In dem Moment, in dem die Vorhersage versagt, stößt die Speicherindustrie an die Grenzen der physikalischen KI.

Nach zwei Jahren der Hektik im Bereich der AI-PC hat das Windows-Lager endlich ein Flaggschiff-Angebot vorgelegt, das direkt mit dem Ökosystem von Mac konkurriert.

Microsoft hat gemeinsam mit Nvidia das Surface Laptop Ultra mit dem Superchip RTX Spark auf den Markt gebracht. Dies ist keine reguläre Iteration von Microsofts eigenem Hardwaregeschäft, sondern das erste Mal, dass das Windows-Ökosystem diesen integrierten Top-SoC von Nvidia erhält, um seine lang bestehenden Schwächen durch die hohe Rechenleistung auf Geräteebene zu beheben.

Pavan Davuluri, Executive Vice President von Windows und Geräten bei Microsoft, erklärte am Mittwoch auf einer Unternehmensveranstaltung in San Francisco, dass das Surface Laptop Ultra ab sofort vorbestellt werden kann und am 16. Oktober ausgeliefert wird. Der Computer verfügt über einen magnetischen USB-C-Anschluss, der dem MagSafe-Ladeanschluss von Apple ähnelt.

Counterpoint Research hat zuvor prognostiziert, dass der Speicherbedarf von humanoiden Robotern innerhalb von 5 Jahren um das 20-fache steigen wird. Elon Musk wies diese Aussage direkt als „absurd“ zurück und erklärte, dass die Speicherkapazität, die Roboter benötigen, die Summe aller anderen Geräte auf der Erde übersteigen wird.

Denn damit Roboter auf einer physischen Grundlage operieren können, müssen sie in der Lage sein, Formgebung auf atomarer Ebene durchzuführen. Der Rechenleistungsbedarf der Superintelligenz wird diesen Umfang bei weitem übersteigen, aber fast die gesamte Rechenleistung der Superintelligenz wird in Berechnungsknoten im tiefen Weltraum bereitgestellt.

Aber die Meinungsverschiedenheit zwischen den beiden Seiten war nie ein Zahlenkampf über den DRAM-Bedarf: Auf der einen Seite steht ein ausgereiftes Forschungssystem, das lineare Extrapolationen entlang des Wachstumspfades bereits kommerzialisierter Endgeräte durchführt; auf der anderen Seite wird das Endziel der verkörperten Intelligenz als materielle Umgestaltung definiert, und dann die Obergrenze des Infrastrukturbedarfs von diesem Endziel aus rückwärts abgeleitet.

Es ist offensichtlich, dass die beiden Systeme nicht über denselben Zeitskalenbereich und dieselbe Art von Aufgabenformen diskutieren.

Zwei Schätzrahmen, fehlausgerichtete Voraussetzungen

Der Messrahmen der Analysten basiert auf einem seit vielen Jahren in der Halbleiterbranche weit verbreiteten und allgemein anerkannten Schätzparadigma.

Seine Logikkette ist nicht kompliziert: Mit der Spezifikation des Einzelspeichers und der Auslieferungsmenge der Endgeräte als Kern werden die Annahmen zur Durchdringungsrate hinzugefügt, um den Gesamtbedarf des Bereichs zu schätzen.

Das autonome Fahren ist das Referenzwertvollste Beispiel für diesen Rahmen. Der Aufgabenbereich der serienmäßigen Fahrassistenz ist relativ kontrollierbar, der Grad der Strukturierung typischer Szenen ist hoch, und die Kombinationslösungen von Rechenleistung und Speicher haben ausreichende praktische Daten angesammelt, die für den Quervergleich zur Verfügung stehen.

Dies hat auch dazu geführt, dass viele Institutionen in der vergangenen Zeit bei der Berechnung des Hardwarezuwachses von humanoiden Robotern dazu neigten, Extrapolationen anhand der praktischen Erfahrungen mit der Rechenleistung im Fahrzeugbereich durchzuführen.

Aber diese Extrapolation basiert auf mehreren impliziten Voraussetzungen, die selten in den Forschungsberichten explizit genannt werden.

Erstens ist dies die Einschränkung des Aufgabenbereichs. Die kurzfristigen kommerzialisierten Einsatzszenarien humanoider Roboter konzentrieren sich auf standardisierte Arbeiten wie Transport, Inspektion, einfache Montage und Mensch-Roboter-Kooperation. Das dazugehörige Weltmodell ist eher leichtgewichtig und lokalisiert, wird bei Bedarf aktualisiert und muss kein globales und hochpräzises Darstellung des physischen Zustands kontinuierlich aufrechterhalten.

