Back to top
  • 공유 แชร์
  • 인쇄 พิมพ์
  • 글자크기 ขนาดตัวอักษร
ลิงก์ถูกคัดลอกแล้ว

ความต้องการ DRAM สำหรับหุ่นยนต์อาจแตะ 172,000 Tbit ในปี 2030

ความต้องการ DRAM สำหรับหุ่นยนต์ฮิวแมนนอยด์อาจเพิ่มเป็นราว 172,000 Tbit ในปี 2030 หรือประมาณ 20 เท่าของตัวเลขคาดการณ์ปี 2026 ที่ราว 8,300 Tbit โดยสะท้อนทั้งจำนวนหุ่นยนต์ที่จัดส่งและปริมาณหน่วยความจำต่อเครื่องที่เพิ่มขึ้น

เคาน์เตอร์พอยต์ รีเสิร์ช (Counterpoint Research) ระบุในรายงาน “Humanoid Robot Insight Report—Supply Chain Analysis” ที่เผยแพร่เมื่อวันที่ 10 ตุลาคมว่า ความต้องการ DRAM สำหรับสมองกลของหุ่นยนต์อาจเพิ่มขึ้นราว 20 เท่าจากปี 2026 ถึงปี 2030 ตัวเลขนี้เป็นการประมาณปริมาณความต้องการ DRAM สำหรับหุ่นยนต์ฮิวแมนนอยด์ ไม่ใช่รายได้หรือราคาเมมโมรี

รายงานคาดว่าปริมาณ DRAM เฉลี่ยต่อหุ่นยนต์หนึ่งเครื่องจะเพิ่มจาก 19 GB ในปี 2026 เป็น 39 GB ในปี 2030 ความต้องการโดยรวมจึงขึ้นอยู่กับทั้งจำนวนหุ่นยนต์ที่จัดส่งและความจุหน่วยความจำของแต่ละรุ่น

กล้อง LiDAR และเซ็นเซอร์สัมผัสรวบรวมข้อมูลจากสภาพแวดล้อม ขณะที่หุ่นยนต์ต้องใช้หน่วยความจำเพื่อประมวลผลข้อมูลแบบเรียลไทม์และแปลงผลเป็นการกระทำ เคาน์เตอร์พอยต์ รีเสิร์ชอธิบาย

โมเดล AI ที่รวมข้อมูลหลายรูปแบบเพื่อสร้างการกระทำ และ world model ที่เรียนรู้และคาดการณ์สภาพแวดล้อม ยังเป็นปัจจัยที่เพิ่มความต้องการพื้นที่จัดเก็บและการประมวลผล รายงานระบุว่า เมื่อความสามารถด้านการรับรู้และการตัดสินใจของหุ่นยนต์พัฒนาขึ้น ความต้องการหน่วยความจำก็อาจเพิ่มตาม

สำหรับหุ่นยนต์ที่ใช้แบตเตอรี่ LPDDR ซึ่งใช้พลังงานต่ำอาจเป็นหน่วยความจำที่ตอบโจทย์ ขณะเดียวกัน รายงานคาดว่าความต้องการ NAND flash ความจุสูงและชิปประมวลผล รวมถึง GPU ของ NVIDIA($NVDA) อาจเพิ่มขึ้นไปพร้อมกับการพัฒนาโมเดล

มีการพูดถึงความเป็นไปได้ที่แหล่งความต้องการหน่วยความจำจะขยายจากศูนย์ข้อมูลไปสู่หุ่นยนต์ อย่างไรก็ตาม ขนาดความต้องการที่จะเกิดขึ้นจริงยังขึ้นอยู่กับจำนวนหุ่นยนต์ที่จัดส่งและการกำหนดค่าหน่วยความจำของแต่ละผลิตภัณฑ์ ตัวเลขในรายงานเป็นการประมาณปริมาณความต้องการ DRAM ไม่ใช่การคาดการณ์รายได้

<ลิขสิทธิ์ ⓒ TokenPost ห้ามเผยแพร่หรือแจกจ่ายซ้ำโดยไม่ได้รับอนุญาต>

บทความที่มีคนดูมากที่สุด

บทความที่เกี่ยวข้อง

ความคิดเห็น 0

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม

0/1000

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม
1