统一内存架构
苹果M系列芯片采用的内存架构，将CPU、GPU、神经网络引擎所使用的内存整合为一个高速共享内存池，封装在SoC芯片旁边，消除数据搬运延迟，但导致对高品质LPDDR内存高度依赖
核心事实
时间轴 (近 90 天)
UMA的内存带宽在移动端领先，但与数据中心级GPU的HBM带宽仍有差距，这在高并发推理或训练场景中会成为瓶颈。
UMA的内存容量与芯片封装绑定，用户无法自行升级。
统一内存架构让CPU、GPU与神经网络引擎共享同一块高带宽内存，特别有利于视频剪辑、3D渲染和AI推理等负载。
统一内存架构消除了传统PC中CPU与GPU之间的数据拷贝开销。
标称内存与模型可用内存的比例不是通用公式，每台机器切多少取决于系统、驱动和使用方式，不存在「打七折」的万能口诀。
统一内存架构（UMA）让CPU和GPU共享同一块高带宽内存池，GPU可以直接寻址系统内存。
Windows系统、后台程序、显卡预留等会从统一内存池中先切走一部分内存，导致标称内存与模型可用内存存在差额。
统一内存架构的代价是内存带宽低于高端独立显卡的专用显存，因此吞吐量通常不及数据中心GPU。
对于本地推理场景，高带宽内存（如苹果统一内存架构、或高端GPU的HBM）比多核CPU更重要。
统一内存架构的好处是数据无需在处理器之间反复拷贝，延迟更低、能效更高，尤其利于图形和机器学习任务。但也意味着内存容量无法后期升级，购买时的配置即为终身配置。
还有 13 条时间轴事件
全部知识事实 (20)
自M1芯片起，苹果采用统一内存架构（Unified Memory Architecture），CPU、GPU和神经网络引擎共享同一内存池
80%已验证Apple M系列芯片采用统一内存架构（UMA），CPU和GPU共享同一块高带宽内存池
80%已验证M1的统一内存架构使CPU和GPU物理共享同一块内存，无需显式数据拷贝，只需传递指针或虚拟地址
75%已验证Apple Silicon的Neural Engine与CPU、GPU共享统一内存架构（Unified Memory Architecture），消除了传统异构计算中数据在不同内存池之间搬运的瓶颈
75%已验证为本地大模型推理选择硬件时应优先考虑内存容量，其次是架构和内存带宽
70%已验证AMD Ryzen AI Max+ 395拥有16核N5工艺CPU，搭配40个RDNA 3.5计算单元，最高支持128GB LPDDR5X统一内存
65%待验证Apple Silicon M-series unified memory architecture allows CPU and GPU to share the same physical memory, eliminating data copy overhead beneficial for LLM inference
90%待验证NVIDIA Jetson系列采用SoC统一内存架构，CPU和GPU共享同一块物理内存
70%部分验证统一内存架构使CPU、GPU与NPU共享同一块内存池，避免数据在处理单元间反复搬运的开销
65%待验证配备统一内存架构的迷你PC能够运行700亿参数（70B）的大模型，而高端独立显卡因显存不足无法完整加载
60%待验证UMA的内存带宽在移动端领先，但与数据中心级GPU的HBM带宽仍有差距，这在高并发推理或训练场景中会成为瓶颈。
50%待验证UMA的内存容量与芯片封装绑定，用户无法自行升级。
50%待验证统一内存架构让CPU、GPU与神经网络引擎共享同一块高带宽内存，特别有利于视频剪辑、3D渲染和AI推理等负载。
50%待验证统一内存架构消除了传统PC中CPU与GPU之间的数据拷贝开销。
50%待验证标称内存与模型可用内存的比例不是通用公式，每台机器切多少取决于系统、驱动和使用方式，不存在「打七折」的万能口诀。
50%待验证Windows系统、后台程序、显卡预留等会从统一内存池中先切走一部分内存，导致标称内存与模型可用内存存在差额。
50%待验证统一内存架构（UMA）让CPU和GPU共享同一块高带宽内存池，GPU可以直接寻址系统内存。
50%待验证统一内存架构的代价是内存带宽低于高端独立显卡的专用显存，因此吞吐量通常不及数据中心GPU。
50%待验证对于本地推理场景，高带宽内存（如苹果统一内存架构、或高端GPU的HBM）比多核CPU更重要。
50%待验证统一内存架构的好处是数据无需在处理器之间反复拷贝，延迟更低、能效更高，尤其利于图形和机器学习任务。但也意味着内存容量无法后期升级，购买时的配置即为终身配置。
50%