Zweitens ist dies das hierarchische Design der Rechenleistungssteuerung: Wahrnehmung und grundlegende Planung werden auf Geräteebene abgeschlossen, und die komplexe Modellinferenz sowie die langfristige Aufgabenplanung werden an die Cloud zurückgesendet. Die Speicherlast trägt hauptsächlich Bilder, Punktwolken, kurzfristige Zustandscaches und Strategiegewichte, und die Lastzusammensetzung ähnelt stark der von Fahrzeugsystemen.

Drittens ist der Wachstumspfad progressiv freigesetzt: Der Bedarf steigt stetig mit der Optimierung der Ausbeute, dem Rückgang der Kosten und der Durchdringung von Szenen. Es ist ein neuer Zuwachs über dem gesamten Halbleitermarkt, kein Paradigmenwechsel, der den bestehenden Industrierahmen umstürzt.

Diese Extrapolation ist nicht grundlos, sie stimmt stark mit den aktuellen Serienproduktionsideen von Optimus und den meisten Herstellern humanoider Roboter überein. Um die BOM-Kosten zu kontrollieren und die kommerzielle Umsetzung voranzutreiben, entscheiden sich Ingenieure oft dafür, den Onboard-Speicher zu komprimieren und die Bandbreite vorrangig zu sichern, um den Hardware-Rechenleistungsdruck durch Modelldestillation zu senken.

Hier zeigt sich auch die häufigste Verwechslung in dieser Diskussion: Viele Ansichten vergleichen die kurzfristige Hardwarelösung für die Serienproduktion mit dem langfristigen Endzustand, den Elon Musk beschrieben hat, auf derselben Dimension.

Die Serienproduktionstechnik muss die Frage beantworten, wie Produkte stabil und kostengünstig geliefert werden können, und die Bewertung „absurd“ zielt auf eine Intelligenzvision ab, deren Zeitskala und Voraussetzungen völlig unterschiedlich sind.

Letztendlich liefert Counterpoint eine Zuwachsberechnung für den mittelfristigen kommerziellen Zyklus.

Sie geht davon aus, dass humanoide Roboter als eine neue Art von Endgerät in das bestehende Produktionssystem eingebettet werden, die Aufgabenkomplexität kontrollierbar ist und die Kostenobergrenze starr ist, und der Iterationsrhythmus folgt dem bereits validierten Iterationspfad der Unterhaltungselektronik und der Automobilelektronik.

Der Bericht prognostiziert nicht, ob siliziumbasierte Intelligenz die physische Welt verändern kann, sondern beantwortet nur eine Frage: Wenn humanoide Roboter entlang des aktuellen Pfades umgesetzt werden, wie groß wird der Zuwachs auf dem Speichermarkt sein?

Elon Musks Kritik bricht direkt aus diesen Voraussetzungen aus. Er misst nicht mehr an der Form bestehender Endgeräte, sondern definiert das Endziel der verkörperten Intelligenz neu: Formgebung auf atomarer Ebene.

Entlang dieser Vorstellung muss der Agent kontinuierlich ein hochpräzises und stark gekoppeltes Modell der physischen Welt aufrechterhalten und physische Prozesse wie Verformung, mechanische Rückkopplung, Reibung und Phasenübergang verfolgen. Jeder Greifvorgang, jeder Kontakt und jede Intervention in die Materie führen zu einer synchronen Aktualisierung des Modellzustands.

Unter dieser Voraussetzung wird das Volumen des Speicherbedarfs nicht mehr durch die Anzahl der Parameter des großen Modells bestimmt, sondern durch diesen sich ständig weiterentwickelnden und miteinander gekoppelten physischen Zustandsraum.

Hinter der Vorstellung: unumgängliche harte technische Einschränkungen

Formgebung auf atomarer Ebene ist keine vergrößerte Version des 3D-Drucks.

Sie zielt auf eine geschlossene und nachhaltige Fähigkeit zur Materiesteuerung ab: Der Agent muss ein hochpräzises und stark gekoppeltes Modell der physischen Welt aufrechterhalten und dynamische Prozesse wie feste Verformung, Kontaktmechanik, Reibungseffekte, Wärmeleitung und Materialphasenübergang in Echtzeit verfolgen.

