望於2028年下半年投入商業化量產，被視為支援未來人形機器人自主決策能力的重要硬體發展方向。
人形機器人記憶體需求上看200GB！美光EIM傳2028量產
這項創新技術的研發，主要是為了解決人形機器人與傳統工業、服務型機器人在運算邏輯上的差異。傳統機器人多是重複執行預先寫好的程式碼，而次世代的物理AI機器人，則需要透過視覺、聽覺、觸覺等感測器即時感知環境並自主做出判斷。
目前部分服務型機器人使用的AI模型約有10億至20億個參數，使用傳統 LPDDR 記憶體尚可滿足部分運算需求；但當未來機器人升級至運用即時影像與語言資訊的進階「視覺語言模型」（VLM），並需要更複雜的行動決策時，現行 LPDDR 就可能面臨記憶體頻寬瓶頸。美光主管也曾預估，未來的先進 AI 機器人單機可能需要高達 200GB 的記憶體（RAM）以及約 4TB 的儲存空間，遠超目前部分服務型機器人約 12GB 記憶體及 256GB 儲存空間的規格。
邏輯晶片堆疊LPDDR 有望直接導入LPDDR6
根據南韓媒體披露的架構細節，美光的邊緣推理記憶體（EIM）與目前將運算功能直接嵌入記憶體的 PIM 技術，雖然同樣以提升資料處理效率為目標，但本質上有所不同。EIM 是將低功耗的 LPDDR 記憶體直接堆疊在邏輯晶片（Logic Die）上方，這種堆疊架構有望在兼顧能源效率的情況下，提高記憶體頻寬並降低資料傳輸延遲。值得一提的是，美光尚未公開 EIM 的完整運算架構與具體效能數據。
市場最新消息指出，美光正開發將 EIM 技術應用於次世代 LPDDR6 記憶體的方式，期望結合低功耗與高頻寬特性，讓行動端與邊緣裝置能在有限電力條件下，執行更複雜的在地化 AI 推理任務；不過，相關技術仍處於研發階段，實際功耗、效能與量產時程，仍有待後續產品驗證及美光官方進一步公布。
美光的EIM技術預計何時量產？
業界預估美光的EIM技術最快有望於2028年下半年投入商業化量產。然而，相關技術仍處於研發階段，實際量產時程仍有待後續產品驗證及美光官方進一步公布。
EIM技術與傳統HBM記憶體有何不同？
傳統高頻寬記憶體（HBM）雖然具備高頻寬優勢，但其功耗與散熱需求較高。美光的EIM技術則旨在結合HBM的高頻寬與LPDDR的低功耗特性，以解決電池供電及部分非資料中心裝置的技術挑戰。
