Storage Industry Encounters the Physical AI Frontier: The Divergence Between Counterpoint's Forecast and Musk

在AI PC赛道热闹了两年之后，Windows阵营终于拿出了真正对标Mac生态的旗舰筹码。

微软联合英伟达推出搭载RTX Spark超级芯片的Surface Laptop Ultra，这不再是微软单独下场做硬件的一次常规迭代，而是Windows生态首次拿到英伟达这款一体化顶级SoC，依靠端侧大算力补齐长期存在的短板。

微软Windows与设备执行副总裁帕万·达武卢里周三在旧金山举行的一场公司活动上表示，Surface Laptop Ultra现已开放预购，并将于10月16日开始发货。该电脑配有磁吸USB-C端口，类似苹果的MagSafe充电接口。

Counterpoint Research此前预计人形机器人存储需求5年增加20倍，马斯克直接驳斥称其“荒谬”，并表示机器人所需的内存容量将会超过地球上其他所有设备的总和 。

因为要让机器人依托物理基底，才能完成原子级塑形。超级智能的算力需求更是会远远超出这个量级，但几乎全部的超级智能算力都将部署在深空计算节点。

但二者的分歧从来不是关于DRAM需求量的数字博弈：一边是成熟调研体系，沿着已商业化终端的增长路径做线性外推；另一边则将具身智能的终点定义为物质重构，再从终点倒推基础设施的需求上限。

可见，两套体系讨论的本就不是同一时间尺度和同一类任务形态。

两套估算框架，错位的前提假设

分析师的测算框架，扎根于半导体行业沿用多年且广泛通行的一套估算范式。

它的逻辑链条并不复杂：以单机存储规格、终端出货量为核心，叠加渗透率假设，估算赛道整体需求。

自动驾驶，是这套框架最有参考价值的样本。量产辅助驾驶的任务范围相对可控，典型场景结构化程度高，算力、存储的搭配方案沉淀了充足的落地数据，可供横向参照。

这也使得过去一段时间，不少机构在测算人形机器人硬件增量时，习惯于参照车载算力的落地经验进行外推。

但这套推演建立在若干隐性前提之上，这些内容很少会在调研报告中写明。

其一，是任务范围的约束。短期商业化人形机器人落地场景集中在搬运、巡检、简易装配、人机协同这类标准化作业，配套的世界模型偏向轻量化和局部化，按需触发更新，无需持续维护一套全局和高精度的物理状态表征。

其二，是算力调度的分层设计：感知与基础规划在端侧完成，复杂模型推理和长周期任务调度回传云端。存储负载主要承载图像、点云、短时状态缓存以及策略权重，负载构成和车载系统较为接近。

其三，增长路径为渐进式释放：需求随良率优化、成本下行、场景渗透稳步抬升，它是半导体大盘之上的新增量，而非颠覆现有产业框架的范式变革。

这套推演并非空中楼阁，它和当前Optimus以及绝大多数人形机器人厂商的量产思路高度契合。想要控制BOM成本、推进商业化落地，工程师的选择往往是压缩板载内存和优先保障带宽，借助模型蒸馏降低硬件算力压力。

这里也暴露出这场讨论中最普遍的混淆：不少观点会把面向量产的短期硬件方案，与马斯克描绘的远期终局放在同一维度对比。

量产工程要回答的是如何稳定且低成本地交付产品，而那句“荒谬”的评价指向一套时间尺度和前提假设全然不同的智能愿景。

说到底，Counterpoint给出的是一份面向中期商业化周期的增量测算。

它预设人形机器人作为一类新型终端嵌入现有生产体系，任务复杂度可控且成本红线刚性，迭代节奏参照消费电子和汽车电子已验证的迭代路径。

报告并不预判硅基智能能否改造物质世界，只回答一个问题：如果人形机器人沿着当前路线落地，存储市场将迎来多大增量。

马斯克的质疑，则直接跳出了这套预设。他不再以现有终端形态为标尺，而是重新定义具身智能的终极目标：原子级塑形。

沿着这个设想，智能体需要持续维护高保真和强耦合的物理世界模型，追踪形变、力学反馈、摩擦、相变等物理过程，每一次抓取、接触、对物质的干预都会带动模型状态同步更新。

在这个前提下，决定存储需求体量的不再是大模型参数量，而是这套持续演化和彼此耦合的物理状态空间。

构想背后，难以绕开的工程硬约束

原子级塑形，并不是放大版的3D打印。

它指向一套闭环且可持续的物质操控能力：智能体需要维护高保真、强耦合的物理世界模型，实时追踪固体形变、接触力学、摩擦效应、热传导、材料相变等动态过程。

每一次抓取、组装、改写物质结构，都要同步更新规模庞大的状态空间。

传统大模型处理文本、图像这类符号化信息，数据支持分片、采样与压缩，一定程度的失真尚可接受；而面向原子尺度操控的具身智能，各个状态之间存在强因果关联，局部微小扰动会沿着物理链路持续传导扩散。

那句“内存容量超过地球上其他所有设备总和”，也经常被简化误读为单台机器人需要搭载海量存储。

更贴合原始表述逻辑的解读，指向集群协同场景：大量机器人不再独立执行零散指令，而是协同完成物质重塑，共享、同步一套全局物理世界模型，任意一次物理交互都会驱动全局状态同步刷新。

