美光CEO桑杰·迈赫罗特拉在最新财报电话会上抛出的判断——“除了数据中心，下一个巨大的增量市场将是物理AI” ——这并非简单的市场宣传，而是一个关于算力基础设施结构性迁移的精准信号。数据中心的需求由大模型训练驱动，而物理AI的需求则由数以亿计的智能终端驱动，后者的存储含量是前者的十倍甚至百倍。

为什么物理AI是存储需求的新前沿？

物理AI的核心特征，是AI从“理解信息”走向“与物理世界实时交互”。 自动驾驶汽车是首个重大部署，未来将扩展至人形机器人和其他智能自主系统。这意味着AI不再局限于云端推理，而必须在端侧以毫秒级延迟完成感知、决策与执行。

L4级及以上自动驾驶汽车的内存容量通常超过200GB，存储容量达多个TB，比当前L2+/L3级系统高出“一个多数量级”。人形机器人的需求同样如此：每台需超200GB DRAM及数TB NAND闪存，规模与高阶自动驾驶汽车相当。作为参照，当前主流L2+车型的整车闪存容量仅为128GB左右。

存储含量跃升的背后，是数据负载的根本性变化。L4级车辆需同时处理激光雷达点云、高精地图、全量传感器记录和端到端推理模型的中间状态——内存用于实时缓存，NAND用于持久化存储行车全量数据、地图更新和OTA升级包。本质上，每台物理AI设备都在成为一台移动的数据中心。

存储需求爆发的三重驱动

第一重驱动：单车存储含量的指数级跃升。 端到端智驾大模型的落地，使1000 TOPS以上算力芯片对存储I/O带宽的需求呈指数级增长，而存储带宽的提升却是线性的，供需鸿沟正在扩大。海康存储产品总监的判断一针见血：“存储的带宽会是瓶颈，算力不是瓶颈。”

第二重驱动：设备数量的规模化叠加。 2030年全球人形机器人出货量预计在25万台至120万台之间，2050年前后攀升至每年约9.3亿台。以2030年120万台测算，仅DRAM年需求即达2.4亿GB，尚未计入NAND用量。设备数量与单机含量的“双重增长”，正是美光将其称为“极其重要的驱动力”的逻辑基础。

第三重驱动：技术架构的范式转换。 物理AI要求存储芯片具备低功耗、低延迟、抗震动、可散热的车规级特性。车载存储正从eMMC向UFS 4.0乃至NVMe SSD代际跃迁，接口标准升级使带宽每两年翻倍，但这仍难以匹配算力的增长速度。

供需失衡的长期化：这不是短期周期

美光给出了一个令市场震动的判断：2027至2028年内存与存储供需条件将比2026年更紧张，“看不到供需恢复平衡的尽头”。截至最新财报，美光超过75%的2027年产能已被客户锁定，且多数谈判已围绕2028年展开。

这一判断得到行业共识的印证。德意志银行测算DRAM供需缺口将在2027、2028年进一步扩大，市场或在2029年才达到平衡。瑞银渠道调研显示，服务器加存储SSD的比特容量需求2027年同比增幅有望超过100%。

美光CFO明确指出，即便人工智能泡沫破裂，内存价格亦难回落。背后的结构性原因在于：物理AI的存储需求是刚性的——每一台出厂的自动驾驶汽车和人形机器人，都必须配备相应容量的DRAM和NAND，这与数据中心可根据投资节奏调节的采购行为有本质区别。

产业影响：存储芯片的价值定位正在被重估

车载存储芯片正从传统的汽车零部件品类，升级为与整车价值绑定的智能化核心组件。这意味着存储不再是被动适配的“标准件”，而是决定智驾系统性能上限的“场景定制件”。

产业链上的参与者已在积极布局。国内佰维存储已推出适用于具身智能领域的eMMC、UFS、BGA SSD、LPDDR4X/5/5X等产品，宇树科技的Go2智能机器狗中已应用其存储产品。这标志着物理AI的存储供应链正在从概念走向量产。

更深远的影响在于，当单机存储含量提升十倍甚至百倍，存储芯片的单位价值量将系统性抬升。对于存储芯片厂商而言，物理AI不是数据中心需求的“补充”，而是一个体量可能相当的平行市场——区别在于，数据中心的客户是数千家云厂商，而物理AI的客户是数以亿计的终端设备。

结语

物理AI的存储需求叙事，核心逻辑可以概括为：端侧AI的实时性要求，将服务器级的内存与存储架构下沉到每一台智能终端。 当自动驾驶汽车成为“轮子上的数据中心”，当人形机器人成为“行走的服务器”，存储芯片就从配角变成了物理AI能否规模化落地的关键约束。美光的预判，本质上是在提示一个被市场低估的结构性变化：AI基础设施的投资重心，正在从云端向边缘端发生不可逆的迁移。