（原标题：手机芯片配资信息与市场分析平台，需要这些创新）
公众号记得加星标??，第一时间看推送不会错过。
来源：内容编译自counterpointresearch。
随着代理人工智能能力的不断增强，如今的GenAI 智能手机正在发展成为更加智能、更具情境感知能力的设备，它们从简单的通信中心转变为真正智能、自主的伴侣。
在智能手机上实现代理人工智能的最大挑战在于硬件层面：在电池寿命、处理能力和内存的严格限制内为不断增长的人工智能功能提供动力。
由于低延迟、增强隐私、成本和带宽效率、离线访问和个性化等关键要求，将代理人工智能的核心功能（实时响应、深度个性化和主动协助）置于边缘是必要的。
Counterpoint 研究副总裁Neil Shah表示： “ Agentic AI将把智能手机提升到一个全新的类别，使其成为能够识别复杂意图并实时调整的主动数字伴侣。这意味着设备将具备全面的情境理解能力，并超越当今 AI 仅提供辅助的‘你+’模式，迈向‘你2’模式，其中 AI 是你的数字延伸，由在边缘运行的多个个性化学习模型提供支持。”
因此，为了兑现其在边缘处理相关AI工作负载的承诺，Agentic AI必须大幅提升智能手机硬件组件的功能。处理器（SoC）、内存、存储、电池、传感器和互连以及热管理都需要在目前的顶级功能基础上进行重大升级。
特别是，随着对先进的设备上人工智能快速高效地提供数据的需求不断增长，对内存子系统的要求也在快速上升。
美光公司市场营销副总裁Christopher Moore表示：“内存带宽的增长速度已经赶不上计算性能的增长速度，我们正接近这样一个临界点：仅仅添加更多传统 DRAM 已不再是可行的长期解决方案。架构创新现在绝对至关重要。”
需要几项关键技术和行业创新来确保内存解决方案与边缘 GenAI 工作负载不断增长的需求相吻合：
1. 高级 LPDDR（LPDDR5X、LPDDR6）
LPDDR5X：当前标准，提供高达约 10.7 Gbps 的速度
LPDDR6：JEDEC 即将推出的标准承诺提供更快的带宽（14.4 Gbps+）和更高的功率效率——这对于维持 AI 性能至关重要。
2. 内存处理（PIM）架构
PIM 从根本上挑战了当前的冯·诺依曼架构，并将计算功能直接集成到内存中，从而大幅降低延迟和功耗。尽管标准化和生态系统支持仍在不断发展，但 PIM 在加速特定 AI 任务方面拥有巨大的潜力。
3.宽I/O接口和先进封装
通过宽 I/O 扩展内存到 SoC 的数据路径可以提升带宽，通常采用 3D 堆叠等先进封装技术。这些方法还有助于热管理，并可能允许 OEM 将 DRAM 卸载到单独的封装中，以更好地服务于 AI 密集型工作负载。
除了硬件进步之外，量化等技术对于将 GenAI 引入智能手机也至关重要，因为它可以通过降低模型精度来减少内存和计算需求，同时保持准确性。
这些创新与紧凑、高效、小型语言模型 (SLM) 相结合，促进了设备上强大的 AI 性能，加速了向智能、低功耗边缘应用的转变。
智能的强大程度取决于其背后的系统，而内存性能是移动端代理AI的核心驱动力。满足AI日益增长的内存需求需要业界齐心协力，包括：
SoC 设计师、内存和存储供应商、OEM、操作系统开发人员和 AI 研究人员之间的深度合作，共同优化边缘 AI 的硬件和软件。
JEDEC 等机构加速LPDDR6 等技术和未来封装接口的标准化，确保互操作性和创新。
对下一代内存、存储和封装技术的共同愿景和投资对于跟上人工智能的快速发展和释放完全自主的移动智能至关重要。
这不仅仅是一场更快处理器的竞赛；这是对整个行业的行动号召，以释放代理人工智能的变革潜力，将智能手机提升为丰富我们生活的真正智能的伙伴。
未来的移动出行不仅智能，更将实现自主化。而这一切，现在就已开启。
https://www.counterpointresearch.com/insight/memory-innovation-crucial-to-success-of-agentic-ai-era/
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第4047期内容，欢迎关注。
加星标??第一时间看推送，小号防走丢
求推荐配资信息与市场分析平台
配资开户官网提示：文章来自网络，不代表本站观点。