当然，支撑这套猜想成立的前置条件极为苛刻：全局状态空间是否支持分片、分层缓存？如果把高频局部状态留在端侧，低频全局推演交给远端算力，能否有效分摊存储压力？围绕这些问题，行业还没有成熟的工程落地路径，目前仍然只是一个有待验证的假说。

深空计算节点的构想，也不宜简单贴上科幻标签。

它本质上是一套试图突破地面算力天花板的突围思路，地面超算集群长期受限于多重刚性约束：散热极限、能源密度、重力扰动以及土地与电力成本。

一旦具身智能的目标从信息生成转向大规模物质改造，算力需求或将膨胀到地表基建难以承接的程度，向外寻找新的算力载体在逻辑上是一个值得探讨的方向。

算力选址的迁移脉络有迹可循：从分散机房走向大型数据中心再到海底、极地算力集群，背后共同的逻辑是寻找温度、能源、电磁干扰条件更优的部署环境。

深空计算节点，可视作这条演进线索被推至极限的一种猜想。但光速时延是这套构想很难绕开的约束，也是最核心的工程矛盾。

地表人形机器人的力控、触觉交互与精密装配，高度依赖毫秒级闭环反馈。地表与深空节点之间存在固定光程延迟，远端算力很难承接这类对实时性要求严苛的物理操控任务。

沿着这项约束推演，一套折中分工框架或许会慢慢成型：端侧机器人保留局部物理模型、实时感知与闭环控制，承接低时延刚需；深空超级节点负责长周期任务规划、全局物质系统优化、超大尺度世界模型推演以及远期路径搜索。

这套分工模式有望降低深空算力落地的门槛，但也可能同步弱化它的不可替代性。

如果绝大多数高价值的实时闭环控制都留在地表端侧，深空节点更接近于远期补充算力池，而非这套具身智能体系里不可缺少的核心。

除此之外，在轨芯片还要面对辐射加固、高昂发射成本、在轨维护困难、星间激光通信稳定性、存储介质在空间环境下的寿命衰减等一系列高门槛挑战。

它算不上一条随时可以启用的备选路线，只有当地面方案真正撞上实质性瓶颈之后，才有可能进入严肃的路线评估环节。

将这两层约束合并审视不难看到：马斯克描绘的图景是一套逻辑自洽的思想实验，但它的成立有赖一连串苛刻假设同时兑现。

只要任意一环工程瓶颈无法打通，这套关于存储与算力需求的推演逻辑就可能大幅收敛。

它可以成为长期技术探索的方向，却很难用来修正未来五年的产业需求曲线。

两套并行叙事，一场筹码分配游戏

存储产业链当下，并存着两套截然不同的叙事剧本，厂商与资本也在两种预期之间分配筹码。

第一套是温和放量的剧本，与Counterpoint的测算逻辑保持一致。

LPDRAM、高可靠存储与高带宽接口，将伴随人形机器人商业化渗透带来稳步增长的需求。这条路线的增量可量化，产能便于有序规划，二级市场也可以沿用成熟估值框架定价。

它的风险集中在商业化落地不及预期、场景拓展缓慢、终端需求迟迟无法起量，这也是当前产业资源投入的主线：存储厂商的扩产计划、存储接口标准迭代、配套测试方案开发，大多以这套叙事作为基准。

这条路线足够保守，风险边界清晰，更适合头部大厂与公开市场资金押注。

第二套是范式跃迁的剧本，对应马斯克提出的远期假设。

需求不再沿着现有曲线线性放大，而是伴随智能任务底层逻辑的切换，或将倒逼整套存储架构重构。近存计算、高带宽堆叠、持久内存、分布式共享状态池有望迎来全新落地场景，这条路线兑现概率偏低，但一旦跑通将重塑存储赛道内部的价值分配格局。

目前参与其中的更多是前沿实验室、小型研发团队以及一级市场风险资本，虽然尚无法主导当下的产能规划，但在潜移默化中抬升了部分前沿技术路线的研发优先级。

产业资本的布局策略也随之分化：把大部分筹码押注在确定性更强的中期增量上，同时拿出小部分资源提前预研适配超大物理状态空间的新型存储架构。

这套双线布局，本身并不矛盾。

Optimus团队持续压缩单机内存配置和优先扫清量产障碍，其长期研究小组也在推演面向物理世界模型的下一代硬件形态。短期工程落地优化与远期技术猜想，完全可以在同一主体内部共存。

分析师的预测本质上是对已有成熟范式做线性外推，这套方法擅长估算手机、服务器、车载电子带来的硬件增量：样本充足、变量收敛，历史数据的相关性能够为预测提供支撑。

马斯克的判断，并不是一份标准意义上的产业需求预测。它更像一份目标陈述：先锚定具身智能想要抵达的终局，再反向推导底层基础设施需要具备怎样的能力上限。

一套叙事向后看，依托历史规律推演增量；另一套向前锚定终点，倒推硬件体系的极限边界。

在未来很长一段时间里，存储行业都会悬浮在两套叙事中间，没有人能够笃定哪一条路径必然成型。产业只能踩着看得见的台阶稳步推进商业化，同时为那些遥远甚至最终无法落地的设想悄悄埋下技术伏笔。

分歧的核心从来不是5年20倍或是更高的需求量级，而是我们愿意为硅基智能划定怎样的能力边界。

本文来自微信公众号“硅碳变量”，作者：胡一刀，36氪经授权发布。