Jedes Greifen, jede Montage und jede Umgestaltung der Materiestruktur erfordert eine synchrone Aktualisierung des riesigen Zustandsraums.

Herkömmliche große Modelle verarbeiten symbolische Informationen wie Text und Bilder, die Daten unterstützen Fragmentierung, Abtastung und Kompression, und ein gewisses Maß an Verzerrung ist akzeptabel. Bei der verkörperten Intelligenz für die Steuerung auf atomarer Ebene bestehen jedoch starke kausale Zusammenhänge zwischen den Zuständen, und lokale kleine Störungen werden entlang der physischen Kette kontinuierlich übertragen und ausgebreitet.

Der Satz „die Speicherkapazität übersteigt die Summe aller anderen Geräte auf der Erde“ wird oft vereinfacht falsch interpretiert, dass ein einzelner Roboter massiven Speicher tragen muss.

Eine Interpretation, die der Logik der ursprünglichen Aussage besser entspricht, zielt auf Szenen der Clusterkooperation ab: Eine große Anzahl von Robotern führt nicht mehr unabhängig verstreute Anweisungen aus, sondern kooperiert bei der Umgestaltung von Materie, teilt und synchronisiert ein globales Modell der physischen Welt, und jede physische Interaktion treibt die synchrone Aktualisierung des globalen Zustands an.

Natürlich sind die Voraussetzungen, die die Gültigkeit dieser Vermutung stützen, extrem streng: Unterstützt der globale Zustandsraum Fragmentierung und hierarchische Caches? Wenn häufige lokale Zustände auf Geräteebene verbleiben und seltene globale Inferenzen an entfernte Rechenleistung übergeben werden, kann der Speicherdruck effektiv verteilt werden? In Bezug auf diese Fragen gibt es in der Branche noch keine ausgereifte praktische Umsetzungsroute, es handelt sich derzeit nur um eine zu validierende Hypothese.

Die Vorstellung von Berechnungsknoten im tiefen Weltraum sollte nicht einfach als Science-Fiction abgestempelt werden.

Sie ist im Wesentlichen eine Durchbruchsidee, die versucht, die Obergrenze der Rechenleistung auf der Erde zu durchbrechen. Supercomputercluster auf der Erde sind seit langem durch mehrere starre Einschränkungen eingeschränkt: Wärmeableitungsgrenze, Energiedichte, Gravitationsstörungen sowie Land- und Stromkosten.

Sobald das Ziel der verkörperten Intelligenz von der Informationsgenerierung zur groß angelegten Umgestaltung von Materie wechselt, könnte der Rechenleistungsbedarf auf ein Ausmaß anschwellen, das die Infrastruktur auf der Erde kaum bewältigen kann. Die Suche nach neuen Trägern für Rechenleistung im Weltraum ist logisch eine erforschbare Richtung.

Die Migrationslinie der Standortwahl für Rechenleistung ist nachvollziehbar: Von verteilten Rechenzentren über große Rechenzentren bis hin zu Rechenclustern am Meeresboden und in Polarregionen. Die gemeinsame Logik dahinter ist die Suche nach Einsatzumgebungen mit besseren Bedingungen für Temperatur, Energie und elektromagnetische Störungen.

Berechnungsknoten im tiefen Weltraum können als eine Vermutung angesehen werden, die diese Entwicklungslinie bis zum Äußersten treibt. Aber die Lichtlaufzeitverzögerung ist eine Einschränkung, die diese Vorstellung kaum umgehen kann, und sie ist auch der Kern des technischen Widerspruchs.

Die Kraftsteuerung, taktile Interaktion und präzise Montage von humanoiden Robotern auf der Erde hängen stark von geschlossenen Rückkopplungen im Millisekundenbereich ab. Es gibt eine feste Lichtlaufzeitverzögerung zwischen der Erde und Knoten im tiefen Weltraum, so dass die entfernte Rechenleistung kaum diese physischen Steuerungsaufgaben übernehmen kann, die strenge Echtzeitanforderungen stellen.

Entlang dieser Einschränkung könnte sich allmählich ein kompromissloses Arbeitsteilungsrahmen bilden: Roboter auf Geräteebene behalten lokale physische Modelle, Echtzeitwahrnehmung und geschlossene Steuerung, um die Anforderungen mit niedriger Latenz zu erfüllen; Superknoten im tiefen Weltraum sind verantwortlich für langfristige Aufgabenplanung, Optimierung des globalen materiellen Systems, Inferenz von Weltmodellen in sehr großem Maßstab und langfristige Pfadsuche.

