🔍 引用韩国信源：LLM 主导的 AI 资本开支之火尚未熄灭，若再加上 Physical AI，也就是机器人技术，会怎样？
🌍 Physical AI 真正的市场总规模（TAM）是人类的劳动力市场，规模大约 50 万亿美元。然而，像 Optimus 这类人形机器人要进入日常生活，不能像现在的 LLM 那样慢悠悠地推理。
⚡ 看、判断、行动的过程必须近乎实时地运转。即便如此，还会像现在这样使用内存吗？
💡 答案是会用得更多，且方式更多样。Physical AI 机器人的内存很可能分为三大类：
🧠 1. 推理 / 任务内存：用于模型执行、视觉识别、语音理解、行为规划。若是日常用的人形机器人，最低需要 32GB，现实来看似乎需要 64~128GB 级别的统一内存。
🏠 2. 空间 / 环境内存：用来记住房屋结构、物品位置、人的动线、障碍物以及机器人自身位置的内存。这不只是存储，更接近机器人的空间感知。实时 RAM 可能需要 4~16GB，存储可能需要 100GB~1TB 以上。
📚 3. 长期经验 / 个性化内存：用来记住用户偏好、重复性工作、过往的失败与成功、家中日常流程的领域。机器人熟悉我们家，归根结底就是这种内存不断积累。按本地标准，似乎需要 256GB~2TB，宽裕些则需要 1TB 以上。
📈 归根结底，Physical AI 并不是朝着少用内存的方向发展，反而会组合高速 SRAM / 缓存、大容量 DRAM、本地 SSD、向量内存，乃至云端联邦学习（fleet learning）。
🤖 一台机器人会变得像一个小型数据中心节点。
💸 因此，AI 资本开支的下一个阶段，或许不再是单纯大量购买 GPU 的问题。
🔧 除了数据中心学习基础设施，每台机器人所搭载的端侧推理芯片、传感器、内存、存储、网络，以及联邦学习（fleet learning）基础设施，都将成为必需。
🔄 如果说 LLM 开启了数字智能的资本开支周期，那么 Physical AI 或许会在该智能进入现实世界的过程中，创造出新的资本开支周期。
🌐 说人类劳动力市场 50 万亿美元是市场总规模（TAM），并非夸张，更接近于计算基础设施向现实世界扩展的意味。
