很多人只关注 AI 算力芯片，却忽略：大模型推理、传感器融合、步态控制、语音视觉交互，全部建立在一套分层内存存储体系之上。人形 / 移动 AI 机器人不会用服务器的 HBM，而是依靠 DRAM 运行内存、各类闪存存储，配合底层驱动，完成从开机、感知、AI 推理到关节运动的全流程工作。

一、运行内存（DRAM：临时算力工作台）

断电数据消失；负责实时 AI 运算、传感器数据流、模型中间计算结果，是机器人的 “临时大脑工作台”。

1. LPDDR5 / LPDDR5X（人形机器人主流标配）

• 作用：统一共享内存，CPU/GPU/NPU 共用一块内存空间。承载本地大模型推理、相机 + 激光雷达点云运算、IMU 姿态解算、全身步态规划、多模态数据缓冲。
• 典型容量：高端人形 16128GB；服务机器人 832GB；小型 AMR 机器人 416GB。
• 为什么不用 HBM：HBM 带宽极高，但功耗大、发热严重、体积堆叠复杂。机器人靠电池供电、机身狭小散热有限；LPDDR5X 在功耗、体积、抗震动、宽温之间取得平衡，适合移动场景。
• 底层驱动：SoC 厂商 BSP 驱动、DDR PHY 驱动、DVFS 动态调频驱动，负责动态调节带宽与电压，兼顾性能和省电。

2. 片上 SRAM（芯片内部高速缓存）

• 作用：NPU/GPU 内置，延迟极低。存放高频模型权重碎片、运动控制闭环参数。
• 特点：容量很小（MB 级别），成本高，不做外部内存；保障关节控制、紧急避险这类微秒级实时任务，不能被 LPDDR 替代。
• 小结：SRAM 做极速小缓存，LPDDR5X 做整机主力运行内存，机器人几乎不会搭载 HBM

二、非易失存储（Flash：永久数据仓库，断电不丢）

1. NVMe mSSD（高端人形机器人）

• 用途：存放完整具身大模型权重、多模态模型、大型导航地图。实现大模型快速加载。
• 驱动：PCIe 控制器驱动 + NVMe 内核驱动。

2. UFS3.1 / UFS4.0（中高端机器人）

• 用途：操作系统、轻量化大模型、语音库、视觉素材、运行日志。很多 Jetson、高通机器人平台原生支持 UFS。
• 驱动：UFS 主机控制器驱动。

3. eMMC（中端、服务巡检机器人）

• 用途：系统固件、业务程序、传感器日志，成本低。
• 驱动：MMC 子系统驱动。

三、内存 / 存储相关关键底层驱动软件

硬件颗粒只是基础，需要整套驱动、内核模块才能协同工作：

1.LPDDR PHY 驱动：管理内存物理硬件，初始化时序、电压、频率，处理 ECC 纠错，应对工业环境震动、温度漂移。

2.DVFS 动态功耗驱动：AI 忙的时候拉高带宽，待机、行走时降频降功耗，延长电池续航，LPDDR 核心能力。

3.块设备驱动（NVMe/UFS/eMMC）：管理闪存读写，把模型文件、系统读入 DRAM 内存。

4.内存管理子系统（Linux 内核）：负责内存分配、缓存、swap 控制。机器人会尽量禁用 swap，避免推理卡顿。

5.实时 RTOS 内存管理（关节 MCU）：关节小脑，确定性内存分配，不能出现内存抖动，防止摔倒、失控。

6.AI 框架内存分配器（TensorRT、MindSpore）：专门为大模型推理做内存池，复用 LPDDR 内存，减少内存碎片，防止 OOM 内存溢出。

四、一套完整行业标配（高端人形机器人示例）

表格

类别	硬件	承担工作
运行内存	16128GB LPDDR5X	大模型推理、视觉点云、姿态解算、任务规划
片上高速缓存	SoC 内置 SRAM	高频算子、运动闭环实时参数
高速机身存储	NVMe mSSD	完整大模型权重、三维地图
系统存储	UFS4.0	机器人操作系统、应用程序、日志
关节固件存储	多颗 SPINOR Flash	每个关节伺服控制固件与标定参数

工作流程：开机后，NVMe/UFS 把 AI 模型、系统读取到LPDDR5X 内存；SRAM 缓存高频计算；主控完成感知AI 决策；指令下发各个关节 MCU，MCU 读取 NOR Flash 内固件执行运动控制。

五、误区澄清

1. 不是内存带宽越高机器人越强：服务器 HBM 带宽爆炸，但功耗、发热不适合电池驱动移动机器人；机器人追求带宽、功耗、体积、震动稳定性综合平衡。
2. 内存≠存储：LPDDR 是运行内存，只负责 “正在算的数据”；NVMe/UFS/eMMC/NOR 是存储，负责 “存起来的数据”；模型必须先从存储加载进内存，才能跑 AI 推理。
3. 关节也需要独立存储：人形机器人几十个关节 MCU，每个都需要 NOR Flash 固件，不能全部靠主控大内存包办。

一句话总结

AI 机器人以LPDDR5X 作为主力运行内存，搭配芯片内置 SRAM 做高速缓存；再依靠 NVMe / UFS /eMMC/ NOR Flash 分层存储模型、系统、关节固件，配合 PHY、DVFS、块设备、实时内存管理驱动，完成感知、AI 推理、运动控制整套工作，而 HBM 因为功耗发热问题，现阶段并不适合移动人形机器人落地量产。