长期以来，人工智能一直基于计算能力和获取大量数据的访问。从现在开始，内存就以第一个率的战略杠杆脱颖而出。在AI模型离开数据中心以在用户设备上运行的上下文中，存储，访问和处理信息的能力变得果断。
十年来，AI行业一直围绕一个简单的假设结构：性能的提高取决于计算能力的线性增加。 NVIDIA，通过捕获大多数对模型培训的GPU需求，都体现了这种逻辑。对基础模型的大规模培训需要成千上万个专业芯片的集群，这些芯片包含在高刻度计算中心中。
但是，这种集中式建筑显示了它的局限性。现在，能源成本，潜伏期，个性化要求和主权限制现在鼓励演员将情报转移到外围。转弯本地推论 ：直接在电话，计算机和连接的对象上执行模型。
约束的新层次结构
这种倾斜重新定义了技术优先事项。当语音助手使用用户数据而不质疑云时，不再是GPU决定性能，而是 本地可用的内存能力，其带宽及其访问速度。内存成为IA基础架构中的关键链接。
在这种情况下，记忆制造商（长期以来一直降级为供应商的等级）找到了核心作用。三星，SK Hynix和Micron处于工业，战略和地缘政治问题的十字路口。它们的组件，无论是DRAM还是高带宽内存（HBM），都可以调节ON -Board AI的可行性。
推断飞机，新的AI边境
模型的本地执行不仅符合技术要求。它允许：
-
- 为了保留数据机密性，
- 为了减少对云基础架构的依赖，
- 增加系统的响应能力。
此进化恢复了卡。这些模型变得更加紧凑，架构必须在板内存上进行优化，而操作系统（尤其是Android）比苹果的封闭生态系统提供了更多的开放土地。在这个动态中 内存不再仅用于存储：它成为上下文推理的基础。
记忆参与者的战略性重估
循环AI（云驱动器，设备上的推断）的重新配置为价值链中的决定性位置提供了内存。随着模型成为居民，性能取决于加载，保留和使用本地数据的能力：电子邮件，照片，文档，导航历史，音频文件等。
尽管有美国出口限制，但微米还是有利的定位。通过其地缘政治灵活性，SK Hynix可以将自己确立为板模型崛起的主要受益者之一。反过来， 三星正在努力将其工业力量转变为战略优势，受到较重的治理和防御性方向的阻碍。
朝向居民和上下文的AI
智力向该设备的置换揭开了一个新时代：上下文AI的时代。一个了解其用户的AI，该AI在本地保留其历史，偏好和例程。该居民AI远离通才，通用，遥远的AI，固定在设备的记忆中。它适应，预期甚至没有永久连接。
这意味着对系统体系结构的完整修订，硬件工程师的回报以及对板上资源的良好管理的新关注。 能源效率，记忆力和访问速度成为商业差异的要素。
AI的历史首先是算法的所有历史。然后是计算。今天，它变成了记忆。
接近用户的距离越近，记忆越多，在游戏中心恢复记忆的越多 – 技术，经济，地缘政治。对于欧洲而言，生产自己的记忆芯片不再是一种选择，而是战略上的必要性。没有他们，就没有主权AI，没有能源自治，也没有面对美国或亚洲巨人的竞争行业。
