200GB 在 AI 领域正成为一个有标志意义的内存与模型体量节点：美光认为这是单台人形机器人所需的内存规模，腾讯则把旗舰大模型压缩到了 200GB 的本地部署大小。它既是硬件厂商规划边缘推理内存的参考线，也是开源模型能否在消费级/工作站硬件上跑起来的分水岭。
200GB 的近期动态
为什么是 200GB 这个量级
边缘侧内存正在成为具身智能的瓶颈之一。机器人在本体上需要同时承载视觉感知、语音交互和决策推理，传统内存的带宽与容量难以兼顾，这也是美光推出 EIM 的直接动因——让 200GB 级容量具备接近数据中心 HBM 的推理带宽。
模型侧则是相反的路径：通过量化压缩，把原本需要多卡数据中心环境的大模型压到 200GB 左右，使其可以放进配备大内存的工作站或单台多卡服务器。腾讯 Hy4-preview 的 GGUF 版本就是典型做法，量化后的体积决定了普通机构能否私有化部署。
当前焦点与观察点
一是 200GB 作为人形机器人内存需求的具体口径仍待验证，实际配置会随模型小型化或多模态负载变化；二是压缩到 200GB 的模型在精度与吞吐上的损失程度，将决定这种部署方式能否普及；三是边缘推理内存 EIM 等新硬件形态能否真正把 200GB 级推理带入成本可控的消费场景，值得持续跟踪。