Dieses Arbeitsteilungsmodell könnte die Hürde für die Umsetzung der Rechenleistung im tiefen Weltraum senken, aber es könnte gleichzeitig seine Unersetzbarkeit schwächen.

Wenn die meisten hochwertigen Echtzeit-Geschlossenen Steuerungen auf der Geräteebene auf der Erde verbleiben, sind die Knoten im tiefen Weltraum eher ein langfristig ergänzender Rechenleistungspool als ein unverzichtbarer Kern in diesem System der verkörperten Intelligenz.

Darüber hinaus müssen Chips im Orbit einer Reihe von hohen Hürden begegnen: Strahlungsabsicherung, hohe Startkosten, schwierige Wartung im Orbit, Stabilität der laserbasierten Kommunikation zwischen Satelliten und die Lebensdauerabnahme von Speichermedien in der Weltraumumgebung.

Es ist keine alternative Route, die jederzeit aktiviert werden kann. Erst wenn die irdischen Lösungen auf echte wesentliche Engpässe stoßen, kann sie in eine ernste Routenbewertung gelangen.

Wenn man diese beiden Einschränkungen zusammen betrachtet, ist leicht zu erkennen: Das von Elon Musk dargestellte Bild ist ein logisch kohärentes Gedankenexperiment, aber seine Gültigkeit hängt davon ab, dass eine Reihe strenger Annahmen gleichzeitig erfüllt werden.

Solange irgendein technischer Engpass nicht überwunden werden kann, könnte sich diese Extrapolationslogik zum Speicher- und Rechenleistungsbedarf stark verringern.

Sie kann eine Richtung für langfristige technische Erkundung sein, aber sie kann kaum verwendet werden, um die industrielle Nachfragekurve für die nächsten fünf Jahre zu korrigieren.

Zwei parallele Narrative, ein Spiel um die Verteilung der Einsätze

In der heutigen Speicherindustriekette koexistieren zwei völlig unterschiedliche Erzählskripte, und Hersteller und Kapital verteilen ihre Einsätze zwischen diesen beiden Erwartungen.

Das erste ist das Skript des moderaten Wachstums, das mit der Berechnungslogik von Counterpoint übereinstimmt.

LPDRAM, hochzuverlässiger Speicher und Hochgeschwindigkeits-Schnittstellen werden einen stetig wachsenden Bedarf mit der kommerziellen Durchdringung humanoider Roboter erzeugen. Der Zuwachs entlang dieser Route ist quantifizierbar, die Produktionskapazität kann geordnet geplant werden, und der Sekundärmarkt kann auch mit ausgereiften Bewertungsrahmen bewertet werden.

Seine Risiken konzentrieren sich darauf, dass die kommerzielle Umsetzung hinter den Erwartungen zurückbleibt, die Szenenerweiterung langsam ist und die Endgerätenachfrage lange nicht ansteigt. Dies ist auch die Hauptlinie der aktuellen industriellen Ressourceninvestitionen: Die Erweiterungspläne von Speicherherstellern, die Iteration von Speicherschnittstellenstandards und die Entwicklung zugehöriger Testlösungen basieren meist auf dieser Erzählung als Referenz.

Diese Route ist ausreichend konservativ, die Risikogrenzen sind klar und sie eignet sich besser für große führende Hersteller und Kapital auf dem öffentlichen Markt.

Das zweite ist das Skript des Paradigmenwechsels, das der von Elon Musk aufgestellten langfristigen Annahme entspricht.

Der Bedarf wird nicht mehr linear entlang der bestehenden Kurve vergrößert, sondern könnte mit dem Wechsel der zugrundeliegenden Logik intelligenter Aufgaben die Rekonstruktion des gesamten Speicherarchitektur erzwingen. Nahspeicherberechnung, Hochgeschwindigkeitsstapelung, permanenter Speicher und verteilter gemeinsam genutzter Zustandspool werden wahrscheinlich neue Einsatzszenarien erhalten. Die Wahrscheinlichkeit, dass diese Route realisiert wird, ist gering, aber sobald sie erfolgreich ist, wird sie das Wertverteilungsmuster im Speicherbereich umgestalten.

Derzeit beteiligen